专利名称：用于代码检测的遗传算法的制作方法
技术领域：
本发明的技术涉及代码检测领域。
背景技术：
扩展频谱技术是一种通过用伪随机噪声(PRN，或扩展码)混合窄带信号而将带 宽相对窄的信号转换为宽带宽信号的方法。原始信号可通过反演上述过程来恢复。扩展 频谱技术有几个有用的特性，当中包括在多个通信通道中共享频谱的方法。多路存取以 共享频谱的其它方法包括将特定时间范围分配给每个发送通道的时分多址(TDMA)以及 将可利用的频谱子集分配给每个传输通道的频分多址(FDMA)。扩展频谱技术既不划分 传输时间，也不划分传输频率，而是通过为每个通道选择独特的扩展码序列而允许同时 传输-此方法称作码分多址(CDMA)的方法。在一种典型的扩谱无线电接收器中，通过天线接收的信号要在射频下经受模拟 处理。这种处理可以包括滤波、放大、频率变换以及数字采样。随后可对信号进行额 外的频率变换来完全消除与基带的任何频率偏移。在移动环境下，这一阶段也可以用于 消除移动天线的多普勒效应。在现代的接收器中，这一阶段通常是在数字域中实现的， 但模拟实施方案也是可能的。一种典型的扩谱无线电接收器可以包括多个相关器(correlators)以及在相关器周 围的控制回路和频率转换器，以对信号的测量和追踪进行连续的细调，并允许对任何额 外的可用于携带数据负载的调制进行解码。通常，扩谱系统内的扩展码生成器为线性反馈移位寄存器或者是储存在存储器 内的预先计算的码(称之为“存储器码”)。在这两种情况中，在制造时接收器已知道 扩展码。在可能是在运行时接收到的信号中成功评估未知的目标扩展码对于代码检测目 的来说是非常重要的。
发明内容
提供此概述是为了介绍将在下文详细描述的一些概念。此概述并不旨在确定 所要求保护的主题的关键或实质的特征，也非旨在用于帮助确定所要求保护的主题的范围。本发明提供一种评估未知扩展码的方法。该方法包括为初始化的目的而选择 上述未知扩展码的至少一个种子，并通过执行育种算法来进行所述未知扩展码的育种操 作。该方法还包括通过进行多次迭代来执行育种算法，其中，对于每次的迭代都会产生 新一代的种子库，其中，每一代的种子库包括所述未知扩展码的多个估值。
加入到本说明书中并形成本说明书一部分的附图连同其描述部分以举例方式说明本技术的实施方案，用于解释下面的原理 图1为举例说明典型的扩谱无线电接收器如何操作的简图。图2所示为一扩谱系统，其中，扩展码生成器被实施为线性反馈移位寄存器。图3为根据本发明的实施方案的育种算法的流程图，其中利用遗传算法来建立 所述未知扩展码的副本。图4示出一个简化的方框图，其配置成对于在目标的未知码和所述未知扩展码 的估值之间的每个相位偏移，在时域内进行相关性测试。最大相关性峰值所对应的相位 偏移被标签为“最大”相位偏移。图5所示为四个不同的测试。测试A为一个时代(epoch)的估值码序列与每一 代输入目标信号的相互性，其中没有出现噪声。测试B与上述相同，但有OdBSNR。测 试C有(_15dB) SNR,但估值码序列与每一代60次迭代相关。测试D有(_15dB) SNR, 但相关性/积分时间被延伸至每一代有200次迭代，而种子库被延伸至90。
具体实施例方式现在参照本发明的具体实施方案，其实施例示于附图中。虽然本发明技术将结 合不同的实施方案进行描述，但应该明白，这并不是为了将本发明技术限制于这些实施 方案。相反，本发明技术旨在涵盖可包括在如权利要求所限定的不同实施方案的精神和 范围内的各种替代方案、变型以及等同方案。此外，在下面的详细描述中提到很多特定的细节，是为了全面理解本发明的实 施方案。然而，对于本领域的普通技术人员而言，本发明的实施方案在没有这些特定细 节的情况下也可以实施。在其它情况下，对公知的方法、程序、部件以及电路未作详细 描述，以便不必要地使本发明实施方案费解。图1的方框图10示出典型的扩谱无线电接收器是如何操作的。通过天线12接 收的信号可以在射频下经受模拟处理14。该处理可以包括滤波、放大、频率变换以及 数字采样。