一種基于UWB的高精度室內定位系統設計

李玉峰，王君祎，李碩磊

(沈陽航空航天大學 電子信息工程學院，沈陽 110136)

基于位置的服務(Location-Based Service，LBS)已經在人類生活的方方面面扮演著重要的角色。目前，室外定位大多依賴全球衛星導航系統[1](Global Navigation Satellite System，GNSS)，由于衛星信號穿透建筑物的能力較差，一般情況下利用GNSS難以實現室內定位。目前主流的室內定位技術主要有WIFI、慣性導航及超寬帶技術(Ultra-Wide Band，UWB)等。文獻[2-3]提出了基于WIFI的定位系統，成本低且易部署，但是定位精度差通常在5～10 m左右；文獻[4]提出了地磁和慣導的室內定位系統，該方法有效縮短了離線階段基準庫的構建時間，且定位精度提高到2 m左右；文獻[5-7]提出了基于UWB的室內定位方法，UWB信號的脈沖功率譜密度極低，具有多徑分辨能力強、抗干擾性好等優點，定位精度通常在分米甚至厘米級，是目前一種性價比較高的室內定位方法，故本文采用UWB技術來實現室內定位。

在實際定位場景中非視距誤差以及多徑效應會影響定位精度，針對此問題，劉琚等[8]提出了一種在非視距環境中的TDOA/AOA混合定位方法，相比于單純的TDOA定位方法在一定程度上提高了定位的精度，但是隨著AOA的測量精度下降，該方法的定位精度也會隨之下降。毛永毅等[9]提出了面向室內定位的DHOHF-Elman神經網絡算法，該算法能夠較高程度地抑制環境中的高斯白噪聲，但是定位精度受訓練集影響大，且訓練過程煩瑣，不適合實際應用。李奇越等[10]提出了基于有色噪聲自適應卡爾曼濾波算法，在一定程度上提高了定位精度，但是濾波效果容易發散，并且測量數據中的粗大誤差對濾波結果影響大。文獻[11-12]提出基于信道估計和地域規劃的方法來抑制NLOS誤差，該方法雖然可行但精度并不理想。為了降低NLOS和粗大誤差對定位精度的影響，本文采用中值均值濾波法對原始距離觀測量進行預處理，該方法能極大程度地剔除距離觀測數據中的粗大誤差，然后結合Taylor定位算法求解標簽的位置信息，最后采用卡爾曼濾波算法進行濾波處理以抑制NLOS誤差。實驗表明該算法實現簡單、定位精度高且實時性強。

1 UWB定位系統設計

本定位系統主要由定位標簽(Tag)、參考基站(Anchor)、無線通信系統以及上位機等組成。其中定位標簽和參考基站實現對配有定位標簽的待測目標定位；無線通信系統主要將待測目標的測量信息傳遞給上位機；上位機顯示平臺主要包括基站、標簽列表以及相關的配置信息，能夠通過無線通信技術讀取標簽與基站之間的相對距離，并通過本文設計的定位算法求解位置信息，并將位置信息直觀地顯示在可視化界面上。同時為了應對定位場景的不固定問題，該上位機設有導入地圖功能，實現不同場景下的定位。系統結構如圖1所示。

圖1 UWB室內定位系統結構圖

2 硬件系統設計

硬件系統主要由UWB收發器、無線通信模塊、主控單元、按鍵模塊和顯示模塊等組成，系統框圖如圖2所示。其中UWB電路、主控單元以及通信電路的設計是該硬件系統的核心電路。

2.1 UWB電路設計

該系統采用DWM1000模塊來實現UWB信號的接收與發送，該模塊符合IEEE 802.15.4-2011的低功耗、低成本標準，其發射功率在-35～62 dBm/MHz區間。該模塊集成了射頻收發天線、電源管理和時鐘等相關外圍電路，使芯片體積小、集成度高且易于操作。在視距情況下，DWM1000測距可達290 m，非視距情況下測距可達35 m，其精度高達10 cm。同時設有3種數據傳輸速率可供選擇，分別為110 kbit/s、850 kbit/s 和 6.81 Mbit/s，能夠滿足大部分場景的應用。該模塊通過SPI總線與主控芯片進行通信，操作簡單且數據傳輸速率高。DWM1000模塊電路如圖3所示。

2.2 主控單元電路設計

該高精度定位系統主控單元的最小系統電路如圖4所示，主控芯片為STM32F103U8T6。該芯片采用arm架構，72 MHz最大時鐘頻率，配有專為要求高性能、低成本、低功耗的嵌入式應用設計的ARM32位Cortex-M內核芯片。根據本設計中定位及無線通信功能的實際需求，結合STM32單片機自身特點，編寫軟件程序實現UWB測距信息的獲取、數據處理以及數據通信等功能。其內部集成的豐富硬件資源和靈活的庫函數為本文提出的高精度定位系統的設計與實現帶來了極大的方便。

