基于無線數據的高精度超寬帶定位方法綜述

李英明， 任升蓮， 陳義華， 劉建敏， 張 妍， 李加好

(合肥工業大學 資源與環境工程學院，安徽 合肥 230009)

近年來，隨著大數據信息時代的發展，各種各樣的“智慧+”理念層出不窮，如智慧社區、智慧停車場等，它們的運行和服務需要建立在精確的室內導航基礎上。因此高精度的室內定位技術越來越受到重視，其定位的精度要求也越來越高。高精度的室內定位技術是以超寬帶(Ultra Wideband，UWB)、WiFi、藍牙等無線定位信號為基礎，輔以其他融合算法、追蹤技術的綜合技術，如紫峰(ZigBee)技術結合最小二乘法[1]、藍牙技術結合數據庫算法[2]等。而在這些無線信號之中，UWB技術由于其自身數據傳輸速率高、功耗小、能效高、穿透力強和精度高等特點，在高精度應用領域(如智慧養老[3]、礦井人員精確定位[4-5]等)具有明顯的優越性，且UWB技術可結合Chan算法[6]、神經網絡算法[7-8]、Taylor算法[9]、卡爾曼濾波算法[10-11]、慣導算法[12]等進一步提高定位精度，是目前高精度室內定位系統應用最廣泛的技術之一。但在該領域大多數學者將研究重心放在了算法優化和其他具體應用上，對于UWB定位技術的方法和相關的硬件設施的總結性敘述較少，因此本文根據國內外文獻和最新產品性能指標，從目前主要應用的室內定位技術、基于UWB技術的室內定位方法和優化算法以及目前國內外市場上較為成熟的UWB硬件設施及相應平臺軟件3個角度對基于無線數據的高精度UWB室內定位技術進行了綜合論述，探討未來UWB室內定位方法和定位技術在高精度室內定位系統中的發展方向，并發表了自己的見解。

1 室內定位技術分析

隨著智能化社會的到來，各個領域的“智慧+”理念逐漸興起。如 “智慧養老”是指借助物聯網、可穿戴技術與移動技術等為老人提供實時、高效、智能的養老服務，而在這些理念之中高精度的室內定位數據是關鍵內容之一，沒有位置就沒有狀態，自然就沒有了服務。因此，以UWB、WiFi、藍牙等無線定位信號為基礎的高精度室內定位技術成為室內定位系統的主流技術方案。

1.1 無線連接定位

WiFi是通過IEEE802.11b協議把具有相應模塊功能的智能手機等終端連接起來組網的技術手段，是目前組建無線局域網的熱門技術，特點為覆蓋范圍廣、功耗高、成本低。WiFi技術的室內定位方法主要分為2種：一種是基于無線測距的室內定位算法；另外一種是基于接收信號強度指示(Received Signal Strength Indication，RSSI)指紋的室內定位算法。

基于無線測距的室內定位，由于建筑物內部的環境可能會引起信號衰減，信號會有一定的波動，從而使室內定位的精確度有所下降；基于RSSI指紋定位，需要前期不斷采集數據，構建精確的指紋數據庫，后將定位數據與優化后的數據庫進行匹配得到定位結果[13]。相較而言，位置指紋RSSI定位的準確度較高一些。Zhang等[14]提出了一種基于WiFi和改進的行人航位推算(Pedestrian Dead Reckoning，PDR)的多信息融合室內定位算法，并將融合算法的結果運用擴展卡爾曼濾波算法進行處理。實驗結果表明，與WiFi或PDR單個算法定位相比，該算法具有更高的精度和更好的穩定性，其平均定位誤差為0.57 m。

WiFi定位方法的優勢是：應用普及、速度快、應用范圍廣泛、成本低；劣勢是：功耗高，需要線下采集WiFi信息構建指紋庫，且數據需要長期維護，定位精度偏低等。

1.2 藍牙定位

藍牙定位是基于GPS信號的無線定位技術，它將接收的GPS數據處理后通過藍牙發送到手機、掌上電腦 (Personal Digital Assistant，PDA)、電腦等設備終端中，以輔助用戶定位。藍牙常和WiFi結合用于室內定位，常用的定位方法包括指紋定位法、近鄰探測法和質心法[15]。