该信号可在块16处进行额外的频率变换，以便完全除去与基带的任何频率偏 移。在移动环境中此阶段也可以用于消除移动天线的多普勒效应。在现代的接收器中， 此阶段通常是在数字域中实现的，但模拟实施方案也是可行的。该方框图的第三和第四阶段形成相关器。通常由可控频率源20驱动的码生成器 18输出在输入信号上预期的扩展码序列的本地假设(hypothesis) 23。在CDMA系统中， 该本地假设是属于所需通道的，允许选择。来自码生成器23的本地码与在块22处接收 的信号21混合，所得到的信号25在块26累积。较高的累积结果显示输入信号和局部码之间的匹配较好。非理想的累积会由以 下因素产生不正确的码选择，与基带的频率偏移，码生成器单元中的码相位及频率错 误，以及输入中的噪声和其它信号。典型的实施方案可以包括多重相关器和围绕这些相关器的控制回路和频率变换 器，其被配置成允许连续细化的测量和信号追踪，以及被配置成对任何额外的可用于携 带数据负载的调制允许进行解码。在一些系统中，扩谱系统中的扩展码生成器典型地以图2所示的线性反馈移位 寄存器(LFSR)40或是以储存在存储器中的预先计算的码(称为“存储器码”)(图中未示)的方式实现。在这两种情况中，在制造时通过接收器已知道扩展码。为了举例说明与解决接收信号中未知扩展码的估值这个问题相关的困难，让我 们考虑一个例子，即，具有长度为1023个切屑(chips)的序列的GPS粗/采集(C/A)码。 评估该码序列的“朴素字符串匹配(brute force)，，方法应包括试行需要21(123次尝试的1和 0的所有组合，这是一个天文数字。在C/A码的一个实施例中，尽管可利用与该码相关的附加信息(例如“C/A码 序列应包括大约一半的1”的现有知识)来减少搜索组合至2 103°6次尝试，但这也是 一个天文数字。因此，朴素字符串匹配方法并不可行。存储器码提供较小的信息子集以进行优化。然而，搜索组合似乎仍然难于处理。本技术利用被称为“遗传算法”的方法，以未知扩展码本身的非常有限的先验 知识来充分优化该未知扩展码的搜索。通常，遗传算法是用于计算的搜索技术，以得到针对最优化和搜索问题的精确 或近似的解。遗传算法被分类为全球搜索试探法。遗传算法是一类特别的进化算法(也称为进化计算)，其使用由进化生物学启发 的技术，诸如遗传、突变、筛选和交叉(也称为重组)。遗传算法被实施作为计算机模拟，其中，候选的解(在本文中也称为个体、创 造物、表型或估值)的抽象表示的种群(本文称为染色体或基因型或基因组或种子库)至 最优化问题朝向较佳的解发展。传统上，将解以0和1的二进制串表示，但其它编码也 是可能的。进化通常是由随机产生的个体种群开始，并在若干代内发生。在每一代中， 估算种群中的每个个体的适应度，从当前的种群(基于它们的适应度(fitness))随机地挑 选多个个体，并修饰(重组和可能随机突变)以形成新的种群。然后将该新的种群用于 算法的下一次迭代。一般地，当产生了最大数量的代或达到种群的满意适应度水平时， 算法停止。如果算法因最大数量的代而停止的话，可以达到或没有达到满意的解。典型的遗传算法要求确定两件事解域的遗传表示，以及用于评估解域的适应 度函数。解的标准表示是比特(或本文描述的多个切屑(chips))阵列。可以基本上相同 的方式使用其它类型和结构的阵列。使这些遗传表示便于处理的主要特性在于，它们的 部件因为尺寸固定而易于对准，这有利于简单的交叉操作。也可以使用可变长度的表示，但在此情况下交叉实施方案更为复杂。在遗传编 程中可采用树状表示，在进化编程中可采用图型表示。适应度函数在遗传表示上定义，并用于测量所表示的解的品质。一旦限定了遗传表示和适应度函数，遗传算法开始随机地初始化解的种群，并 通过重复应用突变、交叉、反演和筛选算子来对其进一步改进。现参见图3，图中示出本发明技术的一个实施方案的“育种”算法的示例性流程 图60。该“育种”算法的流程图60利用GA方法来建立未知扩展码的副本。育种算法 有几个重要的参数。⑴基因长度-是指每串遗传串(genetic string)比特中的长度。如果知道目标码 的长度，则可以选择基因长度以配合该码的长度。