2.3 通信電路設計

該高精度定位系統采用LoRa無線模塊作為通信設備，該模塊是一款基于SX1268射頻芯片的無線串口模塊，具有多種傳輸方式，且支持空中喚醒，非常適合超低功耗應用。該模塊的載波中心頻段為433 MHz，發射功率為100 mW，通信距離高達5 km。采用先進LoRa擴頻技術，使其具有強干擾能力和穿透能力，較傳統的FSK性能提升了1倍。本文主要采用LoRa模塊實現UWB基站和標簽與PC機的直接數據交互，在使用LoRa無線模塊前先對其進行工作模式的參數配置，程序中對串口進行初始化設置，通過串口通信實現位置信息的傳遞。其接口電路如圖5所示。

3 軟件算法設計與實現

為克服非視距誤差和隨機誤差等問題，本文采用中值均值濾波法對UWB觀測距離進行濾波處理，然后對距離量進行判斷，如果距離觀測量的數量不滿足taylor的定位算法輸入量的個數，則返回繼續觀測，相反則通過taylor的定位算法求解位置信息，然后將此位置通過卡爾曼濾波再次進行平滑處理，最大限度地降低隨機干擾帶來的誤差影響，算法流程圖如圖6所示。

3.1 Taylor定位算法設計

(1)

三維情況有

(2)

式中，(xn,yn,zn)為基站n的坐標值，dn表示待測目標與基站n之間的測量距離。

由Taylor級數展開并忽略二階以上分量可得

(3)

式中，

(4)

(5)

式中(x0,y0,z0)為上一次的迭代結果，每次迭代之后求出誤差量Δx、Δy、Δz，并更新坐標值，進行下一次迭代。|Δx|+|Δy|+|Δz|

3.2 距離濾波算法設計

考慮到實際定位環境中由于脈沖干擾帶來的測距誤差，本文采用中值濾波法對距離觀測量進行濾波，相比于傳統的均值濾波算法，該算法能夠極大降低由于脈沖干擾而引起的觀測偏差，該算法將N次觀測量進行大小排序，并剔除最大值和最小值，然后將剩余的N-2個觀測量進行均值濾波，如式(6)所示。

(6)

其中，X(K)為觀測量，且X(1)≤X(2)…≤X(N),N≥3。

理論情況下取任意值，但是N的取值過大不僅會影響運算速率同時會降低濾波效果的實時性，通常在實際情況中一般取4～6，本文N的取值為5，該濾波算法計算方便、速度快，同時盡可能保證了濾波的時效性。

3.3 卡爾曼濾波算法設計

雖然上文的距離濾波算法已經對距離觀測量中由于脈沖干擾帶來的誤差進行了濾波，單定位結果仍會存在隨機誤差，因此本文采用卡爾曼[14]算法對解算后的位置信息進行濾波。卡爾曼是一種最優濾波器，采用遞推算法，即由參數的驗前估計和新的觀測數據進行狀態更新，一般只需存儲前一個歷元的狀態參數估值，無須存儲所有歷史的觀測信息，因此卡爾曼濾波具有很高的計算效率，并可以進行實時估計。

設狀態變量n維，k時刻的狀態為xk；k時刻的m維測量量zk,則

狀態方程為xk=?k-1xk-1+Γk-1wk-1

(7)

測量方程為

zk=Hkxk+Vk

(8)

其中?k-1為狀態轉移矩陣；Γk-1為狀態噪聲系數矩陣；wk-1為狀態噪聲，Hk為測量矩陣；Vk為測量噪聲，一般為零期望白噪聲；根據勻加速運動模型有

(9)

(10)

(11)

由于系統采樣頻率較高，在一個采樣周期內可以近似認為移動目標做勻速運動，因此上述公式可改寫為

(12)

考慮到二維情形下的狀態模型包含水平方向和垂直方向的位置和速度，因此可以將狀態方程定義為

(13)

系統方程可以表示為

(14)

相應的測量誤差方程和狀態方程分別為

(15)

(16)

3.4 上位機軟件設計

該上位機監測軟件在挪威TrollTech公司出品QTCreator[15]平臺上開發，是整個定位系統的信息處理中心，能夠通過LoRa無線通信系統接收待測目標發送的距離信息，并結合上文提到的定位算法進行位置解算，上位機軟件界面如圖7所示。

圖7 上位機軟件界面

如圖7所示，地圖顯示區域主要用于顯示待測目標的位置信息，控制菜單欄主要用于控制軟件的開始和退出基本控制操作，初始化信息配置欄主要用于配置基站的坐標信息和導入環境地圖，上位機軟件設計流程圖如圖8所示。

