［周靜 楊新章］

1 引言

無(wú)線定位是指利用測(cè)量設(shè)備及無(wú)線信號(hào)，計(jì)算未知終端的地理位置的過(guò)程。未知位置的終端可以是手機(jī)、車輛、飛機(jī)、船舶、智能穿戴設(shè)備等終端設(shè)備；測(cè)量設(shè)備及發(fā)射端可以是衛(wèi)星、蜂窩基站、WiFi 熱點(diǎn)、藍(lán)牙信標(biāo)等發(fā)射無(wú)線信號(hào)的設(shè)備；與測(cè)量設(shè)備相對(duì)應(yīng)，無(wú)線信號(hào)包括衛(wèi)星信號(hào)、無(wú)線蜂窩信號(hào)、WiFi 信號(hào)和藍(lán)牙信號(hào)等。

無(wú)線定位技術(shù)可以追溯到上世紀(jì)五六十年代[1]，衛(wèi)星技術(shù)發(fā)展出了GPS 導(dǎo)航，為飛機(jī)、船舶等提供導(dǎo)航及定位服務(wù)。上世紀(jì)九十年代，3GPP 會(huì)議召開(kāi)并制定了無(wú)線蜂窩的定位服務(wù)協(xié)議[2]，不同研究者提出了以到達(dá)時(shí)間、到達(dá)時(shí)間差、到達(dá)角測(cè)量等方法在內(nèi)的無(wú)線蜂窩定位技術(shù)，也提出了使用GPS 為無(wú)線蜂窩的定位提供輔助。隨著各種技術(shù)的進(jìn)步，又陸續(xù)提出了藍(lán)牙定位、WLAN 定位、傳感器定位等不同的定位技術(shù)，實(shí)現(xiàn)移動(dòng)終端的定位服務(wù)。5G 基站密度更高，支持海量連接，為無(wú)線定位提供了新的技術(shù)支持，同時(shí)自動(dòng)駕駛、室內(nèi)導(dǎo)航等5G 應(yīng)用也對(duì)定位技術(shù)在精度、實(shí)時(shí)性等方面提出了更高的要求和挑戰(zhàn)。

隨著人工智能（AI）技術(shù)的發(fā)展，以AI 為基礎(chǔ)的無(wú)線定位方法也出現(xiàn)在各類應(yīng)用中，在傳統(tǒng)的定位方法基礎(chǔ)上使用AI 技術(shù)消除模糊、提升精度，可達(dá)到更好的定位效果?；贏I 的5G 定位技術(shù)具有廣闊的應(yīng)用前景。

2 無(wú)線定位技術(shù)概覽

不同的無(wú)線定位方法，依賴于不同的定位原理及不同的物理載體設(shè)備。一般情況下，無(wú)線定位方法的實(shí)施方案為：（1）若干個(gè)有真實(shí)坐標(biāo)的基站、衛(wèi)星或者藍(lán)牙信標(biāo)等物理設(shè)備，發(fā)射無(wú)線信號(hào)用于測(cè)量未知終端，錨定所使用的地理坐標(biāo)系；（2）測(cè)量信號(hào)發(fā)射端與未知終端之間的無(wú)線信號(hào)在傳輸過(guò)程中產(chǎn)生的差異，例如功率差、時(shí)間差、場(chǎng)強(qiáng)差、角度差等。所使用的無(wú)線信號(hào)包括但不限于衛(wèi)星信號(hào)、無(wú)線蜂窩信號(hào)、WLAN 信號(hào)、藍(lán)牙信號(hào)；（3）根據(jù)第二步的測(cè)量結(jié)果，計(jì)算出移動(dòng)終端在對(duì)應(yīng)地理坐標(biāo)系中的坐標(biāo)。

