室内定位发展趋势分析

研究生阶段第一个项目就是室内蓝牙定位，特此分析一下现在国内外专家研究室内导航定位方法和技术进行的探索研究。英国剑桥大学提出了基于红外的Active Badge室内定位系统、美国的苹果公司开发了基于无线局域网的iBeacon室内定位系统、微软研发了基于接收信号强度指示的RADAR室内定位系统、香港科技大学提出了基于射频识别的LANDMARC定位系统以及北京邮电大学主导提出了“寻鹿”室内定位系统等。室内定位从技术角度可以采用WIFI、蓝牙、蜂窝网络、超宽带、超声波、雷达、地磁指纹和伪卫星定位等实现室内人员导航和对室内人、物的定位、跟踪。从室内定位原理出发可以将室内定位技术分为五类：

无线信号交汇定位导航
数据库匹配定位导航
基于惯性传感器的航迹推算定位导航
视觉定位导航
多传感器组合定位导航

下文将分别从上述五个分类对室内定位的相关方法、原理、技术应用以及现状进行介绍

分析。

无线信号交汇定位

原理及方法

信号到达时间

TOA（Time of Arrival）是在已知信号传播速度（如光速、超声波等）的基础上，通过测量信号从发送端到接收端的时间，从而计算发送端到接收端的相对距离，再根据发送端的实际位置，来确定接收端在世界坐标系上的位置。

TOA定位原理简单且定位精度高，但要求发送端和接收端必须有精准的时钟同步，这对硬件要求很高。该方法至少需要三个基站，才能计算目标的位置，其定位示意图如图所示。

在这里插入图片描述

三个基站测得与MS的距离分别是 $r_1,r_2,r_3$ 以各自基站为圆心测量距离为半径，绘制三个圆，其交点即为MS的位置。一般可以根据最小二乘算法计算MS 的估计位置，假设MS的位置坐标为(x,y),N个BS的位置坐标为 $(x_i,y_i)$ ,根据其几何意义，则他们之间满足的关系是
$(x_i - x)^2+(y - y_i)^2 = r_i^2 ，i=1，2，...，N$
将公式展开，化简得到
$x_i^2+y_i^2+x^2+y^2-2x_ix-2y_iy=r_i^2$

$\implies K_i=x_i^2+y_i^2,R=x^2+y^2$

$\implies r_i^2-K_i=-2x_ix-2y_iy+R$

$\implies \begin{bmatrix}r_1^2-K_1\\r_2^2-K_2\\.\\r_n^2-K_n\end{bmatrix}=\begin{bmatrix}-2x_1&-2y_1&1\\-2x_2&-2y_2&1\\.\\-2x_n&-2y_n&1\end{bmatrix}\begin{bmatrix}x\\y\\R\end{bmatrix}$

$\implies Y=AX$

我们要求得坐标(x,y)，即求得X，利用最小二乘法可得
$X=(A^TA)^-1(A^TY)$

信号到达时间差

TDOA(Time Diffrence of Arrival)是在发送端发送两种不同频率的信号（如：超声波和RF），利用两种信号在空气中的传播速度间的差异，分别测量两种信号到达接收端的时间，从而利用时间差来计算距离，TDOA测量精度可达厘米级别，并且不要求发送端和接收端时钟同步。

信号到达角

AOA(Angel of Arrival)的基本原理是锚节点发出较窄的旋转波束，在定位节点测量传播方向和夹角，计算出发送端两条信号线路间的交点位置，从而获取接收端的位置信息。AOA的计算方式简单，但是发送端必须配备有向天线或天线阵列，该方法成本较高，并且AOA在非视距环境中会因为多径效应出现误判等情况。

信号接收强度

RSS（Recevied Signal Strength）是利用室内信道传输模型中路径损耗和距离间的关系来计算发送端和接收端之间的距离。RSS根据信号的传播建立传输损耗模型，根据公式计算距离，但由于实际环境中存在各种干扰，因此会导致不同程度的定位偏差。

三边定位法

三边定位法是测量待测目标点T到三个不同一直线上的3个参考点R1、R2、R3的距离，利用三边距离和参考点位置，根据公式来估计待测点位置，如图所示。

在这里插入图片描述

三边定位法借助TOA、TDOA和AOA进行测量，有时也通过RSS和返回飞行时间进行测量。三边定位法测量精度高，但是在非视距环境中信号会发生衰减、散射等，影响测量精度。

其他方法

除了上述介绍的方法，用于无线信号交汇定位的方法还有近邻探测法、质心法、极点法、遮蔽法。它们各有优缺点，近邻法探测成本低，但极度依赖于参考点位置信息，它不一定能得到待测目标的绝对位置信息，而是得到一个相对位置估计；质心法原理简单，但其精度依赖于布置信标的密度；极点法使用方便，但大多只用于激光扫描；这笔发定位精度高，但设备成本高，不适合大面积部署，要实现高精度室内定位要根据室内具体情况，如面积、遮挡物是否较多以及应用的室内定位技术来选择合适的方法进行室内定位。

