鄧中亮，尹 露，唐詩浩，劉延旭，宋汶軒

(北京郵電大學(xué) 電子工程學(xué)院，北京 100876)

0 引言

近年來，位置服務(wù)(Location Based Services,LBS)產(chǎn)業(yè)發(fā)展迅猛，高精度位置信息是提供高質(zhì)量位置服務(wù)的基礎(chǔ)。傳統(tǒng)衛(wèi)星定位系統(tǒng)，如全球定位系統(tǒng)(Global Positioning System,GPS)、北斗定位系統(tǒng)，在室外空曠環(huán)境擁有較高的定位精度，但是，受制于信號強度，衛(wèi)星定位信號很容易受到遮擋或干擾，導(dǎo)致衛(wèi)星定位系統(tǒng)在城市峽谷及室內(nèi)環(huán)境定位不準(zhǔn)甚至無法定位[1]。為了解決室內(nèi)環(huán)境下的定位問題，近年來出現(xiàn)了很多室內(nèi)定位技術(shù)，如基站定位、無線局域網(wǎng)(Wi-Fi)定位等[2-3]。對室內(nèi)定位相關(guān)理論方法的研究已經(jīng)成為了定位導(dǎo)航領(lǐng)域的熱點問題之一。

為了解決室外定位導(dǎo)航的“最后一公里”問題，眾多學(xué)者在室內(nèi)定位技術(shù)方面展開了大量的研究工作，如基站定位、Wi-Fi定位、無線射頻標(biāo)簽(Radio Frequency Identification,RFID)定位[4]、藍(lán)牙(Bluetooth)定位、超寬帶無線電(Ultra-Wide-band,UWB)定位[5]、基于移動通信網(wǎng)絡(luò)的輔助GPS[6]、ZigBee定位[7]、地磁定位[8]、地面數(shù)字通信及廣播信號定位[9]、偽衛(wèi)星定位[10]、計算機(jī)視覺定位[11]、可見光定位等[12]。這些定位技術(shù)有些是以定位導(dǎo)航為主要用途，例如偽衛(wèi)星定位等；有些技術(shù)則是以通信為主要用途，但是仍然可以提供定位服務(wù)，例如基站定位、Wi-Fi定位等。

目前室內(nèi)定位技術(shù)發(fā)展可以分成2個方向：局域室內(nèi)定位技術(shù)和廣域室內(nèi)定位技術(shù)。局域室內(nèi)定位可在局域網(wǎng)中實現(xiàn)局部區(qū)域的覆蓋，代表技術(shù)有Wi-Fi定位、藍(lán)牙定位、RFID定位、ZigBee定位等；廣域室內(nèi)定位技術(shù)可在廣域網(wǎng)上實現(xiàn)廣域覆蓋，代表技術(shù)有我國的TC-OFDM[13]、澳大利亞的Locata[14]和美國高通公司QPoint定位系統(tǒng)等。局域室內(nèi)定位技術(shù)具有成本較低、部署時間周期短的特點，但是可定位場所有限且各個局域室內(nèi)定位區(qū)域采用的技術(shù)目前仍然沒有標(biāo)準(zhǔn)，即無法使用統(tǒng)一的用戶終端；廣域室內(nèi)定位技術(shù)可以通過同一標(biāo)準(zhǔn)來獲得大范圍的使用，但是目前仍然沒有統(tǒng)一的標(biāo)準(zhǔn)，并且廣域室內(nèi)定位技術(shù)一般需要改造基站和手機(jī)芯片等，成本巨大、時間周期長。

本文首先介紹了目前的主流定位技術(shù)，然后討論了室內(nèi)定位中存在的幾項關(guān)鍵技術(shù)，并對當(dāng)前室內(nèi)定位技術(shù)進(jìn)行了較為全面的分析介紹。

1 主流室內(nèi)定位技術(shù)

目前，主流室內(nèi)定位技術(shù)可分為廣域室內(nèi)定位和局域室內(nèi)定位。不同定位手段或定位系統(tǒng)作用范圍和定位精度不同，如圖1所示。

圖1 主流室內(nèi)定位技術(shù)Fig.1 The mainstream technologies of indoor positioning

1.1 基站定位技術(shù)

基站定位是一種由手機(jī)運營商提供的定位服務(wù),不需要借助全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navig-ation Satellite System，GNSS)，也不需要專業(yè)的定位裝置，可以通過測量終端與多個基站的距離對用戶進(jìn)行定位?；径ㄎ痪哂械凸?、低成本的優(yōu)勢，如圖2所示。

圖2 基站定位系統(tǒng)原理Fig.2 Principle of positioning system for base station

基站定位技術(shù)的定位精度隨著通信系統(tǒng)的不斷發(fā)展得到了很大的提高[15]。其中，Varshavsky等提出了一種基于手機(jī)基站的室內(nèi)定位方法，該方法通過收集多層建筑物信號的RSSI，來區(qū)分多層建筑物的樓層數(shù)，其定位精度可以達(dá)到2～4m[16]。Ingensand 和Bitzi論述了基站定位在采用Cell-ID、RSSI指紋、RSSI測距、AOA、TOA、TDOA等方法的優(yōu)劣[17]。

1.2 偽衛(wèi)星定位技術(shù)

偽衛(wèi)星定位技術(shù)通過衛(wèi)星信號生成器和發(fā)射器構(gòu)成的偽衛(wèi)星進(jìn)行定位。因此偽衛(wèi)星裝置相當(dāng)于位置可以靈活放置的模擬導(dǎo)航衛(wèi)星，通過發(fā)射類似于衛(wèi)星導(dǎo)航的信號提高局部地區(qū)的定位和導(dǎo)航功能。在衛(wèi)星數(shù)過少，或者信號遮擋嚴(yán)重等不利于觀測的場合可以通過應(yīng)用偽衛(wèi)星定位技術(shù)來改善衛(wèi)星星座結(jié)構(gòu)，從而改善衛(wèi)星定位精度；甚至在衛(wèi)星導(dǎo)航系統(tǒng)不能正常使用的特殊條件下，偽衛(wèi)星也可以完全代替導(dǎo)航衛(wèi)星，進(jìn)行單獨定位導(dǎo)航，實現(xiàn)偽衛(wèi)星的單獨組網(wǎng)布局定位[18]。

