用於使用神經網絡定位車輛鑰匙的系統、方法和產品的製作方法
2023-10-18 02:56:59 3
用於使用神經網絡定位車輛鑰匙的系統、方法和產品的製作方法
【專利摘要】提供了用於使用神經網絡定位車輛鑰匙的系統、方法和產品。系統可包括：用於安裝在車輛中並配置成接收多個信號的控制單元，每個信號表示在智能鑰匙和位於車輛上的多個天線之一之間傳輸的無線信號的強度；以及具有級聯拓撲的多個神經網絡。神經網絡可包括用於基於無線信號強度來確定智能鑰匙的車輛內部位置和車輛外部位置之一的第一神經網絡、與第一神經網絡通信的用於基於無線信號強度來確定智能鑰匙的多個車輛內部位置之一的第二神經網絡、以及與第一神經網絡通信的用於基於無線信號強度來確定智能鑰匙的多個車輛外部位置之一的第三神經網絡。
【專利說明】用於使用神經網絡定位車輛鑰匙的系統、方法和產品
[0001]相關申請的交叉引用
[0002]本申請要求2012年5月10日提交的美國臨時專利申請號61/645，261的利益，並要求2013年5月7日提交的美國專利申請號13/888,466的優先權，這兩個專利申請的公開通過引用被全部併入本文。
【技術領域】
[0003]下文涉及用於使用神經網絡定位車輛鑰匙、智能鑰匙或密鑰卡的方法和系統。
[0004]背景
[0005]機動車輛可包括允許用戶僅僅通過握住鑰匙、智能鑰匙或卡來進入和啟動車輛的舒適進入(CA)系統。在操作中，這樣的系統可基於鑰匙在車輛中或周圍的確定的位置來執行和/或實現車輛進入和車輛啟動功能。
[0006]為了便於確定鑰匙位置，鑰匙、智能鑰匙或卡可配備有一個或多個天線，且CA系統可使用位於車輛中的多個位置處的多個天線。CA系統還可包括具有基於決策的算法的電子控制單元(ECU)，其基於在鑰匙天線和基於車輛的天線之間的低頻(LF)信號(例如，125kHz)的傳輸來確定鑰匙位置。
[0007]這樣的基於決策的算法的校準一般平均花費兩天。在確定鑰匙位置時使用的這樣的基於決策的算法及其校準也高度依賴於特定的車輛、車輛類型、車輛材料、以及車輛天線的數量及其在車輛上的位置。
[0008]作為結果，存在對用於通過使用一個或多個神經網絡來確定車輛鑰匙位置的具有較高靈活性和較高可靠性的方法和系統的需要。這樣的方法和系統將提供可用於所有車輛的單個算法，而不考慮車輛類型、材料或車輛天線的數量或位置，從而增加靈活性。這樣的方法和系統也將極大地減小現場中的校準時間，從而通過對所有車輛使用相同的算法和校準過程來增加可靠性，並因此減小在校準期間手工誤差的風險。
[0009]概述
[0010]根據本文公開的一個實施方式，提供了用於確定在車輛進入系統中使用的智能鑰匙的位置的系統。定位系統可包括用於安裝在車輛中的控制單元。控制單元可配置成接收多個信號，每個信號表示在智能鑰匙和位於車輛上的多個天線之一之間傳輸的無線信號的強度。
[0011]定位系統還可包括具有級聯拓撲的多個神經網絡。多個神經網絡可包括用於基於無線信號強度來確定智能鑰匙的車輛內部位置和車輛外部位置之一的第一神經網絡。確定車輛內部位置和車輛外部位置之一可包括:計算具有與其相關的學習權重和激活函數的多個中間內部/外部位置神經元，以及計算內部/外部輸出神經元用於指示智能鑰匙的車輛內部位置和車輛外部位置之一。
[0012]多個神經網絡還可包括與第一神經網絡通信的第二神經網絡。第二神經網絡可配置成基於無線信號強度來確定智能鑰匙的多個車輛內部位置之一。確定多個車輛內部位置之一可包括計算具有與其相關的學習權重和激活函數的多個中間內部位置神經元，以及計算多個內部位置輸出神經元用於指示智能鑰匙的多個車輛內部位置之一。
[0013]多個神經網絡還可包括與第一神經網絡通信的第三神經網絡。第三神經網絡可配置成基於無線信號強度來確定智能鑰匙的多個車輛外部位置之一。確定智能鑰匙的多個車輛外部位置之一可包括:計算具有與其相關的學習權重和激活函數的多個中間外部位置神經元，以及計算多個外部位置輸出神經元用於指示智能鑰匙的多個車輛外部位置之一。
