室內定位發展趨勢分析

​ 研究生階段第一個項目就是室內藍牙定位，特此分析一下現在國內外專家研究室內導航定位方法和技術進行的探索研究。英國劍橋大學提出了基於紅外的Active Badge室內定位系統、美國的蘋果公司開發了基於無線局域網的iBeacon室內定位系統、微軟研發了基於接收信號強度指示的RADAR室內定位系統、香港科技大學提出了基於射頻識別的LANDMARC定位系統以及北京郵電大學主導提出了「尋鹿」室內定位系統等。室內定位從技術角度可以採用WIFI、藍牙、蜂窩網絡、超寬帶、超聲波、雷達、地磁指紋和僞衛星定位等實現室內人員導航和對室內人、物的定位、跟蹤。從室內定位原理出發可以將室內定位技術分爲五類：

• 無線信號交匯定位導航

• 數據庫匹配定位導航

• 基於慣性傳感器的航跡推算定位導航

• 視覺定位導航

• 多傳感器組合定位導航

  下文將分別從上述五個分類對室內定位的相關方法、原理、技術應用以及現狀進行介紹

分析。

無線信號交匯定位

原理及方法

• 信號到達時間

​ TOA（Time of Arrival）是在已知信號傳播速度（如光速、超聲波等）的基礎上，通過測量信號從發送端到接收端的時間，從而計算髮送端到接收端的相對距離，再根據發送端的實際位置，來確定接收端在世界座標系上的位置。

TOA定位原理簡單且定位精度高，但要求發送端和接收端必須有精準的時鐘同步，這對硬件要求很高。該方法至少需要三個基站，才能計算目標的位置，其定位示意圖如圖所示。

三個基站測得與MS的距離分別是 $r_1,r_2,r_3$r1​,r2​,r3​ 以各自基站爲圓心測量距離爲半徑，繪製三個圓，其交點即爲MS的位置。一般可以根據最小二乘算法計算MS 的估計位置，假設MS的位置座標爲(x,y),N個BS的位置座標爲 $(x_i,y_i)$(xi​,yi​),根據其幾何意義，則他們之間滿足的關係是
$(x_i - x)^2+(y - y_i)^2 = r_i^2 ，i=1，2，...，N$(xi​−x)2+(y−yi​)2=ri2​，i=1，2，...，N
將公式展開，化簡得到
$x_i^2+y_i^2+x^2+y^2-2x_ix-2y_iy=r_i^2$xi2​+yi2​+x2+y2−2xi​x−2yi​y=ri2​

$\implies K_i=x_i^2+y_i^2,R=x^2+y^2$⟹Ki​=xi2​+yi2​,R=x2+y2

$\implies r_i^2-K_i=-2x_ix-2y_iy+R$⟹ri2​−Ki​=−2xi​x−2yi​y+R

$\implies \begin{bmatrix}r_1^2-K_1\\r_2^2-K_2\\.\\r_n^2-K_n\end{bmatrix}=\begin{bmatrix}-2x_1&-2y_1&1\\-2x_2&-2y_2&1\\.\\-2x_n&-2y_n&1\end{bmatrix}\begin{bmatrix}x\\y\\R\end{bmatrix}$⟹⎣⎢⎢⎡​r12​−K1​r22​−K2​.rn2​−Kn​​⎦⎥⎥⎤​=⎣⎢⎢⎡​−2x1​−2x2​.−2xn​​−2y1​−2y2​−2yn​​111​⎦⎥⎥⎤​⎣⎡​xyR​⎦⎤​

$\implies Y=AX$⟹Y=AX

我們要求得座標(x,y)，即求得X，利用最小二乘法可得
$X=(A^TA)^-1(A^TY)$X=(ATA)−1(ATY)

• 信號到達時間差

TDOA(Time Diffrence of Arrival)是在發送端發送兩種不同頻率的信號（如：超聲波和RF），利用兩種信號在空氣中的傳播速度間的差異，分別測量兩種信號到達接收端的時間，從而利用時間差來計算距離，TDOA測量精度可達釐米級別，並且不要求發送端和接收端時鐘同步。