早在GPS初期研究階段，眾多學(xué)者就已經(jīng)開始了對偽衛(wèi)星問題的研究。美國為了驗證GPS系統(tǒng)理論的可行性和進(jìn)行信號體制實驗，搭建了偽衛(wèi)星Yuma衛(wèi)星導(dǎo)航測試場[19]。Klein和Parkinson創(chuàng)新提出了偽衛(wèi)星可以作為一種輔助工具，在某些對定位精度有特殊要求的場合中增強GPS系統(tǒng)的可用性和幾何特性[20]。Parkinson和Fitzgibbon提出并論證了一種距離修正偽衛(wèi)星設(shè)置地點的最優(yōu)配置方法[21]。2002年歐盟在德國建成了伽利略試驗測試環(huán)境GATE并通過6個地面?zhèn)涡l(wèi)星發(fā)射Galileo信號，開展了接收機(jī)在真實地理信號環(huán)境中的定位測試。歐盟針對無縫位置服務(wù)市場在 Galileo 項目中提出了伽利略本地技術(shù)計劃(GILT)，專門研究室內(nèi)外Galileo 偽衛(wèi)星在定位方面的應(yīng)用。由LOCATA公司和新南威爾士大學(xué)合作研制的LOCATA偽衛(wèi)星滿足了自動控制、采礦業(yè)、港口精密定位、室內(nèi)定位等領(lǐng)域的自組網(wǎng)用戶的定位需求，水平定位精度可以達(dá)到cm級[22]。此外芬蘭的SPACE SYSTEMS公司為了驗證偽衛(wèi)星在室內(nèi)環(huán)境的定位性能，研究生產(chǎn)了一套基于GPS L1信號的偽衛(wèi)星信號發(fā)射系統(tǒng)。德國的Anchalee Puen-gnim等提出了一種基于偽衛(wèi)星虛擬同步的高精度定位方案，通過實時差分的方式有效地將定位精度提高到cm級[23]。

在國內(nèi)方面，隨著我國北斗定位產(chǎn)業(yè)的迅猛發(fā)展，基于偽衛(wèi)星的相關(guān)技術(shù)也受到學(xué)者的廣泛關(guān)注。盡管發(fā)展時間較短，但卻得到了很大的進(jìn)展，如中電54所的偽衛(wèi)星技術(shù)已在戰(zhàn)區(qū)導(dǎo)航增強、無人機(jī)著陸等領(lǐng)域開展了應(yīng)用，同時部分北斗偽衛(wèi)星定位產(chǎn)品的應(yīng)用已成功增強了九寨溝風(fēng)景區(qū)的山區(qū)道路導(dǎo)航。除此之外西北工業(yè)大學(xué)、上海交通大學(xué)、武漢大學(xué)和哈爾濱工程大學(xué)等著名高校對偽衛(wèi)星定位基礎(chǔ)理論展開了研究，其中羅益、魏海濤等對基于偽衛(wèi)星的GNSS星地時間不同步問題進(jìn)行了進(jìn)一步研究[24]，劉超、高井祥等對空間偽衛(wèi)星優(yōu)化布局進(jìn)行了進(jìn)一步分析研究[25]。

1.3 指紋定位技術(shù)

信號的多徑傳播對環(huán)境有依賴性，呈現(xiàn)了很強的特殊性，對于每個特定的位置而言，該位置上信道的多徑結(jié)構(gòu)是唯一的，可以認(rèn)為是該位置的指紋。指紋定位技術(shù)源于數(shù)據(jù)庫技術(shù)(Database Correction Method，DCM)[26]，它的操作核心實際上是通過獲取到的信息值與先前建立的信息庫進(jìn)行匹配確定待測點的定位結(jié)果。它的工作過程主要分為2個階段：離線采集階段和定位階段。離線采集階段的主要工作是通過采集定位區(qū)域內(nèi)定位信號的RSSI建立指紋數(shù)據(jù)庫；定位階段的主要工作是將移動端在待測點采集到的定位信號特征與指紋庫中的數(shù)據(jù)進(jìn)行匹配，得出待測點所在的位置信息，其中，位置信息可以是二維坐標(biāo)，也可以是地理信息，如圖3所示。

圖3 指紋定位示意圖Fig.3 Schematic of fingerprint positioning

指紋定位具有不需要參考測量點、定位精度相對較高等優(yōu)勢，但缺點是前期離線建立指紋庫階段的工作量很大，同時很難自適應(yīng)于環(huán)境變化較大的場景。

位置指紋的定位技術(shù)因定位信號獲取方式簡單，不需要復(fù)雜的硬件設(shè)備支持，易于在商業(yè)中應(yīng)用等優(yōu)點引起了從學(xué)術(shù)界到工程界的廣泛關(guān)注與研究。國外對位置指紋定位研究較多的機(jī)構(gòu)和高校有IBM、微軟、Intel、南洋理工大學(xué)等，如美國微軟研究院研發(fā)的Radar系統(tǒng)、馬里蘭大學(xué)研究的Horus系統(tǒng)等。其中，Radar系統(tǒng)定位簡單，但精度不高；Horus系統(tǒng)通過采用概率分布函數(shù)的方法，提高了定位精度但復(fù)雜度較高[27]。國內(nèi)在指紋定位技術(shù)的研究主要集中在高校和研究所，有代表性的有上海交通大學(xué)、華東師范大學(xué)、北京郵電大學(xué)、香港科技大學(xué)、中科院研究所等高校和科研機(jī)構(gòu)；中國臺灣銘傳大學(xué)研究開發(fā)了一種利用位置指紋定位法的Wi-Fi室內(nèi)自動導(dǎo)航系統(tǒng)，通過實驗得出95%以上點的定位誤差在5m以內(nèi)；香港科技大學(xué)楊強教授對位置指紋法進(jìn)行深入的研究，通過更加精確的定位算法得到定位精度在1m內(nèi)[28]。

1.4 UWB定位技術(shù)

超寬帶信號是擁有超過中心頻率20%相對帶寬或者絕對帶寬超過500MHz的信號[29]。UWB定位技術(shù)就是通過發(fā)射、接收大帶寬脈沖實現(xiàn)位置估計。UWB系統(tǒng)與傳統(tǒng)的窄帶系統(tǒng)相比，大的帶寬保證了其具有穿透力強、發(fā)射功率低、傳輸速率高、抗多徑效果好等優(yōu)點。正是這些優(yōu)點，使它在室內(nèi)定位領(lǐng)域中得到了較為精確的定位結(jié)果。