[0014]根據本文公開的另一實施方式，提供了計算機可讀介質，其上存儲有用於確定在車輛進入系統中使用的智能鑰匙的位置的非臨時計算機可執行指令。計算機可執行指令可包括用於基於在智能鑰匙和位於車輛上的多個天線之間傳輸的多個無線信號的信號強度來確定智能鑰匙的車輛內部位置和車輛外部位置之一的指令。確定車輛內部位置和車輛外部位置之一可包括:第一神經網絡計算具有與其相關的學習權重和激活函數的多個中間內部/外部位置神經元，以及計算內部/外部輸出神經元用於指示智能鑰匙的車輛內部位置和車輛外部位置之一。
[0015]計算機可執行指令還可包括用於基於無線信號強度來確定智能鑰匙的多個車輛內部位置之一的指令。確定多個車輛內部位置之一包括:第二神經網絡計算具有與其相關的學習權重和激活函數的多個中間內部位置神經元，以及計算多個內部位置輸出神經元用於指示智能鑰匙的多個車輛內部位置之一。
[0016]計算機可執行指令還可包括用於基於無線信號強度來確定智能鑰匙的多個車輛外部位置之一的指令。確定智能鑰匙的多個車輛外部位置之一包括:第三神經網絡計算具有與其相關的學習權重和激活函數的多個中間外部位置神經元，以及計算多個外部位置輸出神經元用於指示智能鑰匙的多個車輛外部位置之一。第一、第二和第三神經網絡也可具有級聯拓撲。
[0017]根據本文公開的另一實施方式，提供了用於確定在車輛進入系統中使用的智能鑰匙的位置的方法。該方法可包括:接收多個信號，每個信號表示在智能鑰匙和位於車輛上的多個天線之一之間傳輸的無線信號的強度。該方法還可包括基於無線信號強度來確定智能鑰匙的車輛內部位置和車輛外部位置之一，其中確定車輛內部位置和車輛外部位置之一包括:第一神經網絡計算具有與其相關的學習權重和激活函數的多個中間內部/外部位置神經元，以及計算內部/外部輸出神經元用於指示智能鑰匙的車輛內部位置和車輛外部位置之一 O
[0018]該方法還可包括基於無線信號強度來確定智能鑰匙的多個車輛內部位置之一，其中確定多個車輛內部位置之一包括:第二神經網絡計算具有與其相關的學習權重和激活函數的多個中間內部位置神經元，並計算多個內部位置輸出神經元用於指示智能鑰匙的多個車輛內部位置之一。該方法還可包括基於無線信號強度來確定智能鑰匙的多個車輛外部位置之一，其中確定智能鑰匙的多個車輛外部位置之一包括:第三神經網絡計算具有與其相關的學習權重和激活函數的多個中間外部位置神經元，以及計算多個外部位置輸出神經元用於指示智能鑰匙的多個車輛外部位置之一。第一、第二和第三神經網絡可具有級聯拓撲。
[0019]下面闡述這些實施方式的詳細描述連同附圖。
[0020]附圖的簡要說明
[0021]圖1是神經網絡的簡化示例性框圖；
[0022]圖2是在神經網絡例如圖1所示的神經網絡中使用的神經元的簡化示例性框圖；[0023]圖3是用於使用監督或聯想學習來培訓神經網絡的系統的簡化示例性框圖；
[0024]圖4是用於培訓在確定車輛智能鑰匙的位置時使用的神經網絡的過程的簡化示例性框圖；
[0025]圖5是示出用於確定車輛智能鑰匙的位置的神經網絡的使用的簡化示例性框圖；
[0026]圖6是在確定車輛智能鑰匙的位置時使用的經典拓撲神經網絡的簡化示例性框圖；
[0027]圖7是在確定車輛智能鑰匙的位置時使用的級聯拓撲神經網絡的簡化示例性框圖；
[0028]圖8是在確定車輛智能鑰匙的位置時使用的經典拓撲神經網絡的更詳細的示例性框圖；
[0029]圖9是在確定車輛智能鑰匙的位置時使用的級聯拓撲神經網絡的更詳細的示例性框圖，該神經網絡包括用於確定智能鑰匙相對於車輛的內部或外部位置的神經網絡、用於確定智能鑰匙的特定內部車輛位置的神經網絡和用於確定智能鑰匙的特定外部車輛位置的神經網絡；
[0030]圖10是用於確定智能鑰匙相對於車輛的內部或外部位置的神經網絡的更詳細的示例性框圖；
[0031]圖11是用於確定智能鑰匙的特定內部車輛位置的神經網絡的更詳細的示例性框圖；