藍牙定位在實際應用中通過改進算法可以在一定程度上提高精度，Wu等[16]為了解決礦井環境的不確定性和其他干擾因素引起的藍牙定位精度降低的問題，提出了一種基于藍牙定位信息的改進的RSSI校正定位算法。以廊道式礦井為實驗環境，實驗數據驗證了該方法能有效減小測距誤差，最小定位誤差為0.11 m，與一般加權三角質心定位法相比，其平均誤差較低,誤差減少約27%。

藍牙定位方法的優勢是：部署成本低、安全性高，覆蓋范圍1～50 m，功耗小、成本低；劣勢是：對于復雜的空間環境，藍牙定位系統的信號穩定性稍差，受噪聲信號干擾較大。

1.3 紅外線定位

紅外定位主要有2種技術實現方法：一種是將定位對象附上一個會發射紅外線的電子標簽，通過室內安放的多個紅外傳感器測量信號源的距離或角度，從而計算出定位對象所在的位置，這種方法在空曠的室內容易實現較高精度，可實現對紅外輻射源的被動定位；另一種方法是紅外織網，即通過多組發射器和接收器織成的紅外線網覆蓋待測空間，直接對運動目標進行定位。紅外線定位在空曠地區的覆蓋范圍在15 m左右，但是很容易被障礙物遮擋，傳輸距離也不長，因此需要大量密集部署傳感器，造成較高的硬件和施工成本。

Yuan等[17]針對被動二元熱釋電紅外傳感器跟蹤系統，提出了一種基于改進信用和動態剪枝算法的室內人體定位設計。利用小型靈活的精密紅外輻射計(Precision Infrared Radiometer，PIR)傳感器系統對改進的定位算法在多人跟蹤中的應用中進行了測試。仿真和實驗結果表明，該算法效果良好，單目標的平均定位誤差為0.37 m，多目標的最小平均定位誤差為0.48 m。

紅外線定位方法的優勢是：在空曠的室內容易實現較高精度，不需要定位對象攜帶任何終端或標簽，隱蔽性強；劣勢是：容易被障礙物遮擋，傳輸距離短，需要大量部署傳感器，成本非常高。此外紅外易受熱源、燈光等干擾，造成定位精度和準確度下降。

1.4 射頻識別技術

射頻識別(Radio Frequency Identification，RFID)技術，又稱無線射頻識別，是一種通信技術，俗稱電子標簽，其利用射頻方式進行非接觸式雙向通信。

Liu等[18]提出一種基于螢火蟲群優化(Glowworm Swarm Optimization，GSO)與半監督在線順序極限學習機(Semi-supervised Online Sequential-Extreme Learning Machine,SOS-ELM)融合的RFID定位算法，稱為GSOS-ELM算法。該算法通過GSO算法自動調整SOS-ELM算法的正則化權重，從而可以在不同的初始條件下快速獲得最佳正則化權重，實驗結果證明其具有更高的精度，靜態平均定位誤差為0.4302 m，動態平均定位誤差為0.4851 m。

RFID定位方法的優勢是：可以在幾ms內得到厘米級定位精度的信息，且傳輸范圍大，成本、功耗較低；劣勢是：較易受到多徑效應、衍射的影響而降低精度,適用距離短，傳播模型建立難度較大[19],存在用戶隱私保護安全隱患[15]。

1.5 超聲波定位

超聲波自動定位儀是利用超聲波的空間傳播特性，來確定目標的具體位置。將超聲波發生器置于被定位的目標上，該發生器向周圍按照一定的時間間隔發送超聲波脈沖，在周圍3個固定位置上分別接收超聲波發射裝置發出來的脈沖信號，由于超聲波在空間傳送速度相對較慢，所以通過比較3個接收裝置收到信號的時間，可以反演出超聲波發生器的具體位置，也就是被定位目標的位置，當目標移動的時候，可以通過不間斷測量，得到目標的運動軌跡。

