超寬帶室內定位算法綜述

王爭，蔣浩晨，高娟，馬俊成，謝雙

（電子科技大學成都學院，四川成都611731）

目前，對于室外條件下高精度的位置獲取往往依賴于全球衛星定位系統（Global Navigation Satellite System，GNSS）。但由于室內條件的特殊性，衛星信號在室內環境下的覆蓋率較差，故室內定位技術難以依賴GNSS 來實現。據研究表明，人們平均有超過80%的時間在室內度過，所以對室內位置服務的需求將更加迫切[1]。

室內定位是指在室內環境中實現位置的定位，主要借用基站定位、可信定位、偽衛星定位、無線通信和室內地圖等多項技術，使在復雜的室內環境中能實現人員或物體之間的位置信息識別[2]。目前，國內外多家企業、高校院所也都在室內定位領域開展研究并取得了卓越成果[3]。

常見室內定位技術有無線保真（Wireless Fidelity，WiFi）定位技術、藍牙（Bluetooth）定位技術、紫蜂（ZigBee）定位技術、射頻識別（Radio Frequency Identification，RFID）定位技術和超寬帶（Ultra Wide Band,UWB）定位技術，而其中UWB 通信技術是一種新型的無線通信技術，它無需同傳統通信系統具有一樣的載波信號，而是將極窄脈沖序列通過正交頻分調制或直接排序的方法，使其拓展至同一頻率范圍內，故可實現在較寬的頻譜上傳輸極低功率的信號[4]。

與傳統的窄帶通信系統相比，UWB 室內定位技術具有功耗低、安全性高、定位精度高和抗干擾能力強等優點，可適用于工業制造、養老醫療、物流倉儲和公共安全等應用場景，在室內定位技術市場中具有良好的市場前景，因此文中選擇UWB 室內定位技術并對其展開研究論述。

1 UWB定位技術算法研究

經過近年來的研究發展，無線定位技術算法可以分為兩類，分別是依托距離信息（如：TOA 算法、TDOA 算法和AOA 算法等）和無需依托距離信息（如：質心定位法、DV-hop 算法和指紋匹配法等）的定位算法。而UWB 室內定位系統通常采用的是依托距離信息的定位算法，其原理是根據基站與目標節點間的位置關系與其傳輸信號的特點構造方程組，再將基站與目標節點間所測量的相關信息（如：到達時間、到達角度與飛行時間等）帶入其方程組便可獲得具體的目標位置信息。而其能否獲得精確的距離信息是研究UWB 室內定位算法的關鍵，文中將對UWB 室內定位算法做詳細闡述論述。

1.1 TOA定位算法

TOA（Time of Arrival）即到達時間定位算法，指目標節點向基站發送帶有測距信息的無線電波信號，基站接收到該特定信號后做出響應，并記錄下其節點從發送信息到基站做出響應所花費的時間。而無線電波在空氣中是以光速傳播的，所以基站和目標節點之間的距離可以估算出來[5]。這里基站通常需要3 個及以上的已知位置參與測量，此時可根據三角定位法和幾何公式建立方程組并求解來確定目標節點所在的位置。

圖1為三邊定位算法模型，已知基站1、基站2 和基站3 的坐標，分別為（x1，y1）、（x2，y2）和（x3，y3），假設待測目標節點坐標為（x,y），待測目標節點在t時刻發送信號，則3 個基站接收到該信號的時間分別為t1、t2和t3,則可得到三邊算法的定位算法公式為：

圖1 三邊定位算法模型

根據式（1）可求得目標節點的位置坐標。

由于TOA 定位算法的計算完全依賴于時間，要求系統具有極高的時鐘及同步精度，即使是很小的時鐘同步誤差乘以光速都會被放大很多倍，同時會帶有多徑效應、反射和噪聲等干擾，會對室內定位的精確度造成較大的影響[6]。

1.2 TDOA定位算法

TDOA（Time Difference of Arrival）即到達時間差定位算法，是對TOA 定位算法的改進。指選定一個基站作為參考基站，結合其他基站與參考基站建立以基站為焦點的多條雙曲線，與雙曲線上的點到焦點的距離差為目標節點，到其他基站的距離差的雙曲線方程，通過多條雙曲線的交點可得到目標節點所在的位置。其中目標節點到各基站的距離為通過TOA 測距方式得出目標節點到各基站之間的TOA值，再乘以光速得到[7]。

圖2為TDOA 定位算法模型圖。已知基站1、基站2 和基站3 的坐標，分別為（x1,y1）、（x2,y2）和（x3,y3），假設待測目標節點坐標為（x,y），則可得到TDOA 算法公式為：