[0032]圖12是用於確定智能鑰匙的特定外部車輛位置的神經網絡的更詳細的示例性框圖；
[0033]圖13是用於確定車輛智能鑰匙的位置的神經網絡的簡化示例性使用情況圖；以及
[0034]圖14是用於使用神經網絡確定車輛智能鑰匙的位置的方法的簡化示例性流程圖或活動圖。
[0035]詳細描述
[0036]如所需要的，本文公開了詳細實施方式。然而，應理解，所公開的實施方式僅僅是示例性的，以及可使用各種和可選的形式。實施方式被包括，以便解釋本公開的原理，而不是限制其範圍，該範圍由所附權利要求限定。來自兩個或多個實施方式的細節可彼此組合。附圖不一定按比例。一些特徵可放大或最小化以顯示特定部件的細節。因此，本文公開的特定結構和功能細節不應被解釋為限制性的，而僅僅作為用於教導本領域中的技術人員的代表性基礎。
[0037]參考圖1-14，示出和描述了本文公開的方法和系統的各種實施方式。為了說明的容易和便於理解，在可適用的場合，在下面的描述中始終使用相似的參考數字來表示附圖中的相似的元件、部分、項或特徵。
[0038]如其中看到的，圖1-3示出關於神經網絡的概觀，包括使用神經元的建模技術以及培訓過程，例如使用培訓數據來產生神經元權重的監督或聯想學習。特別是，圖1示出神經元網絡30的簡化示例性框圖，神經元網絡30是基於生物神經元的觀察到的行為的並用於模擬系統的性能的建模技術。神經網絡包括開始在隨機模式中連接的一組元件，且基於操作反饋而被塑造成產生所需結果所需要的模式。在諸如機器人技術、診斷、預測、圖像處理和模式識別的應用中使用包括輸入層32、隱藏層34和輸出層36的神經網絡。
[0039]圖2示出用於在神經網絡例如圖1所示的神經網絡30中使用的人造神經元38的簡化示例性框圖。如在其中看到的，神經元38可具有從一到η的任何數量的輸入40，其中η是輸入40的總數。輸入40可因此被表不為x1、x2、x3...xn。輸入40的相應權重42可被表示為W1 >w2>W3...wno輸入40乘權重42的總合是激活函數43 (例如，S形、餘弦、正弦、直線)的輸入。
[0040]在圖3中示出用於使用監督或聯想學習來培訓神經網絡30的系統44的簡化示例性框圖。監督學習或聯想學習是通過給神經網絡30提供輸入並匹配輸出模式來培訓神經網絡30的一種技術。更具體地，基於來自監督學習算法48的權重/閾值調節46以及輸入特徵50，神經網絡30提供輸出52。神經網絡輸出52和目標特徵54的比較提供誤差矢量56，其被反饋到監督學習算法48用於在提供權重/閾值調節46時使用。以這樣的方式，神經網絡30可被培訓以輸出正被模仿的系統的所需結果。
[0041]圖4是用於培訓在確定車輛智能鑰匙58的位置時使用的神經網絡30的過程的簡化示例性框圖。圖5是示出用於確定車輛智能鑰匙58的位置的神經網絡30的使用的簡化示例性框圖。更具體地，圖4和5描繪使用個人計算機(PC) 62的目標車輛60的神經網絡培訓過程和這樣的神經網絡30的使用。如在其中看到的，培訓數據將在校準過程期間在真實車輛60中獲取，且這樣的數據將被提供到PC62中的監督學習算法48用於培訓。培訓過程的輸出將是一組權重42，其將被包括在目標中作為編碼數據。
[0042]如在圖4中看到的，可部署監督學習算法48來進行使用培訓數據集64的這種培訓，培訓數據集64例如為在智能鑰匙58和位於車輛60上的多個位置處的多個天線68之間傳輸的無線信號的信號或天線場強讀數66。在那個方面，圖4所示的監督學習算法48FaNNTool.exe是可用於執行神經網絡30的監督培訓的在市場上可買到的工具的例子。使用這樣的培訓數據集64的監督學習產生可包括神經元權重42、函數43和參數或陡度74的後處理網絡編碼數據集70。
[0043]現在參考圖5，這樣的編碼數據70可接著由網絡30使用來確定鑰匙58的地點或位置。如在其中看到的，在位於車輛60上的多個舒適進入天線68和智能鑰匙58之間傳輸的無線LF信號的場強讀數76可作為輸入40被提供到神經網絡30的輸入層32。來自培訓過程的編碼數據70可被提供到神經網絡30的隱藏層34，並連同輸入40 —起用於從神經網絡30的輸出層36輸出智能鑰匙58的相對地點或位置。