目前超聲波定位技術的指標有定位精度、響應速度、定位范圍等。大多數定位誤差在10 cm之內，定位距離最遠可達210 m。Zhang等[20]提出了一種多自由度(Multi-Degree of Freedom)超聲定位系統，可以有效地從移動的AGV的超聲波發射裝置接收所有信號。該方法的平均定位誤差為3.2 cm，極大地提高了測量精度。

超聲波定位方法的優勢是：定位精度較高，可達到厘米級，且結構簡單；劣勢是：超聲波受多徑效應和非視距傳播影響很大，且超聲波頻率易受多普勒效應和溫度影響從而降低定位精度，同時也需要大量基礎硬件設施，成本極高。

1.6 ZigBee定位

ZigBee技術是一種近距離、低復雜度、低功耗、低速率、低成本的雙向無線通信技術。主要用于距離短、功耗低且傳輸速率不高的各種電子設備之間的數據傳輸以及典型的有周期性數據、間歇性數據和低反應時間數據傳輸的應用。常用的定位方法包括近鄰探測法、質心定位法等。該技術有效覆蓋范圍在100 m以內，其功耗和成本較低，精度一般為3～5 m。

Dong等[21]提出了一種基于RSSI的無線ZigBee傳感器網絡。模塊CC2431用作設計ZigBee節點的核心芯片，這些ZigBee節點用于形成ZigBee定位網絡。現場測試實驗表明，該方法可用于較低定位精度要求的情況，不需要額外的硬件和軟件，并且易于實現，定位誤差一般為3～5 m。

ZigBee定位方法的優勢是：低功耗，對存儲和計算能力的要求較低，延時短，網絡容量大，數據安全；劣勢是：硬件成本高，通信穩定性容易受到影響，應用場景受限。

1.7 其他技術及對比匯總

基于無線信號交匯定位技術除了上述定位技術以外，還有地磁場定位、慣性傳感器定位、LED可見光定位、計算機視覺定位等技術。地磁場定位方法不需要借助其他器械，算法簡單易實現，有自我糾偏的功能，誤差不會累計；但事先要采集數據建立磁場分布圖，剛開始定位時，若地圖較大，需要花較長時間來匹配地圖，匹配時間較長，有一定概率匹配失敗(依賴于算法的效率和復雜度)，而且磁場也會受到大型移動鐵塊(車輛)的干擾。慣性傳感器定位方法不依賴任何外部信息，抗噪性強、數據更新快、穩定性好；但由于導航信息經過積累產生，定位誤差隨時間而增大，長期精度低，每次使用之前需初始校準，設備性能依賴性強。LED可見光定位方法動態范圍大，能夠實現較高速率的通信；但圖像處理耗時較長，實時性較差。上述室內定位技術性能對比如表1所示。

表1對上述室內定位技術的定位精度、覆蓋范圍、技術實現場景以及是否需要專有設備等優缺點進行了對比與匯總。經過多方面因素數據的比較，用戶可根據其應用方向做初步的定位方案選擇，如WiFi定位、藍牙定位由于自身成本低、安裝便利等特點適合用于精度要求不高的室內定位環境；而UWB技術具有穿透力強、抗多徑效果好、安全性高、定位精度高等特點，更適用于本文提出的高精度室內定位系統的構建，以下對UWB技術進行梳理和總結。

表1 室內定位技術性能對比

2 UWB室內定位方法

UWB技術是一種無載波通信技術，利用ns～μs級的非正弦波超窄脈沖傳輸數據，擴大通信帶寬。其主要應用方法有信號到達時間法、信號到達時間差法、信號到達角度法、信號接收強度法、指紋定位方法等。

2.1 信號到達時間法

這是目前基于UWB的室內定位方法中最為常用的方法，信號到達時間法(Time of Arrival，TOA) 定位原理簡單且定位精度高，其核心在于測量節點間信號的飛行時間，而UWB模塊所發射的信號為脈沖電磁波，其速度為光速，因此只要保證兩個節點間的時間顯示器同步，根據信號傳送的時間便可得到兩個節點之間的距離。但要求發送端和接收端必須保持精準的時鐘同步，這對硬件要求相當高。實際應用中基本上都是數據通過基站發送給標簽，由標簽返回數據給基站，基站記錄收發數據的時間差，時間差乘光速除以2，得到當前基站到標簽的距離。即