9
( )库容量-是指经算法携带的基因数量，可以更好地描述为提交给算法测试相的基因数量。该数量可以在操作过程中改变以优化性能和资源需求，但典型的实施方案 将保持固定的库容量大小。(iii)生存者计数-是指将被携带到下一代的基因的数量，小于或等于库容量。 库容量减去生存者计数的基因是通过突变、重组或两者而被精选或替代的。生存者计数 在操作过程中无需保持不变，可以是动态的，以便优化性能。例如，较高的生存者计数 会使想要的基因不太可能由于突发噪声事件而从库中被精选。(iv)突变体计数_是指每一代因突变而加入库的新基因数量。(ν)重组体计数_是指每一代因重组而加入库的新基因数量。(Vi)突变计数-是指在被插入基因库中之前施加到给定基因上的突变数量。该数 量无需保持不变，并可在操作过程中为动态。在操作初期以高的突变计数开始并随着操 作的进行稳定地减小每个基因的突变数量，这样可以使得仿真退火的期望性能相同。如 果在突变的数量中加入随机性会带来某些益处，或者不能为下降的突变计数找到简单函 数，则所述参数在一代内也无需不变。奇数的突变计数避免了这样一种情况，即改变好 的比特(good bit)补偿了改变坏的比特(badbit)。(Vii)前体计数-是指用作重组操作的输入以在下一代产生单一后代的基因数 量。典型的前体计数为2，然而其它数量也是可能的。(viii)子段长度-是指小于或等于基因长度的用于重组操作的长度。该数字在跨 代时无需保持常量，也无需在一代内或单个重组操作期内保持常量。唯一的要求是，用 于单个重组操作的子段长度的总和等于目标基因长度。参见图3，在一个实施方案中，在第一步骤64进行初始化。最初的初始化涉及选择起始种子库。最简单的情况是将所有的种子随机地初始 化。种子的随机化确保使起始库覆盖搜索空间的主要部分。以相同值初始化所有的种子 是不合需要的，因为会将输入的多样性限制到较后阶段。在一个具有解的部分知识的系统内，种子可以预先计算、从外部系统加载或从 本地完成的较早的计算加载。仍参见图3，在一实施方案中，通过进行多次迭代来执行育种算法60，其中， 每次迭代产生新一代的种子库，每一代种子库包括所述未知扩展码的多个估值。在一实施方案中，在育种算法60的下一个步骤66进行测试操作。在每一代中， 针对目标码测试库中的所有基因，并对其赋予成功的指标。最直接的测试方法是测量基 因和输入信号之间的相关性。该相关性可在时域内或在频域内进行。在一实施方案中，通过对于目标未知扩展码来测试种子库中未知扩展码的每个 估值以及通过赋予邻近度指标(proximity metric)来进行测试步骤66。邻近度指标与未知 扩展码的每个这种估值以及目标未知扩展码的邻近度相关。在一示例性实施方案中，通过进行相关性测试以及赋予相关性度量而对于目标 未知扩展码来测试种子库中未知扩展码的至少一个估值，从而进行测试步骤66。如果目标未知扩展信号表示为矢量X，种子库中未知扩展码的估值表示为矢量 y，则相关性度量定义如下
权利要求
1.一种在接收的信号中评估未知扩展码的方法，所述未知扩展码包括多个切屑，所 述方法包括(A)选择初始码；以及(B)通过执行估值算法进行所述未知扩展码的评估，其中，所述估值算法被设定成 将所述初始码用于进行所述未知扩展码的所述评估。
2.如权利要求1所述的方法，其中，所述步骤(A)还包括(Al)选择起始种子库。
3.如权利要求2所述的方法，其中，所述步骤(Al)还包括(Al，1)将至少一个从所述起始种子库随机选出的种子初始化。
4.如权利要求2所述的方法，其中，所述步骤(Al)还包括(Al，2)选择所述未知扩展码的部分解的至少一个作为所述起始种子库。
5.如权利要求1所述的方法，其中，所述步骤(B)还包括(Bi)从包含以下项的组中选择所述未知扩展码{全球导航卫星系统(GNSS)码； 以及码分多址(CDMA)码}。