[0044]圖6-12描繪兩種類型的神經網絡拓撲，即，經典和級聯拓撲。如在其中看到的，經典拓撲包括單個網絡，而級聯拓撲包括在分級配置中的多個網絡。
[0045]參考圖6，示出了具有經典拓撲的神經網絡30的簡化示例性框圖，網絡30在確定車輛智能鑰匙58的位置時使用。網絡30包括輸入層32、包括偏置神經元35的隱藏層34、以及輸出層36。這樣的神經網絡30具有實現網絡30的與其相關的較小的複雜性，因為在神經元之間有較少的連接，且只存在兩個激活函數(中間層和輸出層)。這樣的經典拓撲神經網絡30的培訓可能需要大約一天。
[0046]參考圖7，示出了具有級聯拓撲的神經網絡30的簡化示例性框圖，網絡30在確定車輛智能鑰匙58的位置時使用。網絡30包括:輸入層32的神經元，其包括偏置神經元35，輸入層32的神經元配置成接收輸入40 ;包括中間神經元的隱藏層34 ;以及提供輸出的輸出層36。這樣的神經網絡30具有實現網絡30的與其相關的較大的複雜性，因為在神經元之間有較多的連接和對每個神經元的不同激活函數。然而，這樣的級聯拓撲神經網絡30的培訓可能需要大約兩個小時。
[0047]圖8是在確定車輛智能鑰匙58的位置時使用的經典拓撲神經網絡30的更詳細的示例性框圖。如在其中看到的，神經網絡30可包括輸入神經元0-5和偏置神經元6。輸入神經元0-5配置成從車輛上的多個天線68接收輸入40，輸入40表示在天線68和智能鑰匙58之間傳輸的無線信號的信號強度。網絡30還可包括中間神經元7-21。在那個方面，為了簡化經典網絡拓撲的說明，圖8包括沒有特定參考數字(標記為..」)的、表示未特別示出的多個隱藏層神經元(即，神經元12-19)的一個隱藏層神經元。
[0048]網絡30還可包括表示智能鑰匙58相對於車輛60的各種位置的輸出神經元22-27。這樣的神經網絡30包括342個總權重42、21個總函數43和21個總參數74。然而應注意，所示神經元(例如，輸入神經元、中間神經元、輸出神經元)的數量僅僅是示例性的，且具有較小或較大數量的神經元的網絡可被使用。這樣的經典拓撲神經網絡30提供各種優點，包括高準確度、單個網絡(輸入_>輸出)、在目標外部(例如，在PC中)的神經網絡學習、高靈活性和高車輛有效性。經典拓撲網絡可具有較大的計算成本和較高數量的編碼50(SP，權重42、激活函數72、函數參數化74)。
[0049]接著參考圖9，示出了在確定車輛智能鑰匙58的位置時使用的級聯拓撲神經網絡30的更詳細的示例性框圖。如在其中看到的，級聯拓撲網絡30包括用於確定智能鑰匙58相對於車輛60的內部或外部位置的第一神經網絡80、用於確定智能鑰匙58的特定內部車輛位置的第二神經網絡82和用於確定智能鑰匙58的特定外部車輛位置的第三神經網絡84。
[0050]更具體地，第一神經網絡80配置成從車輛上的多個天線68接收輸入40，輸入40表示在天線68和智能鑰匙58之間傳輸的無線信號的信號強度。基於這樣的天線輸入40，第一神經網絡80判定或選擇智能鑰匙58相對於車輛60的內部(在內的、內部的或在裡面的)位置，或智能鑰匙58相對於車輛60的外部(在外的、外部的或在外面的)位置。通過第一神經網絡80進行的內部位置判定可傳遞到用於確定智能鑰匙58的特定車輛內部位置的第二神經網絡82。可選地，通過第一神經網絡80進行的外部位置判定可傳遞到用於確定智能鑰匙58的特定車輛外部位置的第三神經網絡84。
[0051]在那個方面，第二神經網絡82配置成接收通過第一神經網絡80進行的內部位置判定，並接收以前描述的天線輸入40。使用這樣的信息，第二神經網絡82確定或選擇在車輛60內部的智能鑰匙58的多個或許多可能的內部位置。類似地，第三神經網絡84配置成接收通過第一神經網絡80進行的外部位置判定，並接收以前描述的天線輸入40。使用這樣的信息，第三神經網絡84確定或選擇在車輛60外部的智能鑰匙58的多個或許多可能的外部位置。