20世紀(jì)60年代后期，UWB技術(shù)因其較好的穿透性和類噪聲性而被應(yīng)用于軍事領(lǐng)域中的監(jiān)聽技術(shù)[30]。直至20世紀(jì)末UWB技術(shù)引起了美國聯(lián)邦通信委員會(Federal Communications Commission，F(xiàn)CC)的關(guān)注，才逐步開始民用以及商業(yè)化的研究發(fā)展進(jìn)程。其中，Ubisense公司于2011年提出了基于TDOA和AOA的UWB室內(nèi)定位系統(tǒng)，定位精度可達(dá)15cm，測距范圍達(dá)到50m[31]。此外，Zebra推出了Dart UWB系統(tǒng)，定位精度可達(dá)30cm，測距范圍達(dá)到100m[32]。然而，在室內(nèi)定位這一應(yīng)用場景下，由于室內(nèi)環(huán)境復(fù)雜，超寬帶信號在傳播中易受到多徑和非視距現(xiàn)象的影響，很大程度影響了定位精度，難以實現(xiàn)大范圍室內(nèi)覆蓋，較高的系統(tǒng)建設(shè)成本也成為了制約超寬帶定位技術(shù)發(fā)展的瓶頸。

1.5 地磁定位技術(shù)

地磁場定位技術(shù)，是指利用地磁場特征的特異性獲取位置信息的技術(shù)方案[33]。利用地磁場作為位置匹配信息進(jìn)行定位最開始在機(jī)器人自定位領(lǐng)域提出，Suksakulchai等提出地磁傳感器除了可以用作方向判斷外，還可以利用地磁信息經(jīng)過室內(nèi)結(jié)構(gòu)的擾動造成的特異性進(jìn)行機(jī)器人的自定位，通過對地磁信息的收集和匹配，完成了在走廊中的初步位置的確定。

隨著地磁定位技術(shù)被人們所認(rèn)知，越來越多的研究者投身于該領(lǐng)域。Janne Haverinen提出，現(xiàn)代鋼筋混凝土的建筑框架給室內(nèi)的磁場造成了一種系統(tǒng)層面上的擾動，這種特有的擾動使得每個室內(nèi)場景中的地磁場分布都有著其獨特的模式。因此，通過記錄建筑中特有的地磁信息分布，并根據(jù)再次獲取的地磁信息進(jìn)行匹配實現(xiàn)定位，地磁定位技術(shù)可達(dá)到 90%以上的定位準(zhǔn)確度[34]。地磁信息分布在任意建筑內(nèi)，因此地磁定位技術(shù)無需額外的接入裝置，作為民用推廣的室內(nèi)定位導(dǎo)航系統(tǒng)，地磁定位技術(shù)是一個不錯的選擇。Chung等通過設(shè)計一個特殊的終端設(shè)備配合地磁傳感器，能夠?qū)崿F(xiàn)二維空間的定位，平均精度 4.7m[35]。但是由于其磁場強度的讀數(shù)是基于地磁傳感器自身坐標(biāo)系，為了能夠直接匹配地磁信息，要求在采集地磁數(shù)據(jù)時，對每一個位置點，采集終端需要在原地旋轉(zhuǎn)一周來收集所有朝向上的地磁信息讀數(shù)，這種做法大大增加了采集地磁數(shù)據(jù)的工作量。Grand提出的利用坐標(biāo)系變化的方法避免了采集所有朝向上的磁場讀數(shù)，減少了數(shù)據(jù)收集的工作量[36]。

1.6 視覺定位技術(shù)

近幾年來，隨著視覺傳感器的發(fā)展，利用視覺傳感器獲取目標(biāo)周圍環(huán)境特征的定位方法得到了重視。根據(jù)視覺傳感器數(shù)量的不同，當(dāng)前的視覺定位技術(shù)分為單目視覺定位技術(shù)、雙目視覺定位技術(shù)和全方位視覺定位技術(shù)。

單目視覺定位技術(shù)是利用一張或者多張圖片信息獲取位置信息?；趩畏鶊D像的定位是根據(jù)已知目標(biāo)特征在世界坐標(biāo)系下的表示、目標(biāo)特征在圖像上的投影和一些額外的特征參數(shù)，得到世界坐標(biāo)系和攝像機(jī)坐標(biāo)系之間的位姿關(guān)系來實現(xiàn)的。Liu等利用圖像中的直線特征與由攝像機(jī)的光心形成的投影平面的法向量與目標(biāo)自身的直線正交的特性，建立幾何模型實現(xiàn)定位[37-38]。此種定位方法要求3條直線不能同時平行和與光心共面，以此構(gòu)造3個非線性方程，但是求解非線性方程組比較困難且容易引入較大的計算誤差。

由于單個攝像頭視野范圍小，因此可獲取的深度信息少，從而導(dǎo)致單目視覺定位精度低。近年來，雙目視覺定位成為研究熱點。傳統(tǒng)的雙目視覺定位系統(tǒng)通過2個彩色攝像頭同時獲取具有一定視差的2張圖片來實現(xiàn)定位。微軟新體感工具Kinect的推出，使得實現(xiàn)視覺定位變得更加簡單。通過Kinect工具得到實現(xiàn)目標(biāo)場景的高質(zhì)量彩色圖像和高質(zhì)量深度圖像。Nakano等將Kinect用于室內(nèi)定位，其硬件簡單、成本較低[39]。Wang等提出了一種基于RGB-D的對樓梯、人行道和交通信號燈的圖像檢測與識別方法，為有視覺障礙的人群提供幫助[40]。

由于傳統(tǒng)的攝像機(jī)的視野范圍有限，不能同時獲取周圍環(huán)境中所有目標(biāo)的位置。Yagi等首次將基于雙曲反射鏡面的全方位視覺系統(tǒng)應(yīng)用于移動機(jī)器人定位與導(dǎo)航[41]。目前全方位視覺系統(tǒng)主要分為兩大類，一類是由傳統(tǒng)視覺傳感器組成的全方位視覺傳感器，一類是反射鏡面型全方位視覺傳感器。前者采用圖像拼接技術(shù)將每個傳感器獲取的圖像拼接成全方位圖像；后者采用至少一個曲面鏡和一個傳統(tǒng)視覺傳感器組成，通過曲面鏡的形狀控制全方位視覺傳感器的視野范圍，相對于前者，不需要大量的計算，實時性好，但是會由于反光鏡的鏡面形狀造成生成的圖像分辨率不均勻。