綜上，無(wú)線定位方法通過(guò)一些可辨識(shí)、可區(qū)分的特點(diǎn)，例如距離、距離差、場(chǎng)強(qiáng)、角度等等，區(qū)分出不同的移動(dòng)終端，再根據(jù)其中的信號(hào)差異或時(shí)間差異，計(jì)算出移動(dòng)終端的位置。大體上，無(wú)線定位技術(shù)的原理可以分為距離、距離差、角度、信號(hào)場(chǎng)強(qiáng)等四種，以下對(duì)這四類方法進(jìn)行簡(jiǎn)要介紹。由于無(wú)線定位技術(shù)主要面向移動(dòng)通信，本文重點(diǎn)描述基站作為信號(hào)發(fā)射端或接收端的場(chǎng)景。

2.1 基于距離的無(wú)線定位方法

基于距離的無(wú)線定位方法主要是根據(jù)無(wú)線信號(hào)從基站出發(fā)到達(dá)用戶設(shè)備的時(shí)間（或從用戶設(shè)備到達(dá)基站的時(shí)間）乘以光速得到用戶設(shè)備和不同基站之間的距離，然后根據(jù)圓心公式（或球心公式）計(jì)算出用戶設(shè)備位置。距離方法一般需要嚴(yán)格的時(shí)間同步，是最早出現(xiàn)、最為常用的一類方法。3GPP 先后從算法、測(cè)量手段、輔助設(shè)備等維度引入各種定位方法。

（1）定時(shí)提前TA：在手機(jī)接入基站的過(guò)程中，基站利用上行PRACH 得到UE 的大致距離，計(jì)算出定時(shí)提前參數(shù)TA，可用于估計(jì)移動(dòng)設(shè)備到基站的大致距離[2，3，4，11]。在定時(shí)提前方法的基礎(chǔ)上，3GPP 又衍生出了多向定時(shí)提前方法[11]。

（2）到達(dá)時(shí)間TOA：基站接收移動(dòng)終端發(fā)出的信號(hào)并測(cè)量信號(hào)到達(dá)時(shí)間，計(jì)算出基站與移動(dòng)終端之間的距離，從而估算移動(dòng)終端的地理坐標(biāo)。03.71 協(xié)議描述了該方法。

（3）基于NR 信號(hào)的多往返時(shí)間定位：38.305 協(xié)議中提出利用移動(dòng)終端測(cè)量的從多個(gè)TRP 接收的輔助數(shù)據(jù)，測(cè)量gNB 的時(shí)間差，基于往返時(shí)間計(jì)算移動(dòng)終端的位置[10]。

（4）GPS 定位：通過(guò)在移動(dòng)終端增加GPS 接收機(jī)實(shí)現(xiàn)定位。A-GPS 定位、D-GPS 定位和A-GNSS 定位都屬于GPS 定位的變種。A-GPS 在 03.71 協(xié)議中提出，將網(wǎng)絡(luò)中的輔助數(shù)據(jù)傳輸?shù)揭苿?dòng)終端，以提高GPS傳感器的性能、定位精度并減少捕獲時(shí)間[4]。D-GPS 在25.847 協(xié)議中提出，在網(wǎng)絡(luò)中添加已知坐標(biāo)的基準(zhǔn)接收機(jī)并對(duì)自身實(shí)施定位以獲取公共誤差，用公共誤差對(duì)移動(dòng)終端的定位結(jié)果進(jìn)行調(diào)整。A-GNSS 在43.059 協(xié)議中提出，可使用的衛(wèi)星系統(tǒng)包括GPS、伽利略、衛(wèi)星增強(qiáng)系統(tǒng)（SBAS）、準(zhǔn)天頂衛(wèi)星系統(tǒng)（QZSS）和北斗導(dǎo)航衛(wèi)星系統(tǒng)（BDS）等。