典型应用技术及其研究进展

无线局域网

无线局域网以其部署成本低、无需额外设备以及定位精度相对较高等优点被广泛用于室内定位中。两种常用的基于WLAN的室内定位方法分别是基于RSSI距离交汇定位法和基于RSSI指纹定位法，前者在复杂环境下信号衰减严重；后者主要通过数据库匹配定位，所以定位精度极度依赖于校准点密度。

RADAR是最早的WLAN室内定位系统之一，它同时使用上述两种定位方法，在空旷的室内其精度可达2-3m。

芬兰公司Ekahau开发的定位系统是目前非常受欢迎的WLAN室内定位系统之一，主要是基于RSSI的距离交汇定位法，能实现1-3m的定位精度。它比蜂窝网络三角测量定位方法更精确。但是，如果定位的测算仅仅依赖于哪个Wi-Fi的接入点最近，而不是依赖于合成的信号强度图，那么在楼层定位上很容易出错。目前，它应用于小范围的室内定位，成本较低。但无论是用于室内还是室外定位，Wi-Fi收发器都只能覆盖半径90米以内的区域，而且很容易受到其他信号的干扰，从而影响其精度，定位器的能耗也较高。

近年来随着机器学习的热潮，不少学者将神经网络与WLAN室内定位相结合，Nguyen Dinh-Van提出了一种基于原始数据平滑技术和集成分类神经网络方法的WIFI指纹方法来进行室内低速车辆定位，实现2.25m的定位精度。Minh Tu Hoang 等人提出了基于递归神经网络的 WiFi RSSI 指纹室内定位方法，不同于传统的RNN解决方案，这里针对轨迹定位并结合RSSI信号进行计算，其定位精度可达0.75m。

蓝牙

蓝牙部署成本低、安全性高，但系统稳定性比较差、易受到噪声干扰，常和WIFI结合用于室内定位，常用的定位方法包括指纹定位、近邻探测法和质心法。比较经典的是苹果公司开发的低功耗蓝牙定位技术-iBeacon，主要用于室内商场，其定位精度近距离可达0.5m-3m，远距离可达3-30m，由我国北京邮电大学牵头的“羲和”室内外高精度位置服务平台其定位精度可达1-3m，基于羲和开发的室内导航“寻鹿”已经应用于国内主要城市机场。虽然蓝牙的成本和功耗低但其稳定性较差，易受环境干扰。

紫蜂

ZigBee适用于短距离、低速率的情况，通过每个ZigBee节点间的相互协调通信来实现定位，其优点是功耗低、成本低，常用的定位方法包括近邻探测法、质心定位法等。Zhe Dong提出的基于ZigBee的室内指纹识别定位方法，通过在定位区域中逐点手机RSSI数据，然后将其过滤并存储入指纹数据库，在定位阶段采用面积加权K近邻法，其定位精度可达1.5m。

蜂窝网络

蜂窝定位主要依靠手机进行定位，通过测量用户手机与多个基站的距离来实现，其功耗低、成本低，常用的定位方法包括TDOA和近邻探测法。北美地区的E911系统是目前比较成熟的基于蜂窝的紧急电话定位技术，能通过无线信号实时追踪用户位置。Varshavsky等人提出了一种基于蜂窝网络的室内定位方法，主要通过信号的RSSI来进行定位，其精度可达2-4m。

超宽带

超宽带技术通过纳秒量级的短脉冲进行直接调制，实现信号带宽在GHz量级上，具有穿透力强、抗多径干扰、对信道衰落不敏感、功耗低、安全性高、信号速率高、通信容量大和定位精度高等优点。Ubisense公司于2011年提出了基于TDOA和AOA的UWB室内定位系统，在空旷的室内，其定位精度可达15cm，测距范围达到50m。JosefBlazek提出的基于UWB的无源室内定位系统通过双向测距和同步后在无遮挡的情况下，其定位精度可达0.5m。Dongchen Ni等提出了一种基于卡尔曼滤波和3-DTOA的UWB超宽带定位系统，其定位精度可达5-10cm。虽然超宽带优点众多且能到达厘米级的定位精度但设备成本较为昂贵，不太适合大面积部署，并且超宽带信号会占据很宽的频带，不可避免的会与现在已授权的频带业务冲突。

