室內定位方法綜述

謝恩德 洪毅

摘要：基于位置的服務應用已經包含了人們生活的方方面面，這也使得人們對位置信息的需求越來越大。在室外我們可以依賴美國GPS和中國北斗等來獲取精確的位置信息，但在復雜的室內環境中，由于衛星信號的極速衰減，無法提供滿足人們要求的室內位置信息，同時沒有普適性的室內定位解決方案，室內定位仍是研究熱點。文章簡單介紹什么是定位，然后對室內定位算法和定位介質進行了分類和簡單介紹，最后對不同定位介質從不同方面進行了比較并指出了當前室內定位方案存在的問題。

關鍵詞：基于位置服務;室內定位;定位算法;定位介質

中圖分類號：TP3? ?文獻標識碼：A

文章編號：1009-3044（2021）11-0231-04

A Survey of Indoor Positioning Methods

XIE En-de， HONG Yi

（Faculty of Computers， Guangdong University of Technology， Guangzhou 510006， China）

Abstract： Location-based service applications have already included all aspects of people's lives， which makes people's demand for location information more and more. In the outdoor environment， we can rely on GPS and Bei-dou to obtain accurate location information. However， in the complex indoor environment， due to the rapid attenuation of satellite signals， indoor location information that meets people's requirements cannot be provided. Meanwhile， there is no universal indoor location solution， so indoor location is still a research hotspot. Article introduces what is the location， and then to indoor localization algorithm and positioning media has carried on the classification and simple introduction， and finally compares the different positioning media from different aspects and points out the problems existing in the current indoor positioning scheme.

Key words： location-based services; indoor positioning; location algorithm; locating medium

在過去的幾十年間，以美國的全球定位系統（Global Positioning System，GPS）為代表的全球導航衛星系統（Global Navigation Satellite System，GNSS）給人們的日常生活以及思維方式帶來了巨大的變化，它是現代社會一個重要的技術里程碑。在此基礎上，基于位置的服務（Location -based Services，LBS）也受到越來越多人的關注，從地圖導航到社交網絡，位置服務都在其中發揮重要作用。

隨著物聯網和移動計算的迅速發展，人們對位置服務需求不再局限于室外，室內也有定位及導航需求。之所以需要室內定位，一方面是人類在室內環境中同樣有方位和導航需求，另一方面智慧物流，智慧工廠，無人超市等對位置信息的需求。然而，由于非視距通信問題，室內場景受到建筑物遮擋，衛星信號衰減迅速，GPS無法在室內條件下提供可靠的位置數據。所以，室內定位技術研究成為學術研究與行業應用的熱點。

1 定位算法

定位簡單來說就是根據已知節點（AP）的位置信息，利用已知節點與未知節點（MS）間存在的關系如距離，來估算MS的位置信息。定位的內在邏輯可以用如下等式表示：

定位方法=定位介質+定位算法? ? ? ? ? ? ? ? ? ? ? （1）

在等式（1）中定位介質是多樣的，可以是聲波[1，2]，光學[3，4]，無線信號[5，6]，地磁場[7]等;定位算法可以分為基于測距和非測距的。基于測距的有到達時間（Time Of Arrive，TOA）、到達時間差（Time Difference Of Arrive，TDOA）、到達角度（Angle Of Arrive，AOA）、信號強度指示（Received Signal Strength Indication，RSSI）。基于非測距的是指紋定位（Fingerprint，FP）。

1.1 基于測距的定位算法

1.1.1 TOA定位算法

在TOA到達時間定位算法中AP是信號的發射端，MS是信號的接收端，信號的傳播速度為v，從AP到達MS所用時間記為t，則兩者之間的距離d=v*t。原理如圖1所示。TOA算法需要接收端和發送端保持時間上的同步，在時間精確同步基礎上，定位精度可以達到厘米級。

1.1.2 TDOA定位算法

TDOA算法需要發送端保持時間同步即可，它利用MS接收到的兩個不同AP1，AP2的信號到達時間差，計算出MS到AP1和AP2的距離差為L12，則MS就在以這AP1，AP2為焦點的雙曲線上，再測得MS到AP1，AP3的距離差為L13，則MS就在這兩個雙曲線的交點上，原理如圖2所示。