(1)

式中：d為測算的距離；ttra為信號在傳輸過程中所用的時間；c為光速；ttot為信號從發射到接收的總時間；tpro為基站處理信號的時間(由于硬件設施自身性能的影響，可能某些基站處理信號所需的時間不能忽略)。

一般情況下，一對一測距可分為兩種形式：單邊雙向測距(Single-Sided Two-Way Ranging，SS-TWR)和雙邊雙向測距(Double-Sided Two-Way Ranging，DS-TWR)，前者操作較為簡單，成本較低；后者無需基站之間的時鐘同步，且受時鐘漂移影響較小，精度較高[22]。3個以上的定位基站就可以定位標簽，比如三基站利用3個圓交于一點進行標簽定位如圖1所示，或者四基站時利用矩形分布對角線交點進行標簽定位如圖2所示。圖中R1～R4為基站，d1～d4為各個基站到標簽的距離。

圖1 三基站定位圖

圖2 四基站定位圖

2.2 信號到達時間差法

TOA方法要求標簽和基站的時間要具有精準的同步性，這對于系統硬件設施的要求相應提高。針對標簽和基站之間的時鐘無法做到精確同步甚至近似同步的情況，采用信號到達時間差法(Time Difference of Arrival，TDOA)可以極大地提高系統的精度，該方法只需要基站之間進行時間同步，因為基站的位置是固定的，基站之間進行時間同步比基站和移動終端之間進行時間同步要更加容易實現。根據其原理目前有3種應用方式。

① 系統中的信號發射端發射兩種頻率不同的信號(如UWB、超聲波)，因為它們在傳播過程中的傳輸速度不一，因此通過計算到達接收端的時間差結合傳輸速度便可計算距離。

② 首先運用TOA方法計算UWB標簽到n個定位基站(Base Station，BS)BS1、BS2，…，BSn之間的距離分別為d1、d2,…,dn，則計算公式如下。

…

(2)

式中：(x，y)為定位標簽的坐標；(xn，yn)為各個基站的坐標；dn為運用TOA方法計算的各基站與定位標簽之間的距離。然后根據上述的公式所得到的距離差繪制雙曲線，2對以上的雙曲線的交點處(有時可能會有多個交點，此時需要結合實際情況進行判定)即為待定位標簽的位置，TDOA定位示意圖如圖3所示。

圖3 TDOA定位示意圖

圖中BS1、BS2、BS3為3個基站的位置，通過繪制雙曲線得到交點L1、L2，根據之前TOA定位結果可排除L1，因此初步確定L2處即為待定位標簽的位置。

③ 將接收站信息通過服務器進行數據對比，并結合基站參數運算處理。但該方法巨大的計算量對于系統的運行壓力較大，因此在實際應用中較為少見。

但不管何種應用方式，TDOA運用的都是相對時間，只要求各個基站之間的時鐘同步即可，如此便極大地降低了系統對于時間同步的要求，同時也使得硬件電路變得相對簡單，因此其應用也較為廣泛。王桂杰等[23]借助TDOA的定位模型，著重分析了最小二乘法在求解三維定位坐標時精度誤差產生的主要原因，提出了基于最小二乘法的定位優化算法。通過對實驗結果進行分析，發現優化后的定位精度明顯提高且定位效果穩定，平均定位誤差為0.279 m，精度提升68.9%，穩定性提升52.9%。

2.3 信號到達角度法

信號到達角度法(Angle of Arrival，AOA)主要是通過測量信號移動臺和基站之間的到達角度來估計標簽的位置，在二維平面之中至少需要測出2個基站的數據才能定位1個標簽，以基站為起點形成的射線必經過移動臺，2條射線的交點即為理論上標簽的位置。該方法只需2個基站就可以確定標簽(Location Tag，LT)的估計位置，AOA方法定位圖如圖4所示。