[0052]這樣的級聯拓撲神經網絡30提供各種優點，包括高準確度、單個網絡(輸入-> 輸出)、在目標外部(例如，在PC中)的神經網絡學習、高靈活性和高車輛有效性。經典拓撲網絡也具有較低的計算成本和較低數量的編碼50(S卩，權重42、激活函數43、函數參數化74)。三個神經網絡80、82、84的使用可增加軟體複雜性。也應注意，在圖9的級聯拓撲中所示的神經網絡的數量和配置僅僅是示例性的，且具有不同的級聯拓撲的較大或較小數量的網絡可被使用。
[0053]參考圖10，示出了用於確定智能鑰匙58相對於車輛60的內部或外部位置的神經網絡80的更詳細的示例性框圖。如在其中看到的,神經網絡80可包括輸入神經元0-7和偏置神經元8。輸入神經元0-7配置成從車輛上的多個天線68接收輸入40，輸入40表示在天線68和智能鑰匙58之間傳輸的無線信號的信號強度。網絡80還可包括中間神經元
9-13。網絡80還可包括表示智能鑰匙58相對於車輛60的內部或外部位置的確定的輸出神經元14。這樣的神經網絡80包括69個總權重42、六個總函數43和六個總參數74。然而應注意，所示神經元(例如，輸入神經元、中間神經元、輸出神經元)的數量僅僅是示例性的，且具有較小或較大數量的神經元的網絡可被使用。
[0054]接著參考圖11，示出了用於確定智能鑰匙58的特定內部車輛位置的神經網絡82的更詳細的示例性框圖。如在其中看到的，神經網絡82可包括輸入神經元0-7和偏置神經元8。輸入神經元0-7配置成接收天線輸入40。網絡82還可包括中間神經元9-11。網絡82還可包括表示在車輛60內部的智能鑰匙58的四個特定內部位置的確定的輸出神經元12-15。這樣的神經網絡802包括77個總權重42、七個總函數43和七個總參數74。然而應注意，所示神經元(例如，輸入神經元、中間神經元、輸出神經元)的數量僅僅是示例性的，且具有較小或較大數量的神經元的網絡可被使用。
[0055]接著參考圖12，示出了用於確定智能鑰匙58的特定外部車輛位置的神經網絡84的更詳細的示例性框圖。如在其中看到的，神經網絡84可包括輸入神經元0-7和偏置神經元8。輸入神經元0-7配置成接收輸入40。網絡84還可包括中間神經元9-11。網絡82還可包括表示在車輛60外部的智能鑰匙58的四個特定外部位置的確定的輸出神經元12-15。這樣的神經網絡82包括77個總權重42、七個總函數43和七個總參數74。然而應注意，所示神經元(例如,輸入神經元、中間神經元、輸出神經元)的數量僅僅是示例性的，且具有較小或較大數量的神經元的網絡可被使用。
[0056]圖13和14描繪級聯網絡拓撲(例如，圖9-12所示的級聯拓撲)的一般和特定實現細節以及用在用於確定車輛鑰匙位置的這樣的網絡上的算法。特別是，圖13是用於確定車輛智能鑰匙58的位置的級聯拓撲神經網絡30的簡化示例性使用情況圖。如前所述，級聯拓撲中的最高級神經網絡(IntExt NN)80可用於判定鑰匙是位於車輛內部還是外部。在那個判定之後，兩個較低級神經網絡82、84 (Ext NN或Int NN)之一可用於決定在車輛外部或內部的鑰匙的特定位置。
[0057]神經網絡80、82、84 (IntExt NN、Ext NN、Int NN)中的每個可以在軟體中被表示為神經元的陣列。每個神經網絡80、82、84還可包括培訓工具所產生的編碼信息，例如神經元權重42、激活函數43和激活陡度74。神經元權重42可在軟體中被表示為二維陣列。激活函數72是被調用以便計算中間或輸出神經元的輸出的函數。激活陡度是提供關於激活函數從最小到最大轉變得多麼快的指示的參數。