1.7 機(jī)會信號定位技術(shù)

在室內(nèi)、峽谷等GNSS信號拒止的環(huán)境下，仍然充斥著大量的無線電信號。機(jī)會信號定位技術(shù)利用這些泛在的無線電信號，通過實現(xiàn)對無線信號的隨機(jī)接入、融合處理實現(xiàn)定位與導(dǎo)航。機(jī)會信號導(dǎo)航(Opportunistic Navigation，OpNav)接收機(jī)連續(xù)不斷地從周圍環(huán)境中搜索無線電信號，并從信號特征中提取定位與導(dǎo)航信息[42]。OpNav技術(shù)將周圍環(huán)境中的無線電信號作為潛在的機(jī)會信號，包括GNSS信號及其干擾裝置發(fā)出的信號、銥星衛(wèi)星信號、Wi-Fi信號、電視信號、無線電廣播信號、手機(jī)信號等。OpNav接收機(jī)利用相關(guān)的先驗信息估計每個機(jī)會信號的相對定時和頻偏、發(fā)射位置等狀態(tài)參數(shù)。這種估計問題類似于機(jī)器人技術(shù)中同步定位與地圖構(gòu)建(Simultaneous Localization and Mapping，SLAM)問題[43]。但是OpNav技術(shù)不同于傳統(tǒng)SLAM，和SLAM地圖相比較，機(jī)會信號的信號面貌是動態(tài)的。

Carlos對數(shù)字視頻廣播(Digital Video Broadcasting，DVB)信號定位進(jìn)行了研究，給出了其基本定位方法[44]； Chun Yang利用數(shù)字電視(Digital Television，DTV)信號、GSM信號與CDMA2000等多種機(jī)會信號，實現(xiàn)了室外空曠環(huán)境下3m的定位精度，但在市區(qū)及室內(nèi)環(huán)境中定位精度較低[45]。2012年6月英國航太系統(tǒng)公司高級技術(shù)中心研發(fā)了基于OpNav技術(shù)的NAVSOP系統(tǒng)，用戶能夠利用充斥在自己周圍的多種無線信號估算自己的位置[46]，定位誤差為幾米，但是在室內(nèi)環(huán)境下，定位精度仍然不能滿足需求。

1.8 組合定位技術(shù)

由于各種導(dǎo)航定位技術(shù)都有各自的優(yōu)缺點以及最合適的使用場景，而室內(nèi)環(huán)境相對來說比較復(fù)雜，采用單一的定位手段很難實現(xiàn)高可靠、高精度的定位。但是可以通過組合多種導(dǎo)航技術(shù)實現(xiàn)導(dǎo)航與定位。多傳感器組合是使用一種可靠的估計方法，將多種有互補特性的傳感器數(shù)據(jù)組合，以獲得優(yōu)于各個傳感器的系統(tǒng)性能的過程[47]。一種對組合導(dǎo)航較為公認(rèn)的理解是使用慣性傳感器信息構(gòu)造系統(tǒng)方程并對導(dǎo)航狀態(tài)進(jìn)行預(yù)測。但是低成本的慣性傳感由于誤差存在嚴(yán)重的溫度敏感性而不能長時間穩(wěn)定工作，因此在實際應(yīng)用中需要依賴其他定位技術(shù)如無線電定位技術(shù)。

近年來，國內(nèi)外不同機(jī)構(gòu)的研究人員提出了許多組合導(dǎo)航平臺[48-50]。常用的組合導(dǎo)航估計方法有Kalman濾波器、粒子濾波器等。Zhuang和EI-Shemiy提出了一種Wi-Fi和MEMS傳感器進(jìn)行緊組合的方法[51]。Ezani等提出了將Wi-Fi和磁場匹配一種從區(qū)域到點的組合方式用于室內(nèi)定位[52]。Pritt等提出了將磁場強度作為虛擬Wi-Fi AP與Wi-Fi進(jìn)行組合的方式，并與區(qū)域到點的組合方式進(jìn)行了對比[53]。余彤提出了一種基于改進(jìn)的高斯-牛頓迭代算法的慣性傳感器與LiDAR組合導(dǎo)航，實現(xiàn)室內(nèi)定位和SLAM[54]。

1.9 協(xié)同定位技術(shù)

協(xié)同定位概念在在20世紀(jì)90年代由Kurazu-me Ryo等首次提出[55]，并應(yīng)用于多機(jī)器人定位研究。協(xié)同定位技術(shù)的基本思想是利用相鄰節(jié)點之間的附加測量信息提高定位精度，如圖4所示。協(xié)同定位技術(shù)進(jìn)行位置解算首先需要滿足多個未知節(jié)點之間可以相互傳遞信息或者未知節(jié)點之間可以互相測向、測距或者鄰接關(guān)系或者未知節(jié)點可以利用歷史位置信息輔助完成當(dāng)前定位。

圖4 協(xié)同定位技術(shù)Fig.4 Cooperative localization

美國Sarnoff Corporation在提出了“teamwork effect”，即N節(jié)點網(wǎng)絡(luò)通過協(xié)同將定位誤差提高至原來的1/N，其中各個節(jié)點配有慣性導(dǎo)航系統(tǒng)(Inertial Navigation System, INS)和無線電測距、通信設(shè)備[56]。Wymeersch等提出了一個分布式協(xié)同定位算法SPAWN，并在100節(jié)點網(wǎng)絡(luò)中進(jìn)行了性能驗證[57]。

1.10 導(dǎo)航通信一體化定位技術(shù)