（5）CELL－ID 定位：直接獲取移動(dòng)終端用戶所在的蜂窩小區(qū)ID，將蜂窩小區(qū)ID 對(duì)應(yīng)的地理位置信息作為該移動(dòng)終端的位置[7]。25.305 協(xié)議提出了增強(qiáng)小區(qū)ID 方法，使用一些額外輔助信息（如定時(shí)提前TA、到達(dá)角AOA 等）輔助定位。TA 可以用于計(jì)算UE 到基站的距離，將UE 的坐標(biāo)縮小到距離服務(wù)基站距離為TA*光速的帶狀區(qū)域上。AOA 可以將UE 的未知限制在個(gè)比原始扇區(qū)更窄的扇形區(qū)域。在5G 網(wǎng)絡(luò)中，該方法為基于NR 信號(hào)的NR 增強(qiáng)小區(qū)識(shí)別方法（NRE-CID），使用gNB 測(cè)量值改進(jìn)移動(dòng)端定位效果。這些測(cè)量值包括SS/CSI/E-UTRA 參考信號(hào)接收功率/接收質(zhì)量[10]。

（6）輔助定位：3GPP 還定義了通過(guò)氣壓傳感器、運(yùn)動(dòng)傳感器以及地面信標(biāo)系統(tǒng)來(lái)增強(qiáng)定位精度。25.305 協(xié)議提出利用氣壓傳感器，確定移動(dòng)終端的垂直高度；氣壓法需要與其他定位方法相結(jié)合，確定移動(dòng)終端的三維位置。25.305 協(xié)議也提出可以使用地面信標(biāo)系統(tǒng)（TBS）定位移動(dòng)終端；該系統(tǒng)由地面發(fā)射機(jī)組成，當(dāng)前主要是城市信標(biāo)系統(tǒng)MBS[7]。36.305 協(xié)議提出利用加速度計(jì)、陀螺儀、磁強(qiáng)計(jì)等不同的傳感器來(lái)計(jì)算位移。移動(dòng)終端基于參考位置和/或參考時(shí)間估計(jì)相對(duì)位移，發(fā)送包含所確定的相對(duì)位移的報(bào)告，確定移動(dòng)終端的絕對(duì)位置。

2.2 基于距離差的無(wú)線定位方法

基于距離差的無(wú)線定位方法的主要原理為：獲取一對(duì)基站的信號(hào)到達(dá)用戶設(shè)備的時(shí)間差，根據(jù)“到兩定點(diǎn)的距離為定值的動(dòng)點(diǎn)是一條雙曲線”的幾何原理，繪制出兩條對(duì)應(yīng)的雙曲線；取若干對(duì)雙曲線的交點(diǎn)，消除誤差，即為未知移動(dòng)終端的位置。與距離方法不同，距離差方法一般不需要嚴(yán)格的時(shí)間同步。距離差方法大體上可歸納為到達(dá)時(shí)間差TDOA 和觀測(cè)時(shí)間差OTD 兩類。

（1）到達(dá)時(shí)間差TDOA：測(cè)量基站和移動(dòng)終端之間，無(wú)線信號(hào)到達(dá)的時(shí)間差，乘以光速得到距離差，依據(jù)幾何原理繪制若干條雙曲線，取交點(diǎn)即為移動(dòng)終端的位置。一般情況下，使用上行到達(dá)時(shí)間差U-TDOA，由三個(gè)或以上的基站測(cè)量終端信號(hào)[11]。在5G 網(wǎng)絡(luò)中，TDOA 亦分為上下行兩種，即DL-TDOA 和UL-TDOA。

（2）觀測(cè)時(shí)間差OTD：GSM 標(biāo)準(zhǔn)規(guī)定移動(dòng)臺(tái)對(duì)觀測(cè)到達(dá)時(shí)間差進(jìn)行測(cè)量，減去基站之間的時(shí)基差，計(jì)算終端的位置[5，13]。該方法的原理和TDOA 基本相同，某些文獻(xiàn)將其表述為TDOA 的一種[13]?；贠TD 有各種衍生方法：多向觀測(cè)到達(dá)時(shí)間差方法，計(jì)算移動(dòng)端附近一組基站相對(duì)于服務(wù)基站的觀測(cè)到達(dá)時(shí)間差，并上報(bào)給服務(wù)基站[11]。增強(qiáng)觀測(cè)時(shí)間差E-OTD，用移動(dòng)端中已有的時(shí)間測(cè)量功能，實(shí)現(xiàn)定位并提升精度[13]。