伪卫星室内定位

伪卫星定位技术的原理是将卫星信号引入室内，其定位精度很大程度上取决于接收机与伪卫星所构成的几何图形强度。模拟实验研究表明，将 5 颗伪卫星的发射天线安装在距地面 10m 的天花板上，待测目标环绕房间进行运动，得到其 RDOP 值为 1.2～3.8，反映出很好的定位几何图形强度。对于 150m 长的隧道长进行模拟实验，利用 6 颗伪卫星构成良好的几何图形强度，可以实现 1～5cm 的水平定位精度。LOCATA 公司开发的 LocataNet 伪卫星定位系统，采用 TimeLoc 技术实现伪卫星间的时钟同步，其定位精度可达厘米级别，完全适应港口精密定位和室内定位需求。但目前伪卫星定位技术尚存在一些未解决的问题，主要包括伪卫星与 GNSS 卫星时间同步、信号传播过程中的多径衰落。

射频识别

RFID 利用射频方式进行非接触式双向通信，其作用距离短，但它可以在几毫秒内达到厘米级别的定位精度，且传输范围大，成本较低，目前已广泛应用于仓库管理中，但 RFID 适用距离短，很难建立好的传播模型同时存在信息安全问题。LANDMARC 是使用 RFID 确定室内位置的开创性系统，该系统通过在目标物上放置有源 RFID 标签，在固定位置读取器记录信号强度，最后使用 KNN 计算处目标位置，该系统精度可达到 1m。超高频 RFID 因有较远的读写距离，在现阶段受到广泛关注，Andrea Motroni提出了基于相位的 UHF-RFID 无源标签室内定位法，其成本低、易部署、可减少定位漂移，同时精度能够达到20cm。

其他技术

基于无线信号交汇定位的技术还有超声波、雷达、红外、智能 LED 灯等，超声波定位通过测量超声波从发送端到接收端的时间来确定待测目标的位置，其定位精度高，抗干扰能力强，但大面积部署成本很高。雷达室内定位技术采用调频连续波进行定位，雷达定位不存在模糊距离的现象，且能够实现 10cm 的定位精度。红外室内定位是通过测量目标物体发出的红外线来确定其方位，较为经典的红外线室内定位系统有 Olivetti 实验室研究的 Active Badge 系统，但红外定位技术传输距离短、无非视距传输性和功耗较大。智能灯 LED 技术通过摄像头接收、识别 LED 灯光信号，进行身份解析并通过数据库匹配完成定位，定位精度可达分米级别，但其需要大量智能 LED 灯，成本较高。

数据库匹配定位

数据库匹配定位是通过室内现场采集的信号与数据库内的信息进行匹配，来进行位置估计。基于数据库匹配定位的常用技术有地磁指纹技术和指纹定位技术。

地磁定位

地磁定位是利用磁场对室内钢筋结构的磁场异常作为位置信息匹配的参考特征，通过粒子滤波等算法估计目标的位置信息。目前学者对地磁定位进行了研究，Jing Xue提出了一种基于同伦算法的地磁定位方法，分别激励三个正交线圈以产生磁场，并将三轴磁通门传感器安装在目标上，然后选择同伦算法来求解磁场的非线性方程，该算法降低了算法时间复杂度，一次运行不超过1秒，最大定位误差为4m。YuanyiChen提出了基于学习序列的地磁指纹定位系统，通过设计基于序列的新型指纹，它可以有效地处理原始MFS序列的局部失真和移位，然后利用训练分类模型来估计测试样本的未知位置，其定位误差为2.5-4m。芬兰奥卢大学开A的IndoorAtlas室内定位系统，能够实现0.1-2m的定位精度，但是由于磁场定位完全依赖于磁场的特性，而室内磁场环境容易被干扰导致误匹配，影响定位结果。

指纹定位

指纹定位是利用每个位置信道的多径结构的唯一性，将其作为每个位置的指纹，通过实际过去到的指纹信息与数据库中的指纹进行匹配，实现目标定位，指纹定位一般分为离线勘测和在线定位两个阶段，离线勘测主要通过采集大量包含多径结构的信号建立指纹数据库，在线定位主要是采用匹配算法对待测点指纹信号与数据库中指纹进行匹配，获得目标位置估计。近点的指纹定位系统有微软公司推出的RADAR系统，主要基于RSSI距离交汇定位法和基于RSSI指纹定位法实现，其定位精度可达2-3m。XuHan等人提出了基于KNN的指纹定位算法，可以有效地提高定位精度。Xiaoyu Sun等人提出了基于深度卷积神经网络的指纹定位系统，提出角延迟信道幅度矩阵指纹提取方法和DCNN的定位方法，实现高精度和实时定位。指纹定位无需参考点，定位精度高，但需要建立大量的离线指纹库，不适用于大场景中。