• 信號到達角

AOA(Angel of Arrival)的基本原理是錨節點發出較窄的旋轉波束，在定位節點測量傳播方向和夾角，計算出發送端兩條信號線路間的交點位置，從而獲取接收端的位置信息。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，並且AOA在非視距環境中會因爲多徑效應出現誤判等情況。

• 信號接收強度

RSS（Recevied Signal Strength）是利用室內信道傳輸模型中路徑損耗和距離間的關係來計算髮送端和接收端之間的距離。RSS根據信號的傳播建立傳輸損耗模型，根據公式計算距離，但由於實際環境中存在各種干擾，因此會導致不同程度的定位偏差。

• 三邊定位法

三邊定位法是測量待測目標點T到三個不同一直線上的3個參考點R1、R2、R3的距離，利用三邊距離和參考點位置，根據公式來估計待測點位置，如圖所示。

三邊定位法藉助TOA、TDOA和AOA進行測量，有時也通過RSS和返回飛行時間進行測量。三邊定位法測量精度高，但是在非視距環境中信號會發生衰減、散射等，影響測量精度。

• 其他方法

除了上述介紹的方法，用於無線信號交匯定位的方法還有近鄰探測法、質心法、極點法、遮蔽法。它們各有優缺點，近鄰法探測成本低，但極度依賴於參考點位置信息，它不一定能得到待測目標的絕對位置信息，而是得到一個相對位置估計；質心法原理簡單，但其精度依賴於佈置信標的密度；極點法使用方便，但大多隻用於激光掃描；這筆發定位精度高，但設備成本高，不適合大面積部署，要實現高精度室內定位要根據室內具體情況，如面積、遮擋物是否較多以及應用的室內定位技術來選擇合適的方法進行室內定位。

典型應用技術及其研究進展

• 無線局域網

無線局域網以其部署成本低、無需額外設備以及定位精度相對較高等優點被廣泛用於室內定位中。兩種常用的基於WLAN的室內定位方法分別是基於RSSI距離交匯定位法和基於RSSI指紋定位法，前者在複雜環境下信號衰減嚴重；後者主要通過數據庫匹配定位，所以定位精度極度依賴於校準點密度。

RADAR是最早的WLAN室內定位系統之一，它同時使用上述兩種定位方法，在空曠的室內其精度可達2-3m。

芬蘭公司Ekahau開發的定位系統是目前非常受歡迎的WLAN室內定位系統之一，主要是基於RSSI的距離交匯定位法，能實現1-3m的定位精度。它比蜂窩網絡三角測量定位方法更精確。但是，如果定位的測算僅僅依賴於哪個Wi-Fi的接入點最近，而不是依賴於合成的信號強度圖，那麼在樓層定位上很容易出錯。目前，它應用於小範圍的室內定位，成本較低。但無論是用於室內還是室外定位，Wi-Fi收發器都只能覆蓋半徑90米以內的區域，而且很容易受到其他信號的干擾，從而影響其精度，定位器的能耗也較高。

近年來隨着機器學習的熱潮，不少學者將神經網絡與WLAN室內定位相結合，Nguyen Dinh-Van提出了一種基於原始數據平滑技術和集成分類神經網絡方法的WIFI指紋方法來進行室內低速車輛定位，實現2.25m的定位精度。Minh Tu Hoang 等人提出了基於遞歸神經網絡的 WiFi RSSI 指紋室內定位方法，不同於傳統的RNN解決方案，這裏針對軌跡定位並結合RSSI信號進行計算，其定位精度可達0.75m。

• 藍牙

藍牙部署成本低、安全性高，但系統穩定性比較差、易受到噪聲干擾，常和WIFI結合用於室內定位，常用的定位方法包括指紋定位、近鄰探測法和質心法。比較經典的是蘋果公司開發的低功耗藍牙定位技術-iBeacon，主要用於室內商場，其定位精度近距離可達0.5m-3m，遠距離可達3-30m，由我國北京郵電大學牽頭的「羲和」室內外高精度位置服務平臺其定位精度可達1-3m，基於羲和開發的室內導航「尋鹿」已經應用於國內主要城市機場。雖然藍牙的成本和功耗低但其穩定性較差，易受環境干擾。