6.如权利要求1所述的方法，其中，所述估值算法包括遗传育种算法，其中所述步骤 (B)还包括(B2)通过执行遗传育种算法进行所述未知扩展码的评估，其中，所述遗传育种算法 被设定成将所述初始码用于进行所述未知扩展码的所述评估。
7.如权利要求6所述的方法，其中，所述步骤(B2)还包括(B2, 1)通过进行多次迭代执行所述育种算法，其中，对于每次所述迭代，产生新 一代的所述种子库，其中所述种子库的每一代包括所述未知扩展码的多个估值。
8.如权利要求7所述的方法，其中，所述步骤(B2，1)还包括(B2, 1，1)针对目标未知扩展码测试所述种子库中的所述未知扩展码的至少一个所 述估值。
9.如权利要求7所述的方法，其中，所述步骤(B2，1)还包括(B2, 1，2)针对所述目标未知扩展码测试所述种子库中的所述未知扩展码的至少一 个所述估值并赋予接近性度量(proximity metric)，其中，所述接近性度量与所述未知扩 展码的所述一个估值与所述目标未知扩展码的接近性相关。
10.如权利要求7所述的方法，其中，所述步骤(B2，1)还包括(B2, 1，3)针对所述目标未知扩展码，通过进行相关性检验来测试所述种子库中的 所述未知扩展码的至少一个所述估值并赋予相关性度量，其中，所述相关性度量是所述 种子库中的未知扩展码的所述估值与所述目标未知扩展码之间的相关性的指标。
11.如权利要求10所述的方法，其中，所述步骤(B2，1，3)还包括(B2, 1，3，1)针对所述目标未知扩展码，通过进行时域内的相关性检验来测试所 述种子库中的所述未知扩展码的至少一个所述估值，并赋予时间相关性度量，其中，所 述时间相关性度量是在所述时域内测得的所述种子库中的未知扩展码的所述估值与所述 目标未知扩展码之间的相关性的指标。
12.如权利要求10所述的方法，其中，所述步骤(B2，1，3)还包括(B2, 1，3，2)针对所述目标未知扩展码，通过对所述目标未知码和所述未知扩展码之间的每个相偏差进行时域内的相关性检验，来测试所述种子库中的所述未知扩展码 的至少一个所述估值，并赋予时间相关性度量，并选择相应于一个所述相位偏差的最大 相关性度量。
13.如权利要求10所述的方法，其中，所述步骤(B2，1，3)还包括(B2, 1，3，3)针对所述目标未知扩展码，通过进行频域内的相关性检验来测试所 述种子库中的所述未知扩展码的至少一个所述估值，并赋予频率相关性度量，其中，所 述频率相关性度量是在所述频域内测得的所述种子库中的未知扩展码的所述一个估值与 所述目标未知扩展码之间的相关性的指标。
14.如权利要求7所述的方法，其中，所述步骤(B2，1)还包括(B2，1，4)引入生存者阈值。
15.如权利要求7所述的方法，其中，所述步骤(B2，1)还包括(B2, 1，5)对每次所述迭代，针对所述目标未知扩展码测试所述种子库中所述未知 扩展码的至少一个所述估值，并赋予度量，进行分类操作以按所赋予的度量的等级次序 对所述未知扩展码的多个所述估值进行分类。
16.如权利要求7所述的方法，其中，所述步骤(B2，1)还包括(B2, 1，6)对每次所述迭代，针对所述目标未知扩展码测试所述种子库中所述未知 扩展码的至少一个所述估值，并赋予度量(a)引入生存者阈值；(b)进行分类操作以按 所赋予的度量的等级次序对所述未知扩展码的多个所述估值进行分类；并且(C)确定生 存者计数，其中所述生存者计数是所述未知扩展码的所述估值的数目，每个所述估值包 括超过所述生存者阈值的度量；并且其中所述生存者计数是被带到下一代的所述未知扩 展码的所述估值的数目；所述生存者计数的数字是整数，小于或等于所述未知扩展码的 多个估值的库容量。
17.如权利要求7所述的方法，其中，所述步骤(B2，1)还包括(B2, 1，7)对每次所述迭代，通过进行相关性测试来针对所述目标未知扩展码测试 所述种子库中所述未知扩展码的至少一个所述估值，并赋予度量(a)引入生存者相关性 阈值；(b)进行分类操作以按所赋予的相关性度量的等级次序对所述未知扩展码的多个 所述估值进行分类；并且(C)确定生存者计数，其中所述生存者计数是所述未知扩展码 的所述估值的数目，每个所述估值包括超过所述生存者相关性阈值的度量。