（3）觀測(cè)到達(dá)時(shí)間差OTDOA：在3G 中，OTD 發(fā)展為OTDOA，UE 測(cè)量多個(gè)基站的下行鏈路信號(hào)，計(jì)算出信號(hào)到達(dá)不同基站的的時(shí)間差及相應(yīng)的距離差，推算出移動(dòng)設(shè)備的位置。3GPP 協(xié)議主要提及了三種基于OTDOA的方法：①OTDOA-RNBP，在OTDOA 的基礎(chǔ)上，選擇一些參考點(diǎn)為定位提供輔助測(cè)量結(jié)果[8]。② OTDOA-PE，在OTDOA 的基礎(chǔ)上，基站附近的定位元件PE 發(fā)射無(wú)線信號(hào)，終端測(cè)量這些信號(hào)[8]。③OTDOA-IPDL，在OTDOA的基礎(chǔ)上，在一個(gè)很短的時(shí)間間隔內(nèi)關(guān)閉服務(wù)基站的所有下行信號(hào)發(fā)射，提高UE 檢測(cè)到其他基站信號(hào)的概率[7]。

TDOA 及其衍生方法在移動(dòng)終端測(cè)量或者基站位置測(cè)量信號(hào)。OTD/OTDOA 及其衍生方法一般由終端測(cè)量信號(hào)[7]。兩類方法的定位原理（雙曲線法/距離差）基本相同。

2.3 基于角度的無(wú)線定位方法

基于角度的無(wú)線定位方法的原理為，發(fā)射端或者接收端改造為天線陣列，使發(fā)送或接收的無(wú)線信號(hào)在不同天線之間產(chǎn)生一定的相位差，計(jì)算信號(hào)到達(dá)角或者脫離角；再根據(jù)三角形的相關(guān)幾何原理計(jì)算出未知設(shè)備的位置。角度方法一般包括到達(dá)角AOA 和脫離角AOD。

（1）到達(dá)角定位AOA：該方法需要接收端為天線陣列，利用不同天線接收到的信號(hào)形成的相位差，計(jì)算到達(dá)角，并確定用戶位置。到達(dá)角分為水平方向的方位角和垂直方向的天頂角，需要分別測(cè)量[8]。5G 中AOA 稱為基于NR 信號(hào)的上行到達(dá)角UL-AOA[10]。

（2）脫離角定位AOD：該方法的原理與到達(dá)角相反，需要將發(fā)射端改造為智能天線陣列，每根天線將產(chǎn)生一個(gè)相位差；根據(jù)相位差可以計(jì)算出脫離角，估算未知移動(dòng)端的地理坐標(biāo)。5G 中AOD 稱為基于NR 信號(hào)的下行脫離角DL-AOD[10]。

另外，角度方法也可用于WLAN、藍(lán)牙定位（如表2所示）。

2.4 基于場(chǎng)強(qiáng)的無(wú)線定位方法

基于場(chǎng)強(qiáng)的無(wú)線定位方法，是根據(jù)空間中的某一位置接收到的不同信號(hào)的場(chǎng)強(qiáng)建立相應(yīng)的數(shù)據(jù)庫(kù)，移動(dòng)終端根據(jù)當(dāng)前測(cè)量值進(jìn)行匹配，從而得出移動(dòng)終端的大致位置。場(chǎng)強(qiáng)方法主要包括場(chǎng)強(qiáng)指紋定位和信號(hào)傳播模型定位方法，多見(jiàn)于藍(lán)牙、Wifi 等信號(hào)，主要用于室內(nèi)定位、短距離定位。