• 紫蜂

ZigBee適用於短距離、低速率的情況，通過每個ZigBee節點間的相互協調通信來實現定位，其優點是功耗低、成本低，常用的定位方法包括近鄰探測法、質心定位法等。Zhe Dong提出的基於ZigBee的室內指紋識別定位方法，通過在定位區域中逐點手機RSSI數據，然後將其過濾並存儲入指紋數據庫，在定位階段採用面積加權K近鄰法，其定位精度可達1.5m。

• 蜂窩網絡

蜂窩定位主要依靠手機進行定位，通過測量用戶手機與多個基站的距離來實現，其功耗低、成本低，常用的定位方法包括TDOA和近鄰探測法。北美地區的E911系統是目前比較成熟的基於蜂窩的緊急電話定位技術，能通過無線信號實時追蹤用戶位置。Varshavsky等人提出了一種基於蜂窩網絡的室內定位方法，主要通過信號的RSSI來進行定位，其精度可達2-4m。

• 超寬帶

超寬帶技術通過納秒量級的短脈衝進行直接調製，實現信號帶寬在GHz量級上，具有穿透力強、抗多徑干擾、對信道衰落不敏感、功耗低、安全性高、信號速率高、通信容量大和定位精度高等優點。Ubisense公司於2011年提出了基於TDOA和AOA的UWB室內定位系統，在空曠的室內，其定位精度可達15cm，測距範圍達到50m。JosefBlazek提出的基於UWB的無源室內定位系統通過雙向測距和同步後在無遮擋的情況下，其定位精度可達0.5m。Dongchen Ni等提出了一種基於卡爾曼濾波和3-DTOA的UWB超寬帶定位系統，其定位精度可達5-10cm。雖然超寬帶優點衆多且能到達釐米級的定位精度但設備成本較爲昂貴，不太適合大面積部署，並且超寬帶信號會佔據很寬的頻帶，不可避免的會與現在已授權的頻帶業務衝突。

• 僞衛星室內定位

僞衛星定位技術的原理是將衛星信號引入室內，其定位精度很大程度上取決於接收機與僞衛星所構成的幾何圖形強度。模擬實驗研究表明，將 5 顆僞衛星的發射天線安裝在距地面 10m 的天花板上，待測目標環繞房間進行運動，得到其 RDOP 值爲 1.2～3.8，反映出很好的定位幾何圖形強度。對於 150m 長的隧道長進行模擬實驗，利用 6 顆僞衛星構成良好的幾何圖 形強度，可以實現 1～5cm 的水平定位精度。LOCATA 公司開發的 LocataNet 僞衛星定位系統，採用 TimeLoc 技術實現僞衛星間的時鐘同步，其定位精度可達釐米級別，完全適應港口精密定位和室內定位需求。但目前僞衛星定位技術尚存在一些未解決的問題，主要包括僞衛星與 GNSS 衛星時間同步、信號傳播過程中的多徑衰落。

• 射頻識別

RFID 利用射頻方式進行非接觸式雙向通信，其作用距離短，但它可以在幾毫秒內達到釐米級別的定位精度，且傳輸範圍大，成本較低，目前已廣泛應用於倉庫管理中，但 RFID 適用距離短，很難建立好的傳播模型同時存在信息安全問題。LANDMARC 是使用 RFID 確定室內位置的開創性系統，該系統通過在目標物上放置有源 RFID 標籤，在固定位置讀取器記錄信號強度，最後使用 KNN 計算處目標位置，該系統精度可達到 1m。超高頻 RFID 因有較遠的讀寫距離，在現階段受到廣泛關注，Andrea Motroni提出了基於相位的 UHF-RFID 無源標籤室內定位法，其成本低、易部署、可減少定位漂移，同時精度能夠達到20cm。