圖8 上位機軟件設計流程圖

為實現上位機軟件，采用模塊化的思想進行開發，運用信號與槽的機制實現各個組件之間的交互，使得軟件開發變得更加直觀和高效。同時采用C++模板以及異步調用的機制實現一款通用的后臺處理應用框架，使其具有易于擴展、移植等優點。

4 實驗驗證與結果分析

4.1 軟件算法測試

4.1.1 距離測試

在測試定位算法性能之前先對距離濾波算法進行測試。本文對基站與移動標簽之間不同距離進行大量實驗測試，如圖9a所示為理論距離為5 m的500組距離觀測量，可以看出在實際測試環境中，傳感器的觀測距離會有粗大誤差存在，勢必會對定位結果帶來較大的定位誤差。為了驗證中位值均值濾波算法的性能，將500組距離觀測量通過該算法進行濾波。本文選取5次觀測量進行處理，因此500組觀測數據經處理生成100組數據，如圖9b所示，觀測量中的粗大誤差被有效剔除，測距精度有明顯提高，測量誤差由原來的22 cm降低到7 cm，為高精度定位提供了保障。

圖9 距離觀測值濾波前后測量結果

4.1.2 定位算法測試

本實驗主要是對移動終端進行多點測試，同時將taylor、taylor+卡爾曼、中位值均值濾波+taylor以及中值均值濾波+taylor+卡爾曼4種算法通過多個位置點的定位結果進行對比分析，采用均方根誤差(Root Mean Square Error，RMSE)來衡量定位精度，用(x,y)表示待測點的真實位置，(x′,y′)表示定位算法解算出來的位置坐標，則在二維坐標下有

(17)

本文對不同定位點進行了大量的實驗測試，并選取圖10所示路線進行算法對比，測試環境中基站的坐標分別為(0,0)、(10,0)、(10,10)、(0,10)，虛線為行駛路徑，即A(2,8)→B(8,8)→C(8,7)→D(5,7)→E(5,0.5)→F(2,0.5)，不同算法定位結果如圖11所示。

圖10 測試路線

圖11a所示的定位結果是距離觀測量沒有進行濾波處理而直接通過taylor算法進行定位的結果，由圖可以看出定位結果誤差大，且部分定位點存在粗大誤差。圖11b所示的是圖11a的定位結果經過卡爾曼濾波后的定位結果，可以看出卡爾曼濾波算法雖然提高了定位的平滑性，但是受粗大誤差影響大，從而影響濾波性能。圖11c是將距離觀測量通過本文設計的濾波算法處理后再進行Taylor定位的結果，定位結果的粗差被有效剔除，同時定位精度也有一定的提高，但提高幅度相對不大。圖11d表示的是將圖11c的定位結果進行卡爾曼濾波的定位結果，可以清晰地看出定位精度有明顯提升，且能夠較好地避免粗大誤差帶來的影響。表1給出了不同定位算法的定位精度，由表1可知，相比其他定位算法本文設計的算法定位精度更高。

圖11 不同算法定位軌跡圖

表1 不同算法定位精度對比

本文算法與常見的UWB定位算法定位精度對比如表2所示。

表2 本文算法與常見UWB定位算法精度對比表

由表2可知傳統的最小二乘定位算法的定位精度為39 cm，擴展卡爾曼定位算法定位精度為33 cm，且容易受到環境中多徑效應、隨機噪聲和非視距誤差等因素的影響，本文提出的定位算法定位精度為12 cm，能夠有效克服定位環境中的干擾，較最小二乘和擴展卡爾曼定位算法精度有顯著提高。

4.2 上位機軟件測試

在上位機軟件正式測試之前需對此軟件進行初始化配置，主要包括通信設置和基站坐標設置，然后開啟定位系統，并對植入改進版卡爾曼定位算法的上位機定位觀測軟件進行測試。

由定位軟件顯示可以看出該定位系統對移動目標有良好的跟蹤性，表3給出了部分測試數據與實際坐標的對比數據。

由表3數據得出本文設計的定位系統的定位軌跡與實際坐標高度吻合，實現了高精度定位，同時該軟件更加直觀高效地顯示出了移動目標的運動軌跡，有較高的使用價值。

表3 部分上位機測試結果

5 結論

本文采用中值均值濾波算法對UWB距離觀測量進行濾波，使得測距誤差從22 cm降低到7 cm，同時有效消除距離觀測量的粗大誤差，使得Taylor定位結果的最大誤差從1.4 m降低到30 cm，避免了粗大誤差對卡爾曼濾波算法的影響，定位精度提高到12 cm。基于本文設計算法的上位機軟件具有人機交互性好、操作簡單、實時性強等優點，定位軌跡高度貼近真實軌跡，能夠用于高精度定位領域。