圖2 TDOA定位算法模型圖

根據式（2）可求得目標節點的位置坐標。

TDOA 定位不必進行基站和目標節點之間的同步，而只需要基站之間進行同步。因為基站的位置是固定的，所以基站之間進行同步比基站和目標節點之間進行同步更容易實現。然而，該方法對硬件的要求較高，在非視距或更復雜環境下，其定位精度會大大降低。

1.3 AOA定位算法

AOA（Angle of Arrival）即到達角度定位算法。是通過兩個及以上的基站，設置陣列天線或方向性天線來獲取目標節點發射無線電波信號的角度信息來估計基站與目標節點之間的距離。

圖3為AOA 定位算法模型圖。已知基站1 和基站2 的坐標，分別為（x1,y1）和（x2,y2），假設待測目標節點坐標為（x，y），以基站1、基站2 和待測目標節點的垂直線作為基準方向。則可得到：

根據子彈的彈道模型,利用Matlab軟件編制子彈飛行彈道仿真程序,該程序在給出拋射點的母彈速度、拋射高度、拋撒時間、彈道傾角的條件下,應用四階龍格庫塔法可解得子彈彈道;進而通過畫圖程序生成落點分布、各枚子彈在三個坐標的變化以及分速度的變化坐標圖。圖2為計算子彈彈道仿真流程圖。

圖3 AOA定位算法模型

根據式（3）可求得目標節點的位置坐標。

AOA 定位系統相比其他定位系統，結構簡單，只需要兩個基站便可定位。但極易受到信號的多徑效應或非視距環境的影響，使其定位精度不理想。且其對角度的測量要求較高，需要天線陣列具有高靈敏度和高空間分辨率，從而增加了其實現和維護的成本。

1.4 TOF定位算法

TOF(Time of Flight)即飛行時間定位算法。是一種雙向測距技術，通過測量UWB 信號在基站與目標節點之間往返的飛行時間來計算。

圖4為TOF 測距原理圖，目標節點首先向基站發送測距請求信息（POLL），基站收到測距請求信息(POLL)后進行處理，經過一小段時間處理后向目標節點回復確認信息（ACK）。將發送端發出的信號和接收回應的時間間隔記為Ttot，接收端收到信息和發出回應的時間間隔記為Ttat，則可得到將其再乘以光速便可算出目標節點到基站的距離，即D=Ttof×c（c 為光速）。當有多個基站共同定位時，可采用如圖1所示的三邊定位算法模型來得到目標節點的位置。

圖4 TOF測距原理圖

TOF 定位算法的時間取決于時鐘精度，很依賴信號發出和接收時的精確時刻，由于時鐘晶體存在頻率偏差，有時鐘偏移的影響，就需要有高精度的硬件作為支撐，使成本上升[8]。

1.5 融合定位算法

通過以上多種UWB 室內定位技術算法的分析，TOA、TDOA、AOA 和TOF 算法各存在不同的優勢，但在針對于復雜的室內環境下，單純依靠一種算法也有各種局限。當前室內定位技術必然會朝著多技術和算法融合的方向發展，以充分發揮單一技術的優勢，來彌補彼此間的不足，從而提升定位精度及穩定性，降低系統的成本，來滿足不同要求所提出的技術挑戰，達到最優的解決方案。

文獻[9]分析了基于TDOA 算法與AOA 算法的融合定位方法，并提出了分離變量的約束加權最小二乘（Separate Constrained Weighted Least Squares，SCWLS）算法，有效解決了目標節點恰好在或者靠近圓陣列中心時測量產生奇異矩陣的情況，從而提高了測量精確度。

文獻[10]提出了一種通過兩次卡爾曼濾波來實現非視距環境中TDOA/AOA 融合定位方法。先是利用卡爾曼濾波對TOA 測量值進行消除NLOS 誤差的預處理，再將TOA 測量值輸入到卡爾曼濾波器來實現TDOA/AOA 混合定位。在未增加算法整體復雜度的前提下，有效地改善了單獨利用TDOA 或AOA 定位的定位精度。