1.1.3 AOA定位算法

AOA達到角度算法，AP作為信號接收端架設有天線陣列， MS作為信號發送端，MS發射的信號被AP的天線陣列接收，AP從而獲取到入射角度。兩個接受端的入射角度射線的交點，即為MS位置。原理如圖3所示。

1.1.4 RSSI測距定位算法

根據無線信號空間傳播的路徑損耗效應構建路徑損耗模型[9]如式（2）：

[RSSId=RSSId0-10*n*lgdd0+X]? ? （2）

式（2）中RSSI（d）表示收發端距離為d時接收端的RSSI值，單位dB;RSSI（d0）表示收發端近距離時（一般d0=1m）的RSSI值，由實際測得;n表示路徑損耗系數，它依賴周圍環境和建筑物類型，一般取2-4;X表示噪聲干擾，它符合N（0，d[2]）的正態分布，d的取值一般在3.0dB-14.1dB之間變化。根據模型可以計算出接收端和發送端的距離d。不同發送端到同一接收端距離不同，然后依據多邊定位或質心定位計算出MS位置坐標。

1.2 指紋定位

無線信號易受周圍環境（式（2）中n）影響及存在路徑效應問題（式（2）中X）導致RSSI測距定位精度不高，所以基于無線信號的室內定位比較經典常用的算法就是指紋定位。

指紋定位包含兩個階段：離線建庫和在線定位[10]。在離線建庫階段，首先將定位區域進行劃分，劃分為一個個的小正方形，劃分完畢之后，構建坐標系，為每一個小正方形定好坐標，之后采集每個小正方形區域內的RSSI值，采集完所有正方形之后構建指紋數據庫，數據庫中的每一項是一個由坐標和RSSI構成的二元組即指紋<坐標，RSSI>;在線定位階段，獲取到待測點處RSSI值，與數據庫中指紋作對比，找出與待測點處RSSI值差值最小點，輸出其對應坐標作為待測點處坐標。具體如圖4所示。

指紋定位的精度取決于指紋庫的精準度，采集的指紋越精細，定位越精準，但同時也需要花費大量時間和精力，為了平衡成本和定位精度，在指紋庫構建時可以采用群智感知或虛擬指紋方法來解決。清華大學的吳陳沭利用移動群智感知機制[11]，提出了無人工現場勘測的無線信號指紋地圖構建技術;He等人[12]基于已知節點的RSSI信息，通過對數路徑損耗模型來對虛擬參考點處的 RSSI 值進行估計，得到該參考點處的虛擬指紋，從而構造指紋數據庫。

在線定位階段直接使用指紋庫進行在線匹配，工作量大，計算時間長，所以為了減少計算量，需要用聚類算法對指紋庫進行劃分，劃分指紋庫的聚類算法有用 K-means[13]、模糊C均值[14]等。

2 定位介質

2.1 基于光學的室內定位

2.1.1紅外線室內定位

紅外線是頻率介于微波和可見光之間的電磁波，具有良好的方向性。常用的定位算法是TOA。

具有代表性的攜帶紅外標簽的紅外定位系統是由Want等人[15]提出的Active Badge系統，在該定位系統中待定位的人員需攜帶一個紅外標簽，紅外標簽每隔10秒鐘會發射一個特定的紅外編碼，紅外傳感網絡收到編碼后，交由與紅外傳感網絡的計算機處理，處理完成后得到標簽的位置信息。該系統中帶定位人員需要攜帶專門的紅外標簽，信息定時發送對人員的位置隱私性保護不足，且該系統需要在視距環境下才具有良好定位效果。

紅外線只能進行視距傳播且穿透性能差，同時易受其他光源（如太陽光）影響，所以紅外定位更適合的是應用于機器人定位系統，毛玲等人[3]利用六對紅外收發傳感器組成小型定位系統，結合粒子濾波算法，實現了小型機器人的自定位，定位最大標準差為7.4mm。