通信系統(tǒng)具有覆蓋范圍廣、穩(wěn)定性強、普及度高等優(yōu)點。利用通信系統(tǒng)進(jìn)行室內(nèi)定位，可有效解決衛(wèi)星定位系統(tǒng)室內(nèi)覆蓋差的問題，同時也可有效縮小Wi-Fi等指紋定位系統(tǒng)的建設(shè)及維護(hù)成本。但通信信號不是為定位設(shè)計，為此，提出了用通信導(dǎo)航一體化信號進(jìn)行定位，即TC-OFDM定位理論[13]?；谠摾碚摚蓪崿F(xiàn)導(dǎo)航信號與第五代移動通信系統(tǒng)(The 5thGeneration Communication System，5G)信號的一體化定位，受益于5G中采用的毫米波及多入多出(Multiple-Input Multiple-Output，MIMO)技術(shù)，終端通過接收各個基站的通導(dǎo)一體化信號，通過實時解算，可獲得亞米級精度的實時位置信息。

利用TC-OFDM系統(tǒng)與其他定位系統(tǒng)的融合，構(gòu)成羲和導(dǎo)航系統(tǒng)，可實現(xiàn)廣域室內(nèi)外高精度定位的無縫覆蓋，如圖5所示。該系統(tǒng)具有定位精度高、覆蓋性強、成本低等優(yōu)點，預(yù)計將在2020年對我國多個省市實現(xiàn)無縫覆蓋。

圖5 羲和系統(tǒng)示意圖Fig.5 Schematic of Xihe system

2 室內(nèi)定位中的關(guān)鍵技術(shù)

2.1 互相關(guān)干擾消除技術(shù)

在室內(nèi)復(fù)雜的定位環(huán)境中，接收機(jī)很有可能接收到定位源直射的強信號和經(jīng)過反射、折射的弱信號，強信號和弱信號的功率差可以達(dá)到20～30dB[58]。此時在弱信號的相關(guān)解算中，強信號產(chǎn)生的互相關(guān)峰與弱信號產(chǎn)生的自相關(guān)峰幅值處于同一量級，很有可能對弱信號的捕獲造成不利影響。因此在定位過程中通常需要通過消除互相關(guān)干擾的影響達(dá)到捕獲弱信號的目的，其中常用的方法有子空間投影法和扣除法。

2.1.1 子空間投影法

子空間投影法是在載波多普勒、載波相位以及碼相位構(gòu)建的信號子空間中生成新碼，并將待檢測的弱信號在此空間內(nèi)分解并產(chǎn)生出與強信號完全正交、與弱信號相關(guān)性強的新碼，以此碼進(jìn)行弱信號的捕獲。由于新碼的構(gòu)建需要實時運算，而此運算中需要進(jìn)行大量的矩陣和向量運算，因此構(gòu)建新碼十分困難。E.P.Glennon提出改變Gold碼的均衡性使得本地碼與強干擾信號互相關(guān)性最小，但該方法同時也會降低一定的自相關(guān)性[59-60]。

2.1.2 扣除法

扣除法比較常見的有兩種方法：一是利用已捕獲的強干擾信號的多普勒頻移、載波相位、碼相位、信號幅度等參數(shù)在本地接收機(jī)內(nèi)進(jìn)行強干擾信號的重構(gòu)，然后將強信號從射頻信號中扣除，再進(jìn)行弱信號的捕獲；二是在做完接收信號與本地碼的相關(guān)運算后從中扣除強干擾信號的互相關(guān)值，以此消除強干擾信號對弱信號捕獲的影響。根據(jù)扣除操作發(fā)生的位置是在相關(guān)運算前和后可以分為前端消除法和后端消除法。與子空間投影法相比，扣除法占用資源少、易實現(xiàn)，但對強信號的參數(shù)依賴程度大，當(dāng)強信號的參數(shù)估計誤差較大時，扣除法對互相關(guān)干擾的消除作用就會減小甚至不起作用。

2.2 非視距效應(yīng)消除技術(shù)

非視距效應(yīng)是由于定位信號源與定位終端之間存在障礙物，導(dǎo)致定位信號無法沿視距傳播，只能通過折射、反射等方式傳播。由此產(chǎn)生的誤差稱為非視距(Non-Line of Sight，NLOS)誤差。在室內(nèi)定位中，由于建筑物內(nèi)的復(fù)雜結(jié)構(gòu)和經(jīng)常性的人員流動導(dǎo)致非視距效應(yīng)十分顯著。影響定位精度的主要誤差來源有測量誤差和非視距誤差，其中非視距誤差遠(yuǎn)遠(yuǎn)大于測量誤差，因此消除非視距效應(yīng)是提高室內(nèi)定位精度的主要方式。

2.2.1 極大似然算法

在非視距環(huán)境中，可以利用測量噪聲、非視距誤差統(tǒng)計分布和LOS/NLOS距離概率模型構(gòu)建最大似然問題進(jìn)行定位解算[61]，消除非視距效應(yīng)。Gezici使用最大似然算法最大化聯(lián)合概率密度函數(shù)剔除非視距觀測量[62]，Qi采用最大后驗概率估計非視距誤差統(tǒng)計分布[63]。

2.2.2 最小二乘算法

在視距環(huán)境中室內(nèi)定位最廣泛的算法之一是最小二乘法，在得到測量量后建立方程解出定位終端的位置。而在非視距環(huán)境下也可以通過最小二乘法進(jìn)行定位解算。殘差加權(quán)(RWGH)算法是Chen提出的一種針對非視距環(huán)境的定位算法[64]，可以有效減小非視距效應(yīng)對定位精度的影響。

雖然眾多學(xué)者對非視距誤差的消除進(jìn)行了大量研究，但由于非視距的復(fù)雜性，目前消除模型仍難以有效消除，仍然是影響室內(nèi)定位精度的關(guān)鍵問題之一。

2.3 特征聚類技術(shù)

在基于指紋信息的定位方法中，通常采用特征聚類技術(shù)將離群點剔除，以此減小離群點對定位結(jié)果的影響，提高定位精度。

2.3.1 HiWL方法

聚類算法通常需要使用大量數(shù)據(jù)進(jìn)行訓(xùn)練，但為指紋庫中每個數(shù)據(jù)點進(jìn)行位置標(biāo)記是非常繁瑣的，為此HiWL方法使用隱形馬爾科夫模型(Hidden Markov Model,HMM)對未標(biāo)記的數(shù)據(jù)進(jìn)行位置分類[65]。在訓(xùn)練階段，該方法需要一定的室內(nèi)拓?fù)湫畔?。通過HMM訓(xùn)練，系統(tǒng)可以獲得地理坐標(biāo)和信號分布之間的映射關(guān)系，因此HiWL方法可以將未標(biāo)記的指紋地圖與地理坐標(biāo)聯(lián)系起來。但HMM方法需要通過大量的訓(xùn)練數(shù)據(jù)集保證學(xué)習(xí)結(jié)果的準(zhǔn)確性[66]，提高了系統(tǒng)的計算復(fù)雜度。