[0058]如在圖13中看到的，天線測量結果40、所存儲的編碼信息50和鑰匙探測觸發器86 一起用來產生鑰匙位置決定88。在那個方面，鑰匙探測觸發器86是請求智能鑰匙58的位置的探測或確定的信號或其它機制。如前所述，天線測量結果40是來自在車輛上的多個天線68的輸入，輸入40表示在天線68和智能鑰匙58之間傳輸的無線信號的信號強度。如也在以前描述的，所存儲的編碼50是與神經網絡80、82、84中的每個相關的權重42、激活函數43和激活陡度或參數74。這樣的編碼50也可包括最大和最小天線值和最小權重。
[0059]應注意，編碼50可存儲在位於車輛60上的非易失性隨機存取存儲器(NVRAM)中，例如在車輛進入系統中使用的ECU90 (見圖4)中。當觸發鑰匙搜索時，根據或基於天線場或信號強度以及存儲在NVRAM中的神經網絡80、82、84的編碼50來決定、確定或選擇鑰匙位置。在那個方面，也應注意，E⑶90和神經網絡30、80、82、84可在硬體、軟體、固件或其任何組合中被配置或被實現為硬體、軟體、固件或其任何組合，以及神經網絡30、80、82、84可被實現為ECU90的部分、另一控制器或控制單元，或被單獨地實現。
[0060]圖14是用於使用神經網絡80、82、84確定車輛智能鑰匙58的位置的方法100的簡化示例性流程圖或活動圖。圖14描繪在確定鑰匙是位於車輛外部還是內部並接著確定在車輛外部或內部的鑰匙的特定位置時包括如前所述的活動、所涉及的函數或步驟的算法。方法100可以以讀天線值開始102。在那個方面，來自神經網絡80的輸入層的神經元接收天線輸入40。這樣的活動可使用如前所述的陣列來完成，且用於這樣的活動的示例性算法可如下被說明:
[0061]對於(索引=0;索引〈天線_號；索引++)
[0062]ANS_網絡[索引]=標準化(天線_強度[索引])
[0063]方法100也可包括決定、選擇或確定(104)智能鑰匙58相對於車輛60的內部或外部位置。這樣的活動可如第一神經網絡80所描述的來完成，並可包括計算也如以前描述的第一神經網絡80的每個中間神經元和輸出神經元。如果第一神經網絡80決定、選擇或確定智能鑰匙58的內部位置，則方法100可包括決定、選擇或確定(106)在車輛60內部的智能鑰匙58的特定內部位置。這樣的活動可如第二神經網絡82所描述的來完成，並可包括計算也如以前描述的第二神經網絡82的每個中間神經元和輸出神經元。可選地，如果第一神經網絡80決定、選擇或確定智能鑰匙58的外部位置，則方法100可包括決定、選擇或確定(108)在車輛60外部的智能鑰匙58的特定外部位置。這樣的活動可如第三神經網絡84所描述的來完成，並可包括計算也如以前描述的第三神經網絡84的每個中間神經元和輸出神經元。
[0064]方法100還可包括返回(110)在車輛60內部或外部的智能鑰匙58的特定內部或外部位置。所決定、選擇或確定的位置——不管是內部還是外部——可以是所計算的最高輸出神經元。這樣的活動可基於如前所述通過適當的神經網絡82、84進行的每個中間神經元和每個輸出神經元的計算來完成。在那個方面，用於計算在神經網絡80、82、84的任一個中的每個中間神經元和每個輸出神經元的示例性算法可如下被說明:
[0065]對於每個中間神經元，進行{和=0 ;循環通過其所有輸入，和+=輸入值*權重[中間神經元][輸入];結束循環；ANS_網絡[中間神經元]=激活函數(和*激活陡度[中間神經元]);}
[0066]對於每個輸出神經元，進行{和=0 ;循環通過其所有輸入，和+=輸入值*權重[輸出神經元][輸入];結束循環；ANS_網絡[輸出神經元]=激活函數(和*激活陡度[輸出神經元])；}
[0067]上面描述的用於確定智能鑰匙58相對於車輛60的位置的系統和方法的活動、函數或步驟也可在計算機可讀介質中實現或被實現為計算機可讀介質，其上存儲有用於確定在車輛進入系統中使用的智能鑰匙的位置的非臨時計算機可執行指令。更具體地，存儲在計算機可讀介質上的計算機可執行指令可包括用於執行上面關於本文公開的系統或方法描述的任何或所有活動、函數或步驟的指令。