圖4 AOA方法定位圖

如圖4所示，基站與定位標簽LT構成一個三角形，基站BS1、BS2與LT之間的連線與BS1和BS2之間的連線的夾角分別為θ1和θ2。設BS1、BS2在坐標系中的坐標分別為(x1,y1)、(x2,y2);LT的坐標設為(x,y);則通過下面的公式即可計算出LT在平面中的定位坐標(x,y)。

(3)

AOA 的計算方式簡單，但是發送端必須配備有向天線或天線陣列，該方法成本較高，這與價格較為便宜的UWB收發信號機相比可能無法接受，并且 AOA 在非視距環境中會因多徑效應出現誤判等情況，因此目前該方法在實際操作中應用較少。針對這個問題，Sun等[24]提出的基于AOA和TOA方法的5G與全球導航衛星系統(Global Navigation Satellite System，GNSS)聯合定位方案是通過在原始估計位置執行平均移動操作來進一步降低噪音的影響，從而可以避免在TOA/TDOA方法中因時間無法精確同步問題而產生的誤差，進而提升了聯合定位系統的精確性和魯棒性，因此AOA未來還有很大的應用前景。

2.4 信號接收強度法

大多數的信號在傳輸過程中都會出現損耗的情況，而信號接收強度法(Received Signal Strength,RSS)就是基于這一點，通過對傳輸過程中的損耗量建立數據模型來計算傳輸距離，具體是檢測基站接收到的信號場強值，根據無線信號在自由空間的衰落模型和標簽處信號的場強值來確定待定位目標與已知定位目標之間的關系進而確定定位位置。

在進行場強測量時，往往設置一個參考點，預先測出其信號強度，再根據衰落模型計算距離值。無線信號傳播的信道模型為

(4)

式中:d為發射點與接收點的實際距離；d0為發射點與參考點的實際距離；PL0與PL(d)分別為參考點和接收點的信號強度；β為信道衰減因子；xδ為加性高斯白噪聲，是一個滿足正態分布的高斯隨機變量。

二維定位下的RSS方法至少需要3個基站的RSS數據，可通過運用TOA方法中的三基站定位圓來確定目標位置，RSS方法雖然比較簡單而且不需要同步信息但由于實際環境中存在如多徑效應、非視距傳播和天線增益等多種因素的干擾，從而會產生不同程度的誤差，精度較低，因此在實際生活中對于精度有較高要求的場景中應用較少。對此Ademuwagun[25]提出了一種創新的RSS距離合理化算法來定位室內環境中的物體，并將該算法與簡單移動平均(Simple Moving Average，SMA)算法進行了比較。對結果進行分析可知，該算法能更好地修正RSS，從而提高室內環境下的定位精度。

2.5 指紋定位方法

指紋定位算法(FingerPrint Location，FPL)是基于環境中的信號在不同位置反射和折射所形成的不同的信號強度信息而提出的一種算法。該方法的主要步驟如下。

(1) 建立指紋數據庫。

① 收集指紋點。在合適的工作區域中，選擇若干地點放置錨點，以從各個錨點接收到的基于TOA方法的測距信息記在一組數據庫中，并且盡可能多地設立采樣點，記錄采樣點到各個錨點的距離。

② 構建數據庫。將m個采樣點與n個錨點之間的距離寫成矩陣的形式建立數據庫L，則

(5)

式中：dmn為第m個采樣點到第n個錨點間的距離；(dm1，dm2，…，dmn)為第m個采樣點的指紋值。

③ 優化數據庫。該步驟的目的是減少工作量并提高算法效率和定位精度，具體方法為在每個采樣點和錨點之間多次測量取平均值，再將每個測距值與平均值之間作差，將差值較小的前80%個數據取平均值作為優化后的指紋值。

(2) 在線數據匹配。

該步驟是運用最近鄰算法(Nearest Neighbor，NN)、K最近鄰算法(K-Nearest Neighbor，KNN)以及權重K最近鄰算法(Weight-K-Nearest Neighbor，WKNN)進行在線匹配[26]。