2.3.2 UMLI方法

為了減少計算量，UMLI方法采用聚類方法對未標(biāo)記數(shù)據(jù)進(jìn)行分類[67]。訓(xùn)練階段通過聚類分析，將有相似特征的相鄰參考點聚集為一類。以此將未標(biāo)記的數(shù)據(jù)進(jìn)行位置標(biāo)記，減少測量和標(biāo)記的工作量。UMLI方法首先將未標(biāo)記的指紋地圖映射到對應(yīng)的房間中，然后在房間中進(jìn)行精度更高的定位解算。UMLI方法通過采用分層定位的方法提高了房間定位的精度。

2.4 融合濾波技術(shù)

在室內(nèi)環(huán)境下，單一的定位技術(shù)無法覆蓋全部區(qū)域，且定位精度有限。因此需要使用多種傳感器、多種定位信號定位。在此過程中就需要融合濾波技術(shù)將不同定位源的數(shù)據(jù)進(jìn)行融合定位。

通常融合濾波分為三類，數(shù)據(jù)融合、特征融合和決策融合[68]。表1所示為三類融合方法的一些相關(guān)特性。

表1 不同融合方法的相關(guān)特性

根據(jù)處理結(jié)構(gòu)的不同，也可以將融合濾波分為集中式、分布式和混合式。集中式融合濾波需要一個處理中心收集數(shù)據(jù)進(jìn)行處理，而分布式融合濾波中每個傳感器、定位信號接收器單獨處理自己的數(shù)據(jù)，并將結(jié)果發(fā)送到進(jìn)行全局分析的節(jié)點?；旌鲜饺诤蠟V波中一部分傳感器和定位信號接收器自己進(jìn)行數(shù)據(jù)的預(yù)處理，而處理中心也會對一些原始數(shù)據(jù)進(jìn)行融合并進(jìn)行最后的決策融合。

如果一個系統(tǒng)中信號源產(chǎn)生的是相同物理測量量，那么就可以進(jìn)行數(shù)據(jù)融合；相反若系統(tǒng)中的原始數(shù)據(jù)是異構(gòu)的，那么就不能直接進(jìn)行數(shù)據(jù)融合，需要提高到特征或決策融合的高度。

3 結(jié)論

本文對目前室內(nèi)定位技術(shù)進(jìn)行了簡單介紹，分別針對不同種類的主流定位手段，進(jìn)行了詳細(xì)介紹與分析,并對室內(nèi)定位中常見的技術(shù)問題進(jìn)行了討論。通過對比分析，可以得到如下結(jié)論：

1)室內(nèi)定位技術(shù)發(fā)展迅速，亞米級及厘米級的高精度位置服務(wù)需求廣泛；

2)室內(nèi)定位技術(shù)種類繁多，不同技術(shù)之間各有優(yōu)缺點，廣域與局域定位技術(shù)形成一定互補；

3)組合導(dǎo)航與多系統(tǒng)融合定位可有效提高定位精度及定位魯棒性；

4)導(dǎo)航通信一體化技術(shù)具有成本低、精度高等優(yōu)點，并易于與其他定位系統(tǒng)融合，成為未來室內(nèi)外定位技術(shù)的研究熱點之一。

隨著人們對室內(nèi)位置服務(wù)需求的持續(xù)增加，室內(nèi)定位技術(shù)將會得到進(jìn)一步發(fā)展。新一代通信技術(shù)的發(fā)展，會大幅推動室內(nèi)定位技術(shù)的進(jìn)步，毫米波及MIMO技術(shù)的應(yīng)用，可有效增加測距精度并提高定位終端的抗多徑能力。低成本亞米級甚至厘米級的室內(nèi)定位技術(shù)成為今后的研究趨勢與熱點。

參考文獻(xiàn)

[1] Mahmud M S, Qaisar S U, Benson C. Weak GPS signal detection in the presence of strong signals with varying relative Doppler and long integration gain[C]//2016 IEEE/ION Position, Location and Navigation Symposium (PLANS). IEEE, 2016: 1015-1020.

[2] Dammann A, Sand S, Raulefs R. On the benefit of observing signals of opportunity in mobile radio positioning[C]//Proceedings of 2013 9thInternational ITG Conference on Systems, Communication and Coding (SCC). VDE, 2013: 1-6.

[3] Bhatt D, Babu S R, Chudgar H S. A novel approach towards utilizing Dempster Shafer fusion theory to enhance WiFi positioning system accuracy[J]. Pervasive and Mobile Computing, 2017, 37: 115-123.

[4] 汪冬, 葛萬成, 莫國民, 等. 基于參考標(biāo)簽可信度和偏差自校正的RFID室內(nèi)定位算法[J]. 計算機(jī)應(yīng)用, 2014, 34(11): 3170-3172.

[5] 王芳, 李楠, 劉汝佳, 等. 基于超寬帶和航位推算的室內(nèi)機(jī)器人UKF定位算法[J]. 導(dǎo)航定位與授時, 2017, 4(2): 26-30.

[6] 朱政軍, 李梁軍, 韋邵高. 基于 A-GPS 定位功能的 MR 精準(zhǔn)分析系統(tǒng)在網(wǎng)絡(luò)優(yōu)化中的應(yīng)用[J]. 郵電設(shè)計技術(shù), 2017(2): 1-4.

[7] Janicka J, Rapinski J. An example and analysis for ambiguity resolution in the indoor ZigBee positioning system[J]. Reports on Geodesy and Geoinformatics, 2017, 103(1): 1-9.

[8] 陳詩軍, 林利成, 徐小龍, 等. 一種面向位置數(shù)據(jù)隱私保護(hù)的離線地磁定位模型[J]. 南京信息工程大學(xué)學(xué)報(自然科學(xué)版), 2017, 9(5): 509-515.