2.1.2 可見光室內定位

可見光室內定位是利用可見光通信來實現的。可見光通信（Visible Light Communication，VLC）指利用可見光波段的光作為信息載體，利用可見光的高速明暗閃爍來傳遞信息，在空氣中直接傳輸光信號的通信方式。與熒光燈和白熾燈相比，LED可以支持更高頻率的明暗變換，所以在可見光室內定位中LED成為光源首選。

Zhang等人[16]提出的基于VLC的室內定位，利用收發節點的RSSI不同，得到收發節點之間的距離，然后使用最小二乘法計算得到待測點的位置，在信道競爭問題上不再使用時分多址的方式，而是使用BFSA（basic-frame slotted ALOHA）實現不同LED的信道競爭問題，但是文中表明限于視距傳播的情況，仿真結果表明定位準確率超過95%，定位誤差為5.9cm。

對于邊界定位誤差較大問題， Zheng等人[17]針對二維平面中基于VLC定位時邊界誤差較大問題提出誤差校正算法來提高邊界處的定位精度，并進一步實現了在三維空間中的定位，對于不同LED光源采用不同頻率的LED作為光源利用Hamming窗作為過濾器來進行區分，解決了信道競爭問題。實驗結果表明，邊界的定位誤差在3.67cm到1.56cm之間，在三維空間中平均定位誤差為3cm。

可見光室內定位不受無線電波的干擾，定位整體精度高，但仍是視距傳播，易受其他光源影響，存在信道競爭問題，同時需要改造LED光源，增加成本。

2.2 基于聲波的室內定位

2.2.1超聲波室內定位

因為聲音的傳播速度遠小于電磁和光線的傳播速度，所以對于聲音在收發端的傳播時間可以測量得更加精確。基于超聲波的室內定位算法通常是TOA和TDOA。

早期應用超聲波進行定位的是Active Bat系統[18]。在Bat系統中，用戶攜帶一個可以發射超聲的標簽，當中央控制器收到無線射頻信號時，接收端開始計時，發射端發射超聲波，接收端收到超聲波信號后停止計時，利用TOA算法計算出發射端的位置，作者聲稱系統的定位精度接近3cm。

超聲波室內定位的整體精度高，可以達到厘米級，且系統結構相對簡單，但是需要部署收發超聲的設備，增加成本，超聲波隨著距離增加衰減很快所以不適用與大型場合。

2.3無線電波通信技術的室內定位

2.3.1 Wi-Fi室內定位

Wi-Fi是一個創建于IEEE802.11標準的無線局域網技術。室內Wi-Fi網絡不僅可以作為一般的網絡基礎設施，還可以利用它進行室內定位。常用的定位算法是RSSI測距定位算法和指紋定位。

羅宇峰等人[19]考慮到Wi-Fi信號發送端部署高度對定位精度影響，利用幾何方法對垂直高度進行消除，得到Wi-Fi發射端和接收端的水平距離，從而提出基于RSSI測距和消除高度影響的加權質心法較傳統定位算法有巨大優越性。

楊帆等人[20]考慮到不同時間段Wi-Fi信號強弱不同，對定位帶來誤差，設定RSSI標準差的閾值，把信號的波動降到最低，得到處理后的信號的均值，設計并實現基于Android平臺的Wi-Fi定位。

Wi-Fi總定位精度較高，硬件成本低（不用額外部署其他硬件），傳輸速率高，可以實現復雜的大范圍定位、追蹤任務，適用于工廠、商場等場合，但功耗較大，如果用指紋定位，指紋庫的建立、維護和更新問題待解決，同時也會增加成本。

2.3.2 RFID室內定位

RFID是一種通過交變磁場或電磁場耦合的無線通信方式，根據信號強度變化來進行室內定位。根據標簽是否帶有電池可以分為主動定位和被動定位。常用定位算法有RSSI測距算法[21]和指紋定位[22]。

對于RSSI測距算法陳龍鵬等人[21]提出一種基于雙神經網絡RFID室內定位算法，利用雙神經網絡克服當前環境下的路徑損耗系數n對定位的影響，提高了系統魯棒性。

RFID傳輸速率較高，安全性好且不受非視距通信問題困擾，但是要部署大量RFID設備，同時定位人員需要持有標簽，成本高，功耗大。

2.3.3 藍牙室內定位

藍牙室內定位利用室內安裝好的位置信息已知的若干個藍牙局域網接入點（如iBeacon基站），對每一個新加入的MS，通過獲取MS處iBeacon基站[24]的RSSI值，利用RSSI測距算法或指紋定位獲取MS的位置信息。