文獻[12]提出了一種由捷聯慣性導系統(Strapdown Inertial Navigation System, SINS)與UWB室內定位技術相組合的融合定位方法，該系統的測距部分由SINS 系統與UWB 系統構成，SINS 系統通過內部固連的陀螺儀與加速度計，實時獲取目標節點的位置與姿態信息，而UWB 系統通過TODA 算法得到目標節點的位置。然后將這兩個系統的位置差值作為觀察量，通過采用松組合方式的擴展卡爾曼濾波器進行解算來獲得目標節點的精確位置信息，其中由卡爾曼濾波器解算出來的結果會反饋給SINS系統，以確保SINS 系統的定位精度。該定位方法可以有效降低SINS 和UWB 系統各自的固有誤差，增強了系統在非視距環境下對測量值的判別能力與重構能力，從而提高了定位系統的精度與穩定性。

2 影響室內定位的主要因素

2.1 非視距傳播

無線信號在傳輸過程中的傳輸條件分為有視距環境（Line of Sight, LOS）和非視距環境（Non Line of Sight，NLOS）[13]。在視距環境下，無線信號可以無障礙地在發送端和接收端之間直線傳播，但要在第一菲涅爾區（First Fresnel Zone）內，才能夠進行高質量的信號傳輸。在非視距傳播的環境下，因在傳輸過程中有障礙物的阻擋，無線信號只能通過反射、折射、散射和衍射的方式到達接收端，最終會導致接收端接收到大量的失真信號，從而影響室內定位的精確度，因此許多改進工作都基于此開展。如文獻[14]采用卷積神經網絡-LS/WLS 算法，文獻[15]提出一種基于布谷鳥搜索算法(Cuckoo Search,CS)和BP(Back Propagation)神經網絡聯合優化的TDOA 定位算法，文獻[16]提出的一種基于TOA 的三維室內定位LMR算法等來減小NLOS 環境所帶來的誤差。

2.2 多徑效應

無線信號在傳輸過程中因受到障礙物的干擾而產生反射、折射、散射和衍射，使各路信號到達接收端的時間不同，進而導致各路信號按各自相位、幅度相互疊加而造成干擾，帶來信號衰減、時延不同步、極化改變和鏈路不穩定等一系列問題。目前抑制多徑效應的方法主要有：利用窄相關碼跟蹤環、平滑偽距和相位測距等方法來提高接收機的距離測量精度和采用抗多徑天線等。

3 UWB室內定位技術發展趨勢

3.1 從二維到三維

由于物聯網技術的日漸成熟帶動了室內定位技術的蓬勃發展，而基于UWB 的室內定位技術日益成為室內定位領域的研究熱點，但目前無論國內外的高校、企業或研究所對于UWB 室內定位系統的研究大多仍然停留在二維定位的應用上[17]。而現實生活的空間是三維的，如大型多層商場、停車場，二維室內定位技術難以滿足實際生活中更高的定位需求。當二維環境上升到三維環境，如何多樓層對移動目標精準定位與解決空間定位盲點和三維多復雜NLOS 環境的影響將是今后主要的研究方向。

3.2 室內定位技術的多融合

隨著室內定位技術的逐漸發展，越來越多的室內定位理論和方法相繼被提出，但受成本、環境和技術等限制，現階段的室內定位技術各有千秋。于是將多種室內定位技術相融合來減小成本、降低功耗和提升系統定位精度與穩定性是未來室內定位技術的發展趨勢。

3.3 5G無線通信與室內定位

5G 無線通信采用高頻或毫米波通信，具有帶寬高、時延低、容量大、覆蓋廣等特點，適合應用于室內定位。一方面，毫米波波束窄、頻率高，且具有良好的方向性，可以實現更高精度的測距與測角。另一方面，5G 利用大規模陣列天線，通過波束成形技術，使波束擁有更高的分辨率，也可以進行高精度的測距與測角，即5G 支持TDOA、AOA 和TOF 等定位方法[18]。此外，5G 的高帶寬特性可以填補UWB 與傳統窄帶定位技術之間1～3 m 定位精度的空缺，所以將5G 無線通信與各室內定位技術相結合，可極大地提升室內定位系統的普適性，使定位精度更高、靈活性更強、成本更低[19]。

4 結束語

該文從UWB 室內定位技術的基本概念出發，通過與其他室內定位技術對比，給出了選擇UWB 室內定位技術的原因。其次分析了UWB 室內定位技術的多種算法，結合自己的研究與思考，得出了融合定位算法將會是室內定位技術未來必然發展方向。但國內對UWB 室內定位技術的研究仍處在導入期，現在還沒有形成一個有力的組織來制定統一的行業標準。但任何新的技術領域都需要一定的發展過程，相信隨著物聯網時代的快速發展與以5G 無線通信為首的高新技術的興起，UWB 室內定位技術也必將會為定位技術領域增添濃墨重彩的一筆[20]。