[9] Kapoor R, Ramasamy S, Gardi A, et al. UAV navigation using signals of opportunity in urban environments: A review[J]. Energy Procedia, 2017, 110: 377-383.

[10] 管春洋,卿立,何偉.一種新型的偽衛(wèi)星輔助下的慣導(dǎo)初始對準(zhǔn)方法[J].導(dǎo)航定位與授時,2017,4(3):17-21.

[11] Jiao J, Deng Z, Xu L, et al. A hybrid of smartphone camera and basestation wide-area indoor positioning method[J]. KSII Transactions on Internet and Information Systems (TIIS), 2016, 10(2): 723-743.

[12] Jimenez A R, Zampella F, Seco F. Light-matching: A new signal of opportunity for pedestrian indoor navigation[C]//2013 International Conference on Indoor Positioning and Indoor Navigation(IPIN). IEEE, 2013: 1-10.

[13] Deng Z, Yu Y, Yuan X, et al. Situation and development tendency of indoor positioning[J]. China Communications, 2013, 10(3): 42-55.

[14] Rizos C, Roberts G, Barnes J, et al. Experimental results of Locata: A high accuracy indoor positioning system[C]//2010 IEEE International Conference on Indoor Positioning and Indoor Navigation (IPIN). IEEE, 2010: 1-7.

[15] Wang D, Fattouche M, Zhan X. Pursuance of mm-level accuracy: Ranging and positioning in mmwave systems[J]. IEEE Systems Journal, 2018(99):1-12.

[16] Varshavsky A, Lara E D, Hightower J, et al. GSM indoor localization[J]. Pervasive and Mobile Computing, 2007, 3(6):698-720.

[17] Ingensand H, Bitzi P, Geosystems L. Technologien der GSM-Positionierungsverfahren[J]. AVN Allgemeine Vermessungs-Nachrichten, 2001(8): 286-294.

[18] 曹華杰, 劉源. 北斗/GPS 偽衛(wèi)星定位系統(tǒng)中信號跟蹤算法研究[J]. 計算機(jī)技術(shù)與發(fā)展, 2017, 27(8): 179-181.

[19] Harrington R L, Dolloff J T. The inverted range: GPS user test facility[C]//IEEE PLANS’ 76. San Diego, 1976: 204- 211.

[20] Klein D, Parkinson B W. The use of pseudo-satellites for improving GPS performance[M]//Global Positioning System (red book). Institute of Navigation, 1986: 135- 146.

[21] Beser J, Parkinson B W. The application of NAVSTAR differential GPS in the civilian community[J]. Naviga-tion, 1982, 29(2):107-136.

[22] Yun D, Kee C. Centimeter accuracy stand-alone indoor navigation system by synchronized pseudolite cons-tellation[C]//Proceedings of ION, 2002:213-225.

[23] Puengnim A, Patino-Studencka L, Thielecke J, et al. Precise positioning for virtually synchronized pseudo-lite system[C]//International Conference on Indoor Positioning and Indoor Navigation. IEEE, 2014:1-8.

[24] 羅益, 魏海濤. 基于偽衛(wèi)星的GNSS星地時間同步評估仿真研究[J]. 計算機(jī)仿真, 2015, 32(2):38-42.

[25] 劉超, 高井祥, 于子晏,等. GPS/偽衛(wèi)星相對定位中偽衛(wèi)星優(yōu)化布設(shè)模型研究[J]. 中國礦業(yè)大學(xué)學(xué)報, 2012, 41(1):120-126.

[26] Li A, Fu J, Shen H. Research on indoor fingerprint localization system based on voronoi segmentation[M]//Advanced Computational Methods in Life System Modeling and Simulation. Springer, Singapore, 2017: 303-312.

[27] Lin T N, Lin P C. Performance comparison of indoor positioning techniques based on location fingerprinting in wireless networks[C]//International Conference on Wireless Networks, Communications and Mobile Computing. IEEE Xplore, 2005:1569-1574.

[28] 杜書敏. 基于位置指紋的室內(nèi)定位技術(shù)研究與實現(xiàn)[D]. 昆明:云南大學(xué), 2013.

[29] Tiemann J, Wietfeld C. Scalable and precise multi-UAV indoor navigation using TDOA-based UWB localization[C]//2017 International Conference on Indoor Positioning and Indoor Navigation (IPIN). IEEE, 2017: 1-7.

[30] Milici S, Esposito A, Staderini E M. A wireless indoor navigation aid for visually impaired people using UWB localization infrastructure and an original wayfinding algorithm[C]//Adjunct Proceedings of the 14thInternational Conference on Location Based Services. ETH Zurich, 2018: 158-162.

[31] Ruiz A R J, Granja F S. Comparing Ubisense, BeSpoon, and DecaWave UWB location systems: indoor performance analysis[J]. IEEE Transactions on Instrumentation and Measurement, 2017, 66(8): 2106-2117.

[32] Kuhn M J, Mahfouz M R, Turnmire J, et al. A multi-tag access scheme for indoor UWB localization systems used in medical environments[C]//2011 IEEE Topical Conference on Biomedical Wireless Technologies, Networks, and Sensing Systems (BioWireleSS). IEEE, 2011: 75-78.

[33] 喻佳寶. 基于智能手機(jī)的室內(nèi)地磁定位方法研究[D]. 深圳:深圳大學(xué), 2017.

[34] Haverinen J, Kemppainen A. Global indoor self-localization based on the ambient magnetic field[J]. Robotics and Autonomous Systems, 2009, 57(10):1028-1035.

[35] Chung J, Donahoe M, Schmandt C, et al. Indoor location sensing using geo-magnetism[C]// International Conference on Mobile Systems, Applications, and Services. DBLP, 2011:141-154.

[36] Grand E L, Thrun S. 3-Axis magnetic field mapping and fusion for indoor localization[C]// Multisensor Fusion and Integration for Intelligent Systems. IEEE, 2012:358-364.

[37] Liu Y, Huang T S, Faugeras O D. Determination of camera location from 2-D to 3-D line and point correspondences[J]. IEEE Transactions on Pattern Analy-sis and Machine Intelligence, 1990, 12(1): 28-37.

[38] Chen H. Pose determination from line to plane correspondences: existence condition and closed-form solutions[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1993, 13(6): 530-541.