藍牙信號易受環境干擾，尤其是人的活動影響。王樂等人[23]將人員活動引起的信號強度變化帶來的測距誤差視為異常誤差，提出四種不同抗差算法，實驗結果表明，抗差算法對藍牙室內定位的精度有一定的改善。

藍牙體積小、功耗低且易集成到手機等移動設備中;但需要部署藍牙局域網網絡接入點所以成本較高，易受電磁干擾，穩定性較差。

2.3.4 ZigBee室內定位

ZigBee室內定位[25，26]技術通過待測點和若干參考點與網關之間組網，待測點廣播信息，采集各相鄰參考點數據，待測點能夠通過參考點所對應的RSSI值上傳到定位引擎中，并且利用定位引擎確定待測點位置。

ZigBee室內定位安全性高，功耗相對較低，但對算法的要求較高。

2.3.5 UWB室內定位

UWB技術是目前備受關注的一種新型短距離高速率無線通信技術。基于UWB的室內定位算法有TOA、TDOA、AOA[27，28]。由于特殊的信號類型及頻譜相對于其他無線電波信號，UWB信號在復雜室內環境下不受多路效應影響，并具有極佳的障礙物穿透能力，定位精度可以達到厘米級別[29]。UWB難以實現大范圍覆蓋，且不能直接遷移到智能手機上，定位成本非常高。

2.4 地磁室內定位

地球本身自帶的磁場在不同經緯度其強度和方向都不同，在室內地磁場受到建筑物的干擾是一定的，所以室內不同位置的地磁強度不同，利用室內地磁強度和智能手機自帶的地磁傳感器就可以實現指紋定位[30]。地磁信號穩定，磁場強度變化小，也不用部署大量設備。但是室內位置的磁場強度存在相似特征問題[31]，這對算法的特征提取能力和魯棒性提出更高要求。

3 定位比較及存在問題

表1給出不同的定位介質在定位精度，定位成本，抗干擾性等方面的比較。

從表1可以看到不同定位介質有著各自優缺點，在考慮定位方案時往往成本，精確度會成為首要考慮的方面，但目前仍然沒有一種定位介質可以很好平衡成本與精確度，在設計定位方案時，總要平衡成本和精確度。 現有的室內定位解決方案還有以下問題：

第一，缺乏普適性，不同的室內場所往往采用不同的定位技術，沒有一個方案可以適應多個不同場所，如紅外線定位在機器人定位上反應很好但卻不適用于商場這樣人員活動頻繁的場所;

第二，不同設備由于軟硬件的差異性給信息采集帶來差異從而影響定位精度;

第三，現有的室內定位都是已知室內環境進行定位方案設計的，對環境依賴大，一旦室內環境遭到破壞或改變，定位精度就會下降甚至出現無法定位的情況。

4 結束語

基于位置的服務已經涉及人們日常生活的方方面面，實現高精度、普適性、低成本的室內定位方案仍是室內定位的研究方向與熱點，隨著5G移動通信時代到來，給室內定位也帶來了新的活力，相信未來一定可以實現室內外全方位的無縫定位。

參考文獻：

[1] Brena R F，García-Vázquez J P，Galván-Tejada C E，et al.Evolution of indoor positioning technologies：a survey[J].Journal of Sensors，2017，2017：1-21.

[2] 謝地，魯照權，丁浩峰，等.基于超聲波測距的高精度室內定位系統[J].傳感器與微系統，2019，38（10）：98-101.

[3] 毛玲，李振波，張大偉，等.基于紅外傳感器的移動微機器人定位研究[J].傳感器與微系統，2014，33（12）：38-41.

[4] 徐巖，王昕昕.多層ELM分區域可見光室內定位算法[J].湖南大學學報（自然科學版），2019，46（10）：125-132.