[0068]如從前述內容容易明顯的，描述了用於使用一個或多個神經網絡來定位車輛鑰匙的方法、系統和產品。所述實施方式提供可用於多個車輛的單個算法，而不考慮車輛類型、材料或車輛天線的數量或位置，從而增加靈活性。所述實施方式還極大地減小現場中的校準時間，從而通過對所有車輛使用同一算法和校準過程來增加可靠性，並因此減小在校準期間的手工誤差的風險。
[0069]雖然在本文示出和描述了用於確定在車輛進入系統中使用的智能鑰匙的位置的系統、產品和方法的各種實施方式，它們僅僅是示例性的，且意圖不是這些實施方式示出和描述所有可能的實施方式。替代地，本文所使用的詞是描述的而不是限制的詞，以及應理解，可對這些實施方式做出各種變化，而不偏離下面的權利要求的精神和範圍。
【權利要求】
1.一種用於確定在車輛進入系統中使用的智能鑰匙的位置的系統，所述定位系統包括: 控制單元，其用於安裝在車輛中，所述控制單元配置成接收多個信號，每個信號表示在所述智能鑰匙和位於車輛上的多個天線之一之間傳輸的無線信號的強度；以及具有級聯拓撲的多個神經網絡，所述多個神經網絡包括: 第一神經網絡，其用於基於所述無線信號強度來確定所述智能鑰匙的車輛內部位置和車輛外部位置之一，其中確定車輛內部位置和車輛外部位置之一包括:計算具有與其相關的學習權重和激活函數的多個中間內部/外部位置神經元，以及計算內部/外部輸出神經元用於指示所述智能鑰匙的所述車輛內部位置和所述車輛外部位置之一， 第二神經網絡，其與所述第一神經網絡通信，所述第二神經網絡用於基於所述無線信號強度來確定所述智能鑰匙的多個車輛內部位置之一，其中確定多個車輛內部位置之一包括:計算具有與其相關的學習權重和激活函數的多個中間內部位置神經元，以及計算多個內部位置輸出神經元用於指示所述智能鑰匙的多個車輛內部位置之一，以及 第三神經網絡，其與所述第一神經網絡通信，所述第三神經網絡用於基於所述無線信號強度來確定所述智能鑰匙的多個車輛外部位置之一，其中確定所述智能鑰匙的多個車輛外部位置之一包括:計算具有與其相關的學習權重和激活函數的多個中間外部位置神經元，以及計算多個外部位置輸出神經元用於指示所述智能鑰匙的多個車輛外部位置之一。
2.如權利要求1所述的系統，其中所述控制單元還配置成接收鑰匙探測觸發器以發起對智能鑰匙位置的確定。
3.如權利要求1所述的系統，還包括多個天線，每個天線配置成安裝在所述車輛上的一位置處。
4.如權利要求1所述的系統，還包括智能鑰匙，所述智能鑰匙包括用於實現所述智能鑰匙和位於所述車輛上的所述多個天線之間的通信的天線。
5.如權利要求1所述的系統，其中與所述多個神經網絡的神經元相關的學習權重和激活函數表示用於存儲在所述車輛上的存儲器中的神經網絡編碼。
6.如權利要求1所述的系統，其中所述多個神經網絡中的每個適合於培訓以學習與所述神經網絡的神經元相關的權重和激活函數。
7.如權利要求1所述的系統，其中所述多個神經網絡包括用於存儲在所述車輛上的存儲器中的軟體。
8.如權利要求1所述的系統，其中 所述第一神經網絡包括八個輸入神經元、五個中間內部/外部位置神經元和一個內部/外部輸出神經元； 所述第二神經網絡包括八個輸入神經元、三個中間內部位置神經元和四個內部輸出神經元；以及 所述第三神經網絡包括八個輸入神經元、三個中間外部位置神經元和四個外部輸出神經元。
9.一種計算機可讀介質，其上存儲有用於確定在車輛進入系統中使用的智能鑰匙的位置的非臨時計算機可執行指令，所述計算機可執行指令包括用於下列操作的指令: 基於在所述智能鑰匙和位於車輛上的多個天線之間傳輸的多個無線信號的信號強度來確定所述智能鑰匙的車輛內部位置和車輛外部位置之一，其中確定車輛內部位置和車輛外部位置之一包括:第一神經網絡計算具有與其相關的學習權重和激活函數的多個中間內部/外部位置神經元，以及計算內部/外部輸出神經元用於指示智能鑰匙的車輛內部位置和車輛外部位置之一； 基於所述無線信號強度來確定所述智能鑰匙的多個車輛內部位置之一，其中確定多個車輛內部位置之一包括:第二神經網絡計算具有與其相關的學習權重和激活函數的多個中間內部位置神經元，以及計算多個內部位置輸出神經元用於指示所述智能鑰匙的多個車輛內部位置之一；以及 基於所述無線信號強度來確定所述智能鑰匙的多個車輛外部位置之一，其中確定所述智能鑰匙的多個車輛外部位置之一包括:第三神經網絡計算具有與其相關的學習權重和激活函數的多個中間外部位置神經元，以及計算多個外部位置輸出神經元用於指示所述智能鑰匙的多個車輛外部位置之一； 其中所述第一神經網絡、所述第二神經網絡和所述第三神經網絡具有級聯拓撲。