[39] Nakano Y, Izutsu K, Tajitsu K , et al. Kinect Positioning System (KPS) and its potential applications[C]//International Conference on Indoor Positioning and Indoor Navigation, 2012.

[40] Wang S, Pan H ,Zhang C, et al. RGB-D image-based detection of stairs,pedestrian crosswalks and traffic signs[J]. Journal of Visual Communication and Ima-ge Representatio,2014,25(2):263-272.

[41] Yagi Y, Yachida M. Real-time generation of environmental map and obstacle avoidance using omnidirectional image sensor with conic mirror[C]//IEEE Computer Society Conference on Computer Vision and Pattern Recognition. IEEE, 1991: 160-165.

[42] Simkovits H, Weiss A J, Amar A. Navigation by inertial device and signals of opportunity[J]. Signal Processing, 2017, 131: 280-287.

[43] Meng S, Wen Z, Su X, et al. A self-navigation method with monocular plane discovery[C]//2017 IEEE 86thVehicular Technology Conference(VTC-Fall). IEEE, 2017: 1-5.

[44] Mendes C C A, Huang J, Presti L L, et al. Solutions for the path ambiguity problem in DVB-T signal-of-opportunity positioning system[C]//2012 Ubiquitous Positioning, Indoor Navigation, and Location Based Service (UPINLBS). IEEE, 2012:1-5.

[45] Yang C, Nguyen T, Blasch E. Mobile positioning via fusion of mixed signals of opportunity[J]. Aerospace and Electronic Systems Magazine, 2014, 29(4):34-46.

[46] Katia Moskvitch. BAE System’s navsop navigation system rivals GPS[N]. BBC News, 2012-06-28(BBC Technology).

[47] 李彥杰, 楊元喜, 何海波. 附加約束條件對 GNSS/INS 組合導(dǎo)航結(jié)果的影響分析[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2017, 42(9): 1249-1255.

[48] Sun Y, Yang G, Cai Q, et al. An on-line calibration method of SINS/Odometer integrated navigation system[C]//2017 4thInternational Conference on Information Science and Control Engineering (ICISCE). IEEE, 2017: 847-851.

[49] 徐曉蘇, 董亞, 童金武, 等. 基于 5 階球面最簡相徑的改進(jìn)型容積卡爾曼濾波在 SINS/DVL 組合導(dǎo)航中的應(yīng)用[J]. 中國慣性技術(shù)學(xué)報, 2017, 25(3): 343-348.

[50] Wang H, Wu L, Chai H, et al. Location accuracy of INS/gravity-integrated navigation system on the basis of ocean experiment and simulation[J]. Sensors, 2017, 17(12): 2961.

[51] Zhuang Y, El-Sheimy N. Tightly-coupled integration of WiFi and MEMS sensors on handheld devices for indoor pedestrian navigation[J]. IEEE Sensors Journal, 2015, 16(1):224-234.

[52] Ezani M F M, Abdullah M A, Haseeb S. A region-to-point indoor localization approach via RSS-magnetic fingerprinting[C]//The International Conference on Information and Communication Technol-ogy for the Muslim World. IEEE, 2015:253-256.

[53] Pritt N. Indoor navigation with use of geomagnetic anomalies[C]// Geoscience and Remote Sensing Symposium. IEEE, 2014:1859-1862.

[54] 余彤. LiDAR/INS組合的室內(nèi)定位與制圖(SLAM)算法改進(jìn)[D]. 武漢:武漢大學(xué),2017.

[55] Kurazume R, Nagata S, Hirose S. Cooperative positioning with multiple robots[C]//Proceedings of the IEEE International Conference on Robotics and Automation. Los Alamitos, 1994:1250-1257.

[56] Zhao T, Wu S G, Mau S C, et al. Collaborative effects of mobile sensor network localization through distributed multimodal navigation sensor fusion for GPS denied navigation[C]//Proceedings of the Institute of Navigation National Technical Meeting. San Diego, 2008:699-710.

[57] Wymeersch H, Lien J, Win M Z. Cooperative localization in wireless networks[J]. Proceedings of the IEEE, 2009, 97(2):427-450.

[58] Liu X. Research on signal design method of pseudolite “near-far effect” based on TDMA technique[C]//China Satellite Navigation Conference. Springer, Singapore, 2017: 417-429.

[59] éamonn P. Glennon, Andrew G. Dempster. A novel GPS cross correlation mitigation technique[J]. Proceedings of International Technical Meeting of the Satellite Division of the Institute of Navigation, 2001:190-199.

[60] Glennon E P, Dempster A G. Cross correlation mitigation by adaptive orthogonalization using constraints-new results[J]. ION GNSS, 2006: 1811-1820.

[61] 史秀紡. 復(fù)雜因素影響下的定位跟蹤問題研究[D]. 杭州:浙江大學(xué),2016.

[62] Gezici S, Sahinoglu Z. UWB geolocation techniques for IEEE 802.15. 4a personal area networks[R]. MERL Technical Report, 2004.

[63] Qi Y, Kobayashi H, Suda H. Analysis of wireless geolocation in a non-line-of-sight environment[J]. IEEE Transactions on Wireless Communications, 2006, 5(3): 672-681.

[64] Chen P C. A non-line-of-sight error mitigation algorithm in location estimation[C]//Proceedings of the IEEE Wireless Communications and Networking Conference(WCNC). IEEE, 1999: 316-320.

[65] Li L, Yang W, Wang G. HIWL: An unsupervised learning algorithm for indoor wireless localization[C]//2013 12thIEEE International Conference on Trust, Security and Privacy in Computing and Communications(TRUSTCOM). IEEE, 2013: 1747-1753.

[66] Shi X, Yong H C, Yuen C, et al. A novel mobile target localization algorithm via HMM-based channel sight condition identification[J]. Peer-to-Peer Networking and Applications, 2016, 10(3): 808-822.

[67] Nguyen N T, Zheng R, Han Z. UMLI: An unsupervised mobile locations extraction approach with incomplete data[C]//2013 IEEE Wireless Communications and Networking Conference(WCNC). IEEE, 2013: 2119-2124.

[68] Wang S, Tian X, Chen B. Distributed fusion filtering for stochastic uncertain systems subject to correlated noises, random delays and data losses[C]//2017 13thIEEE International Conference on Control & Automation (ICCA). IEEE, 2017: 259-264.