[5] 李麗娜，馬俊，徐攀峰，等.RFID室內定位技術研究綜述[J].計算機應用與軟件，2015，32（9）：1-3，96.

[6] 畢京學，汪云甲，曹鴻基，等.一種基于全向指紋庫的WiFi室內定位方法[J].測繪通報，2018（2）：25-29.

[7] 周家鵬，汪云甲，李昕，等.地磁室內定位技術研究[J].測繪通報，2019（1）：18-22.

[8] 裴凌，劉東輝，錢久超.室內定位技術與應用綜述[J].導航定位與授時，2017，4（3）：1-10.

[9] 申靜濤.基于RSSI的對數距離路徑損耗模型研究[J].電子質量，2013（12）：15-17.

[10] 王星星，叢思安.室內定位研究方法綜述[J].軟件導刊，2019，18（9）：9-12.

[11] 吳陳沭.基于群智感知的無線室內定位[D].北京：清華大學，2015.

[12] He C R，Guo S T，Wu Y，et al.A novel radio map construction method to reduce collection effort for indoor localization[J].Measurement，2016，94：423-431.

[13] 李軍，何星，蔡云澤，等.基于K-means和Random Forest的WiFi室內定位方法[J].控制工程，2017，24（4）：787-792.

[14] 楊慧琳，黃智剛，劉久文，等.基于核模糊C均值指紋庫管理的WIFI室內定位方法[J].浙江大學學報（工學版），2016，50（6）：1126-1133.

[15] Want R，Hopper A，Falc?o V，et al.The active badge location system[J].ACM Transactions on Information Systems，1992，10（1）：91-102.

[16] Zhang W Z，Sakib Chowdhury M I，Kavehrad M.Asynchronous indoor positioning system based on visible light communications[C]//2014：045105.

[17] Zheng H H，Xu Z W，Yu C Y，et al.A 3-D high accuracy positioning system based on visible light communication with novel positioning algorithm[J].Optics Communications，2017，396：160-168.

[18] Ward A，Jones A，Hopper A.A new location technique for the active office[J].IEEE Personal Communications，1997，4（5）：42-47.

[19] 羅宇鋒，王鵬飛，陳彥峰.基于RSSI測距的WiFi室內定位算法研究[J].測控技術，2017，36（10）：28-32.

[20] 楊帆，趙東東.基于Android平臺的WiFi定位[J].電子測量技術，2012，35（9）：116-119，124.

[21] 陳龍鵬，葉寧，王汝傳.基于雙神經網絡的RFID室內定位方法[J].計算機系統應用，2019，28（11）：218-223.

[22] 宋寧佳，崔英花.基于GA-GRNN的RFID室內定位算法[J].計算機工程，2019，45（11）：298-302，308.

[23] 王樂，劉萬青，黃觀文，等.RSSI測距在藍牙室內定位抗差算法中的應用[J].導航定位與授時，2019，6（3）：82-87.

[24] 石志京，徐鐵峰，劉太君，等.基于iBeacon基站的室內定位技術研究[J].移動通信，2015，39（7）：88-91.

[25] 丁琳，管小衛，朱霞.基于RSSI的集群實時定位系統設計[J].國外電子測量技術，2014，33（12）：69-73.

[26] 閆冬梅，任麗莉，王浩宇.基于Zigbee通信的室內定位系統[J].吉林大學學報（信息科學版），2018，36（2）：218-222.

[27] 楊狄，唐小妹，李柏渝，等.基于超寬帶的室內定位技術研究綜述[J].全球定位系統，2015，40（5）：34-40.

[28] 賈駿超.UWB室內定位測量數據處理方法研究[J].計算機應用與軟件，2017，34（10）：157-162，184.

[29] 何永平，劉冉，付文鵬，等.非視距環境下基于UWB的室內動態目標定位[J].傳感器與微系統，2020，39（8）：46-49，54.

[30] 余秋星.一種基于地磁強度特征的室內定位方法[J].中國新通信，2014，16（23）：19-21.

[31] 丁瑞，孫幼聰，孫鵬，等.基于卷積神經網絡的地磁室內定位[J].電子制作，2020（15）：36-37，30.

【通聯編輯：梁書】