10.如權利要求9所述的計算機可讀介質，其中所述計算機可執行指令還包括用於基於鑰匙探測觸發器來發起對智能鑰匙位置的確定的指令。
11.如權利要求9所述的計算機可讀介質，其中所述計算機可執行指令還包括用於存儲表示與所述神經網絡的神經元相關的學習權重和激活函數的神經網絡編碼的指令。
12.如權利要求9所述的計算機可讀介質，其中所述計算機可執行指令還包括用於學習與所述神經網絡的神經元相關的權重和激活函數的指令。
13.如權利要求9所述的計算機可讀介質，其中 所述第一神經網絡包括八個輸入神經元、五個中間內部/外部位置神經元和一個內部/外部輸出神經元； 所述第二神經網絡包括八個輸入神經元、三個中間內部位置神經元和四個內部輸出神經元；以及 所述第三神經網絡包括八個輸入神經元、三個中間外部位置神經元和四個外部輸出神經元。
14.一種用於確定在車輛進入系統中使用的智能鑰匙的位置的方法，所述方法包括: 接收多個信號，每個信號表示在所述智能鑰匙和位於車輛上的多個天線之一之間傳輸的無線信號的強度； 基於所述無線信號強度來確定所述智能鑰匙的車輛內部位置和車輛外部位置之一，其中確定車輛內部位置和車輛外部位置之一包括:第一神經網絡計算具有與其相關的學習權重和激活函數的多個中間內部/外部位置神經元，以及計算內部/外部輸出神經元用於指示所述智能鑰匙的所述車輛內部位置和所述車輛外部位置之一， 基於所述無線信號強度來確定所述智能鑰匙的多個車輛內部位置之一，其中確定多個車輛內部位置之一包括:第二神經網絡計算具有與其相關的學習權重和激活函數的多個中間內部位置神經元，並計算多個內部位置輸出神經元用於指示所述智能鑰匙的多個車輛內部位置之一；以及 基於所述無線信號強度來確定所述智能鑰匙的多個車輛外部位置之一，其中確定所述智能鑰匙的多個車輛外部位置之一包括:第三神經網絡計算具有與其相關的學習權重和激活函數的多個中間外部位置神經元，以及計算多個外部位置輸出神經元用於指示所述智能鑰匙的多個車輛外部位置之一； 其中所述第一神經網絡、所述第二神經網絡和所述第三神經網絡具有級聯拓撲。
15.如權利要求14所述的方法，還包括接收鑰匙探測觸發器用於發起對智能鑰匙位置的確定。
16.如權利要求14所述的方法，還包括將多個天線安裝在所述車輛上的多個位置處。
17.如權利要求14所述的方法，還包括提供智能鑰匙，所述智能鑰匙包括用於實現所述智能鑰匙和位於所述車輛上的所述多個天線之間的通信的天線。
18.如權利要求14所述的方法，還包括在所述車輛上的存儲器中存儲表示與所述神經網絡的神經元相關的學習權重和激活函數的神經網絡編碼。
19.如權利要求14所述的方法，還包括由所述神經網絡中的每個學習與所述神經網絡的神經元相關的權重和激活函數。
20.如權利要求14所述的方法，其中 所述第一神經網絡包括八個輸入神經元、五個中間內部/外部位置神經元和一個內部/外部輸出神經元； 所述第二神經網絡包括八個輸入神經元、三個中間內部位置神經元和四個內部輸出神經元；以及 所述第三神經網絡包括八個輸入神經元、三個中間外部位置神經元和四個外部輸出神經元。
【文檔編號】G07C9/00GK103473831SQ201310170874
【公開日】2013年12月25日 申請日期:2013年5月10日 優先權日:2012年5月10日
【發明者】喬迪·比爾希利·馬加萊夫, 丹尼爾·西魯哈諾·奎斯塔, 格瑪·巴雷達·馬丁內斯, 薩米爾·德什潘德, 彼得魯·馬科維 申請人:李爾公司