惯导航迹推算定位

惯导航迹推算定位是利用加速度计、陀螺仪和磁力计等惯性传感器测量方向和距离，根据一定桂策估计目标的位置。由于惯导航迹推算的方向估计中的细小误差都会导致位置估计中的大误差，因此惯导航迹腿粗安常常和其他技术一起使用，以实现精确导航。Meng-Shiuan Pan等人提出了基于惯导航迹推算的定位系统ezNavi，该系统利用惯性传感器推算用户轨迹，然后根据用户轨迹信息生成室内路径和标记点，实现室内定位。Hongyu Zhao等人提出了基于智能手机惯导的室内行人航位推算系统，具体的通过将惯性数据与仅一部分精确且可用的磁力计数据融合，改进梯度下降算法以减少航向漂移，然后进行步幅检测估计，实现绝对定位误差为 1.57±0.95 m，最大、最小和平均相对位置误差分别为 1.60％，0.06％和0.92％。IA Chistiakov等人提出了双脚惯性传感器行人航迹推算系统，通过在双脚上安装不同的 IMU，一个 IMU 用于测量计算估计，另一个用来校正误差，根据两个 IMU 的有关初始和最终位置的信息、速度的伪观测，来计算两条腿的平滑轨迹，然后构造一条广义轨迹，实现室内行人定位导航。但目前由于手机中的加速度计误差较大同时存在零点漂移，因此部署在手机上的行人航迹推算可以结合步长和角度实现更高精度的定位。

视觉定位

随着计算机视觉的发展，视觉定位逐渐成为炙手可热的研究方向，视觉定位常用于室内机器人定位，定位方式多种多样，包括基于单目相机定位、双目相机定位以及RGB-D相机定位。单目相机室内定位成本低、原理简单但只能获取二维信息，定位精度低，双目视觉定位精度高，可以获取三维信息，但计算复杂度较高，RGB-D相机能获得很好的三位信息且不受光线约束，但RGB-D相机测距范围仅为0.8-3.5m,不适合大场景下定位。Yi Xia等人提出了一种使用手持摄像机捕获的图像的简单可视室内定位方法，复杂室内环境下，其平均定位时间不超过2s，定位误差在1.2m以内。Jiang Dong等人提出了基于手机的视觉室内导航系统ViNav，它应用动态结构技术从众多图像中重建室内环境的3D模型，在3D模型中定位兴趣点，并编译导航网格以进行路径查找，在复杂商场环境可以实现2s定位且定位误差小于1m。Xingli Gam等人提出了基于深度学习的双目视觉定位系统，静态测试的室内水平误差为74mm，动态测试的室内水平定位误差小于250mm。

组合室内导航

由于室内环境的复杂性通常采用单一技术手段实现室内定位通常会出现精度不足、受场景约束等情况，因此进行多种技术组合导航定位能够弥补单一技术的不足，大大提高室内定位精度。常用的室内组合定位包括惯导辅助超宽带、惯导辅助视觉、MEMS传感器辅助WIFI、地磁融合视觉等。在我们开发的智慧标识导航系统小程序中，采用的是惯导辅助蓝牙信标定位的方法，一方面通过手机采集提前布置好的iBeacon蓝牙信标进行定位校正和大距离的移动，另一方面通过手机自带的加速度传感器和陀螺仪来确定移动方向和进行小距离的移动，两者相结合才可以实现较为流畅的导航效果。

总结

总的来说，我们的智慧标识室内导航系统还是基于无线信号交汇定位，通过使用蓝牙技术，在众多的ibeacon蓝牙点当中寻找到最强RSSI的蓝牙信标，从而确定位置，这其中涉及到蓝牙信号干扰、蓝牙定位偏移的众多问题，而且我们的蓝牙定位都是在前台计算完成，这限制了它的计算能力和精准度，后期会考虑结合数据库匹配定位，后台加入提前采集的指纹库信息，将实地定位和数据库匹配相结合。

实现室内定位的技术有很多种类，他们各有优缺点，对其进行总结如表所示：

在这里插入图片描述

通过对比分析，我们发现室内定位技术仍面临许多挑战，主要包括：

成本和复杂性高，如红外、超声波等都需要配套的硬件设施才能实现定位导航，限制了室内定位的普及；
对动态环境适应性差，一些人或者物体的移动会影响到定位精度；
续航能力差，对于WIFI、蓝牙、视觉、惯导等可集成在只能手机上的定位技术，通常开启定位对电池消耗很快，不能长时间持续定位。
在非视距情况下易受多径干扰；
复杂室内场景定位精度相对较低；
可扩展性差，如某些技术如红外、蓝牙等只适用于近距离，对远距离需求无能为力。随着室内定位的不断发展，相信在未来这些不足都将会改善。

因此，我们队未来只会城市建设中的室内定位的发展趋势进行展望：

多传感器组合定位将是未来室内精确定位发展的重要方向之一；
实现设备功耗低；
实现兼容、易集成、易扩展；
降低成本和技术门槛；
对运动的人和物进行精细积分算法；
室内定位和人工智能相结合发展。