① NN算法，即基于類比學習的匹配算法。實際過程中在線測量的定位數據稱為定位指紋，先前操作過程中儲存在數據庫中的定位數據稱為位置指紋，計算定位指紋和位置指紋的歐幾里得距離，將距離最近的那個位置指紋定為估計位置。因此該算法的精度與離線采樣的密度具有較大相關性。

② KNN算法。它是NN算法的改進，其原理是選出k個與待測點最鄰近(即歐氏距離D最小)的位置指紋，對這k個指紋求平均值，得到的新的指紋視為定位指紋的估計位置，公式為

(6)

該算法相較于NN算法精度有所提高，但也提高了復雜度，其次由于離線數據庫中相似指紋的影響，可能產生較大誤差。

③ WKNN算法。它是KNN算法的改進，根據每個指紋對定位的貢獻不同，對k個指紋賦予不同的權重系數，公式為

(7)

式中：Di為待測定位指紋與第i個鄰近點間的歐式距離；n為歸一化后的權重系數；ε為一個較小的正常數，以避免分母為0。

由式(7)得到的權重系數與兩點之間的歐氏距離成反比，該方法顯著地提高了定位精度。Zeng等[27]指出建立和優化指紋定位數據庫的關鍵在于選擇合適的無線接入點(Access Point，AP)。并在信息論的角度下分析了AP選擇性能的上限，給出了它的數學表達式，為指紋定位設定了一種新型的AP選擇模式，該模式綜合考慮了信號的時變性以及復雜度成本。實驗結果表明，與傳統的層次分析法(Analytic Hierarchy Process，AHP)算法相比，AP選擇算法模型的定位精度提高了47%。

除此以外，指紋定位算法還可與其他算法結合進而提升定位精度，如Chen等[28]提出了一種無基站特殊算法來借助指紋測算基于RSS的距離關系，該算法相對于具有廣泛適用性和簡易操作性的SMA算法來說較好地改進了RSS方法。評估結果表明，該跟蹤方法在室內環境下僅需稀疏的RSS指紋就能達到5 m的高精度(最高可達95%)。

2.6 定位方法對比匯總

除上述5種方法以外還有鄰近探測法[29]、極點法、航位推算法[30]等。而在這些方法中，AOA、TOA和TDOA方法用的最多，室內定位技術方法對比如表2所示。

通過上文對UWB室內定位方法原理及表2中對其在測距方式、定位精度等方面數據的比較，用戶可根據自己的相關需求選擇合適的定位方法。然而確定了定位方法之后需要依靠具體的硬件設施和軟件來進行功能實現，因此接下來對UWB室內定位硬件設施進行總結。

表2 室內定位技術方法對比

3 超寬帶室內定位硬件設施

目前隨著UWB定位技術逐漸成為室內定位的主流技術，國內外許多生產UWB定位產品的企業的競爭更加激烈，如英國Ubisense、美國Zebra、愛爾蘭DecaWave (DW1000芯片)、荷蘭NXP等企業，國內的恒高、唐恩科技、精位科技等企業。目前市場上提供的室內定位硬件設施主要可以分為2類：一類是芯片或開發板產品，如DecaWave公司的DWM1000、DWM1001，清華訊科公司的TSG5162和南京沃旭公司的UM221；另一類是完整系統產品，如Ubisense、Zebra 公司的Dart、成都恒高公司的EH100602等。

表3為目前市面上應用較多的幾款主流產品在測距精度、測距范圍、通信接口、開發方式以及價格5個方面的對比匯總。

從表3的性能數據來看，目前國內外大多數UWB室內定位產品的精度在10～30 cm之間，且大部分需要特定的、與之匹配的平臺軟件對硬件產品進行操作和開發從而實現系統的定位要求。從價格來看，芯片和開發板類的產品在幾十到幾百元不等，且大多數是標簽基站一體化；而完整系統產品之中，標簽和基站分別為幾百和幾千元不等，有些系統還需要其他設施。從應用角度來看，芯片和開發板類的產品較適合用來進行科學研發，若要實際應用還需要跟其他產品進行集成，難度較大；而完整系統產品只需與相關企業進行訂購并由其進行安裝便可使用。