• 其他技術

基於無線信號交匯定位的技術還有超聲波、雷達、紅外、智能 LED 燈等，超聲波定位通過測量超聲波從發送端到接收端的時間來確定待測目標的位置，其定位精度高，抗干擾能力強，但大面積部署成本很高。雷達室內定位技術採用調頻連續波進行定位，雷達定位不存在模糊距離的現象，且能夠實現 10cm 的定位精度。紅外室內定位是通過測量目標物體發出的紅外線來確定其方位，較爲經典的紅外線室內定位系統有 Olivetti 實驗室研究的 Active Badge 系統，但紅外定位技術傳輸距離短、無非視距傳輸性和功耗較大。智能燈 LED 技術通過攝像頭接收、識別 LED 燈光信號，進行身份解析並通過數據庫匹配完成定位，定位精度可達分米級別，但其需要大量智能 LED 燈，成本較高。

數據庫匹配定位

數據庫匹配定位是通過室內現場採集的信號與數據庫內的信息進行匹配，來進行位置估計。基於數據庫匹配定位的常用技術有地磁指紋技術和指紋定位技術。

地磁定位

地磁定位是利用磁場對室內鋼筋結構的磁場異常作爲位置信息匹配的參考特徵，通過粒子濾波等算法估計目標的位置信息。目前學者對地磁定位進行了研究，Jing Xue提出了一種基於同倫算法的地磁定位方法，分別激勵三個正交線圈以產生磁場，並將三軸磁通門傳感器安裝在目標上，然後選擇同倫算法來求解磁場的非線性方程，該算法降低了算法時間複雜度，一次運行不超過1秒，最大定位誤差爲4m。YuanyiChen提出了基於學習序列的地磁指紋定位系統，通過設計基於序列的新型指紋，它可以有效地處理原始MFS序列的局部失真和移位，然後利用訓練分類模型來估計測試樣本的未知位置，其定位誤差爲2.5-4m。芬蘭奧盧大學開A的IndoorAtlas室內定位系統，能夠實現0.1-2m的定位精度，但是由於磁場定位完全依賴於磁場的特性，而室內磁場環境容易被幹擾導致誤匹配，影響定位結果。

指紋定位

指紋定位是利用每個位置信道的多徑結構的唯一性，將其作爲每個位置的指紋，通過實際過去到的指紋信息與數據庫中的指紋進行匹配，實現目標定位，指紋定位一般分爲離線勘測和在線定位兩個階段，離線勘測主要通過採集大量包含多徑結構的信號建立指紋數據庫，在線定位主要是採用匹配算法對待測點指紋信號與數據庫中指紋進行匹配，獲得目標位置估計。近點的指紋定位系統有微軟公司推出的RADAR系統，主要基於RSSI距離交匯定位法和基於RSSI指紋定位法實現，其定位精度可達2-3m。XuHan等人提出了基於KNN的指紋定位算法，可以有效地提高定位精度。Xiaoyu Sun等人提出了基於深度卷積神經網絡的指紋定位系統，提出角延遲信道幅度矩陣指紋提取方法和DCNN的定位方法，實現高精度和實時定位。指紋定位無需參考點，定位精度高，但需要建立大量的離線指紋庫，不適用於大場景中。

慣導航跡推算定位

慣導航跡推算定位是利用加速度計、陀螺儀和磁力計等慣性傳感器測量方向和距離，根據一定桂策估計目標的位置。由於慣導航跡推算的方向估計中的細小誤差都會導致位置估計中的大誤差，因此慣導航跡腿粗安常常和其他技術一起使用，以實現精確導航。Meng-Shiuan Pan等人提出了基於慣導航跡推算的定位系統ezNavi，該系統利用慣性傳感器推算用戶軌跡，然後根據用戶軌跡信息生成室內路徑和標記點，實現室內定位。Hongyu Zhao等人提出了基於智能手機慣導的室內行人航位推算系統，具體的通過將慣性數據與僅一部分精確且可用的磁力計數據融合，改進梯度下降算法以減少航向漂移，然後進行步幅檢測估計，實現絕對定位誤差爲 1.57±0.95 m，最大、最小和平均相對位置誤差分別爲 1.60％，0.06％和0.92％。IA Chistiakov等人提出了雙腳慣性傳感器行人航跡推算系統，通過在雙腳上安裝不同的 IMU，一個 IMU 用於測量計算估計，另一個用來校正誤差，根據兩個 IMU 的有關初始和最終位置的信息、速度的僞觀測，來計算兩條腿的平滑軌跡，然後構造一條廣義軌跡，實現室內行人定位導航。但目前由於手機中的加速度計誤差較大同時存在零點漂移，因此部署在手機上的行人航跡推算可以結合步長和角度實現更高精度的定位。