18.如权利要求16所述的方法，其中，所述步骤(B2，1，6)还包括(B2, 1，6，1)保留所述种子库中每个具有高于所述生存者阈值等级的所述未知扩 展码的估值。
19.如权利要求16所述的方法，其中，所述步骤(B2，1，6)还包括(B2, 1，6，2)去除所述种子库中每个具有低于所述生存者阈值等级的所述未知扩 展码的估值。
20.如权利要求16所述的方法，其中，所述步骤(B2，1，6)还包括(B2, 1，6，3)如果所述未知扩展码的多个所述估值在所述生存者阈值下具有相同 的等级，则通过去除每个在所述生存者阈值下具有相同等级的所述未知扩展码的所述估 值来减少初始生存者计数。
21.如权利要求16所述的方法，其中，所述步骤(B2，1，6)还包括(B2, 1，6，4)如果所述未知扩展码的多个所述估值在所述生存者阈值下具有相同 的等级，则通过保留每个在所述生存者阈值下具有相同等级的所述未知扩展码的所述估 值来增加初始生存者相关性计数。
22.如权利要求16所述的方法，其中，所述步骤(B2，1，6)还包括(B2, 1，6，5)如果所述未知扩展码的多个所述估值在所述生存者阈值下具有相同 的等级，则用第二等级标准对每个在所述生存者阈值下具有相同等级的所述未知扩展码 的估值进行进一步分类。
23.如权利要求16所述的方法，其中，所述步骤(B2，1，6)还包括(B2, 1，6，6)如果所述未知扩展码标准的多个所述估值在用先前的等级标准分类 之后，在所述生存者阈值下具有相同的等级，则用后续的等级标准对每个在所述生存者 阈值下具有相同等级的所述未知扩展码的估值进行进一步分类。
24.如权利要求6所述的方法，其中，所述步骤(B2)还包括(B2, 2)通过进行在下一代获得至少一个后代的重组过程构建育种算法。
25.如权利要求24所述的方法，其中，所述步骤(B2，2)还包括(B2, 2，1)在所述未知扩展码的估值库中选出具有高于所述生存者阈值等级的多个 未知扩展码估值，作为所述在下一代获得至少一个后代的重组过程的输入；其中所述用 于在下一代获得至少一个后代的重组过程的估值的数目被定义为前体计数；并且其中被 选出以输入重组过程的未知扩展码的每个所述估值被定义为所述重组过程的前体成员。
26.如权利要求25所述的方法，其中，所述步骤(B2，2，1)还包括(B2, 2，1，1)用一致的随机选择方法来选择至少一个所述前体成员。
27.如权利要求25所述的方法，其中，所述步骤(B2，2，1)还包括(B2, 2，1，2)用偏向具有最高等级未知扩展码的估值的选择方法来选择至少一个 所述前体成员。
28.如权利要求24所述的方法，其中，所述步骤(B2，2)还包括(B2，2，2)将每个所述前体成员分裂为多个子段，其中每个子段的特征为具有子段 长度。
29.如权利要求28所述的方法，其中，所述步骤(B2，2，2)还包括(B2, 2，2，1)将每个所述前体成员分裂为多个子段，其中在同一前体上不同序列 位置的子段的特征为具有不同的子段长度。
30.如权利要求28所述的方法，其中，所述步骤(B2，2，2)还包括(B2，2，2，2)将每个所述前体成员分裂为多个子段，其中在至少两个前体同一序 列位置的每个子段的特征为具有相同子段长度。
31.如权利要求24所述的方法，其中，所述步骤(B2，2)还包括(B2, 2，3)通过以下次级步骤形成未知扩展码的新的估值(B2，2，3，1)选择至少两个前体；(B2, 2，3，2)生成所述前体的随机子群，其中每个子群包括至少两个所述前体；(B2, 2，3，3)通过将每个所述前体切割成多个子段而将属于至少一个随机选择的 子群的每个组体分成子段；其中对于来自一个子群的每个前体，第一个被切割的子段包 括第一切屑计数；对于来自一个子群的每个前体，第二个被切割的子段包括第二切屑计数；对于来自一个子群的每个前体，第k个被切割的子段包括第k切屑计数；k为整数； 并且(B2, 2，3，4)在每个序列位置将来自一个随机选择的前体的一个子段复制到相应 序列位置的未知扩展码的新生成的估值中。