表3 UWB室內定位硬件性能及價格表

除上述企業產品以外，目前市場上的企業還有國外的美國Time domain、法國BeSpoon、荷蘭恩智浦，以及國內的成都精位科技、中海達(鄭州聯睿電子)、廣州浩云科技、南京唐恩科技、上海環旭電子、上海仁微電子、深圳金溢科技、杭州新華等企業。

4 結束語

從室內定位技術、UWB定位方法和UWB硬件設施3個角度對室內定位技術進行了分析和總結，針對以UWB技術為基礎的室內定位技術方法進行了綜合論述，對構建高精度室內定位系統有以下認識。

① 與其他定位技術相比，UWB技術具有穿透力強、抗多徑效果好、安全性高、系統復雜度低、定位精度高等特點。在一些要求高精度的定位工作如對煤礦人員位置和運動軌跡的信息監測或醫院中對貴重的醫護設施的保管應用上具有較大的優勢，更適用于筆者提出的高精度室內定位系統的構建。

② 與其他定位方法相比，TDOA方法具有定位精度高、可容納標簽數量多等特點，在構建高精度的UWB室內定位系統時可主要應用以TDOA或其與其他方法結合為原理的技術手段。

③ 與其他硬件設施相比，對于所要搭建的高精度的室內定位系統，若相關機構具有一定的開發能力且經費緊張，可以選擇DWM1000或DWM1001進行開發，搭建定位平臺；若不具有開發能力且經費充裕，可以選擇國產恒高EH100602系列產品搭配其配套軟件“恒跡云軟件”直接進行使用。

目前 UWB技術的應用需求主要有以下幾方面。

① 養老防護型室內定位系統——UWB+ EH100602。

將恒高EH100602鋪設在需要的室內環境中，為相關人員佩戴儀器或安裝標簽，依靠恒跡云軟件在總信息臺進行監管。一方面對醫院的患者(新生兒、殘疾患者、高齡老人等)的位置情況進行監管；另一方面對醫院內貴重儀器進行位置監控。

② 礦井下作業定位系統——UWB+ LED可見光定位+ UM221。

在礦井工作人員身上放置UM221設備，并在礦井之下鋪設LED可見光作為礦燈照明，借其功能輔助UWB進行定位，對井下人員位置情況進行監管，及時通知工作人員遠離危險區域。

除此以外UWB還有更多的應用方向，如工廠零件裝配、監獄人員監管等。而在未來大數據和人工智能的時代背景下，高精度的室內定位系統的發展方向應致力于以下幾個方面。

① 應將系統的數據集成化即標簽功能拓展。例如在養老防護應用中將老人心率、血壓、每天運動數據等指標加入其中，后臺可隨時掌握老人每一個細微波動，一旦發現老人相關生理指標異常，可進行及時干預，保障老人安全。

② 在保證精度的前提下降低成本。UWB室內定位系統需要基站、標簽、引擎、應用系統等若干組成部分，與WiFi、藍牙、RFID相比成本稍高，因此今后的研究應著力于改進算法，進而降低硬件成本。

③ 降低非視距(Non-Line of Sight，NLOS)環境的影響。現代的室內場景大多具有較多的設施和器材，如醫院、煤礦等。NLOS影響較為嚴重，尤其是對高精度的室內定位系統的影響較大，因此今后的研究應著力于通過改進算法和硬件方面，降低系統受NLOS環境的影響。

④ 開發融合算法。隨著不同技術之間實現兼容的可操作性越來越大，不同算法之間進行組合的融合算法必然具有更高的精度和更好的穩定性，因此多傳感器組合定位將是未來室內精確定位發展的重要方向之一。

不過隨著數字信息化時代的發展以及無線信號技術的進步，未來對于更高精度的室內定位需求必然更加迫切，因此以UWB技術為代表的室內定位技術在構建高精度室內定位系統方面具有較大的發展空間和潛力，并可結合人工智能等其他技術進一步發展，進而迎合時代的要求。