視覺定位

隨着計算機視覺的發展，視覺定位逐漸成爲炙手可熱的研究方向，視覺定位常用於室內機器人定位，定位方式多種多樣，包括基於單目相機定位、雙目相機定位以及RGB-D相機定位。單目相機室內定位成本低、原理簡單但只能獲取二維信息，定位精度低，雙目視覺定位精度高，可以獲取三維信息，但計算複雜度較高，RGB-D相機能獲得很好的三位信息且不受光線約束，但RGB-D相機測距範圍僅爲0.8-3.5m,不適合大場景下定位。Yi Xia等人提出了一種使用手持攝像機捕獲的圖像的簡單可視室內定位方法，複雜室內環境下，其平均定位時間不超過2s，定位誤差在1.2m以內。Jiang Dong等人提出了基於手機的視覺室內導航系統ViNav，它應用動態結構技術從衆多圖像中重建室內環境的3D模型，在3D模型中定位興趣點，並編譯導航網格以進行路徑查找，在複雜商場環境可以實現2s定位且定位誤差小於1m。Xingli Gam等人提出了基於深度學習的雙目視覺定位系統，靜態測試的室內水平誤差爲74mm，動態測試的室內水平定位誤差小於250mm。

組合室內導航

由於室內環境的複雜性通常採用單一技術手段實現室內定位通常會出現精度不足、受場景約束等情況，因此進行多種技術組合導航定位能夠彌補單一技術的不足，大大提高室內定位精度。常用的室內組合定位包括慣導輔助超寬帶、慣導輔助視覺、MEMS傳感器輔助WIFI、地磁融合視覺等。在我們開發的智慧標識導航系統小程序中，採用的是慣導輔助藍牙信標定位的方法，一方面通過手機採集提前佈置好的iBeacon藍牙信標進行定位校正和大距離的移動，另一方面通過手機自帶的加速度傳感器和陀螺儀來確定移動方向和進行小距離的移動，兩者相結合纔可以實現較爲流暢的導航效果。

總結

總的來說，我們的智慧標識室內導航系統還是基於無線信號交匯定位，通過使用藍牙技術，在衆多的ibeacon藍牙點當中尋找到最強RSSI的藍牙信標，從而確定位置，這其中涉及到藍牙信號干擾、藍牙定位偏移的衆多問題，而且我們的藍牙定位都是在前臺計算完成，這限制了它的計算能力和精準度，後期會考慮結合數據庫匹配定位，後臺加入提前採集的指紋庫信息，將實地定位和數據庫匹配相結合。

實現室內定位的技術有很多種類，他們各有優缺點，對其進行總結如表所示：

通過對比分析，我們發現室內定位技術仍面臨許多挑戰，主要包括：

• 成本和複雜性高，如紅外、超聲波等都需要配套的硬件設施才能實現定位導航，限制了室內定位的普及；
• 對動態環境適應性差，一些人或者物體的移動會影響到定位精度；
• 續航能力差，對於WIFI、藍牙、視覺、慣導等可集成在只能手機上的定位技術，通常開啓定位對電池消耗很快，不能長時間持續定位。
• 在非視距情況下易受多徑干擾；
• 複雜室內場景定位精度相對較低；
• 可擴展性差，如某些技術如紅外、藍牙等只適用於近距離，對遠距離需求無能爲力。隨着室內定位的不斷髮展，相信在未來這些不足都將會改善。

因此，我們隊未來只會城市建設中的室內定位的發展趨勢進行展望：

• 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；
• 實現設備功耗低；
• 實現兼容、易集成、易擴展；
• 降低成本和技術門檻；
• 對運動的人和物進行精細積分算法；
• 室內定位和人工智能相結合發展。