32.如权利要求31所述的方法，其还包括(B2, 2，4)选择一个切片作为前体的多个连续切屑。
33.如权利要求31所述的方法，其还包括(B2, 2，5)选择一个切片作为前体的多个不连续切屑，其中前体的每个不连续切片 被限定为一个前体的切屑组，每个不连续切片中的每个所述切屑被赋予切屑序列号，对 于复制到未知目标码的估值的每个不连续切片，根据所述切屑序列号将一个前体的每个 切屑置于未知目标码的估值中。
34.如权利要求6所述的方法，其中，所述步骤(B2)还包括(B2, 3)通过突变过程来构建育种算法，从而选择未知扩展码的生存估值作为基 础，并转换突变计数切屑。
35.如权利要求34所述的方法，其中，所述步骤(B2，3)还包括(B2, 3，1)用一致的随机选择方法来选择所述未知扩展码的至少一个生存估值。
36.如权利要求34所述的方法，其中，所述步骤(B2，3)还包括(B2, 3，2)用偏向于具有最高等级的未知扩展码的估值的选择方法来选择未知扩展 码的至少一个生存估值。
37.用于在接收信号中评估未知扩展码的设备，所述未知扩展码包括多个切屑，所述 设备包括接收装置，其被配置成接收未知目标码；以及至少一个数字通道处理装置，其被配置成(A)选择起始码；并且(B)通过执行评 估算法而进行未知扩展码的评估，其中所述评估算法被设定为用所述起始码来进行所述 未知扩展码的评估。
38.用于在接收信号中评估未知扩展码的设备，所述未知扩展码包括多个切屑，所述 设备包括接收装置，其被配置成接收未知目标码；以及至少一个数字通道处理装置，其被配置成(A)本地生成目标未知扩展码的估值；(B)将目标未知扩展码的所述估值与所述目标未知扩展码关联；(c)赋予相关性度量，其中所述相关性度量是所述未知扩展码和所述目标未知扩展码 的估值之间相关性的指标；以及(D)重复步骤(A-C)直到所述相关性度量超过预定阈值。
39.用于在接收信号中评估未知扩展码的设备，所述未知扩展码包括多个切屑，所述 设备包括接收装置，其被配置成接收未知目标码；以及至少一个数字通道处理装置，其被配置成(A)本地生成目标未知扩展码的估值；(B)将目标未知扩展码的所述估值与所述目标未知扩展码关联；(C)赋予相关性度量，其中所述相关性度量是所述未知扩展码和所述目标未知扩展码 的估值之间相关性的指标；以及(D)重复步骤(A-C)以持续进行未知扩谱目标码的估值的优化过程。
40.—种物品，其包括存储了指令的存储介质，当执行所述指令时，会使计算平台具 有通过执行评估算法而评估接收信号中的未知扩展码的能力，还包括(A)选择起始码；并且(B)通过执行评估算法而进行未知扩展码的评估，其中所述评估算法被配置成用所 述起始码来进行未知扩展码的评估。
41.一种物品，其包括存储了指令的存储介质，当执行所述指令时，会使计算平台具 有以下能力通过使用一组遗传算法来评估接收信号中的未知扩展码的，还包括(A)为初始化目的而选择未知扩展码的至少一个种子，所述未知扩展码包括多个切 屑；以及(B)通过执行育种算法来进行所述未知扩展码的育种过程，其中所述育种算法被配 置成用未知扩展码的所述至少一个种子来进行未知扩展码的育种过程。
全文摘要
一种通过使用一组遗传算法而在接收信号中评估未知扩展码的方法。该方法包括为初始化目的而选择未知扩展码的至少一个种子(64)，其中未知扩展码包括多个切屑，并通过执行育种算法来进行未知扩展码的育种过程(72)。
文档编号G06N3/12GK102027491SQ200980117603
公开日2011年4月20日 申请日期2009年5月8日 优先权日2008年5月11日
发明者B·D·赖特, B·E·皮兹, G·C·贝斯特 申请人:天宝导航有限公司