（1）場(chǎng)強(qiáng)指紋定位（主要包括藍(lán)牙、WLAN、UWB等）：

①藍(lán)牙RSSI。藍(lán)牙RSSI 定位方法，需要移動(dòng)終端接收并測(cè)量來(lái)自藍(lán)牙信標(biāo)的信號(hào)，根據(jù)采樣點(diǎn)建立的參考數(shù)據(jù)庫(kù)，未知移動(dòng)終端的地理坐標(biāo)[6，7，10]。

② WLAN RSSI。WLAN RSSI 定位方法，需要移動(dòng)終端測(cè)量來(lái)自WLAN 熱點(diǎn)的信號(hào)[6]，移動(dòng)終端與存儲(chǔ)采樣點(diǎn)的數(shù)據(jù)庫(kù)進(jìn)行比較，得到地理坐標(biāo)[6，7，10]。

③信號(hào)傳播模型定位：該方法對(duì)無(wú)線信號(hào)在室內(nèi)范圍的傳播衰減模型進(jìn)行研究，生成定位區(qū)域的無(wú)線信號(hào)分布。移動(dòng)設(shè)備在測(cè)量到若干信號(hào)值后，和指紋模型進(jìn)行比較，計(jì)算出自己當(dāng)前的位置。該方法一般用在藍(lán)牙系統(tǒng)中。

3 無(wú)線定位技術(shù)比較分析

3.1 無(wú)線定位技術(shù)分類

如上文所述，無(wú)線定位方法可以根據(jù)定位原理，分為距離、距離差、角度和場(chǎng)強(qiáng)四類方法。上述不同類型的定位方法主要區(qū)別在于信號(hào)類型、信號(hào)發(fā)射方式以及信號(hào)檢測(cè)設(shè)備的差異。此外，場(chǎng)強(qiáng)方法需要采樣。

表1 列舉了按照定位原理劃分的無(wú)線定位方法。

表1 按照定位原理劃分

上述無(wú)線定位方法，可以在不同的物理載體上實(shí)現(xiàn)，但略有一些區(qū)別。例如，衛(wèi)星定位通常使用GPS 接收機(jī)，不使用TA 定時(shí)提前；無(wú)線蜂窩網(wǎng)絡(luò)使用小區(qū)ID 識(shí)別，WLAN 使用接入點(diǎn)識(shí)別，等等。一些定位方法可以跨物理載體使用，例如TDOA、AOA，可以用在無(wú)線蜂窩網(wǎng)絡(luò)[11]、藍(lán)牙系統(tǒng)[34]和WLAN[30]。一些定位方法不能跨物理載體使用，例如不能在衛(wèi)星上使用CELLID 方法，因?yàn)樾l(wèi)星不劃分CELLID。

根據(jù)物理載體的不同，無(wú)線定位方法可以劃分為：（1）無(wú)線蜂窩定位方法；（2）衛(wèi)星定位方法；（3）WLAN定位方法；（4）藍(lán)牙定位方法；（5）傳感器定位方法；（6）其他定位方法，如UWB、紅外定位、Zigbee 定位等等。如表2 所示。

表2 按照物理設(shè)備劃分

大多數(shù)情況下，無(wú)線蜂窩網(wǎng)絡(luò)的基站到用戶設(shè)備的距離較遠(yuǎn)，一般使用TDOA、E-OTD 等定位方法[2,12]。而藍(lán)牙等窄帶信號(hào)在TOA 或者TDOA 上的表現(xiàn)不佳[32]。另一方面，WLAN、藍(lán)牙等設(shè)備與用戶設(shè)備的距離較近，常用到達(dá)角[30]、脫離角[34]、場(chǎng)強(qiáng)指紋[28]等方法。衛(wèi)星距離移動(dòng)設(shè)備的距離比基站更遠(yuǎn)，一般會(huì)作為無(wú)線蜂窩網(wǎng)絡(luò)的輔助。傳感器設(shè)備一般不單獨(dú)用于定位，和其他定位方法結(jié)合在一起，用于確定設(shè)備的三維坐標(biāo)[9]。

一般情況下，CELL-ID 定位精度比其他定位算法要低。傳感器、場(chǎng)強(qiáng)指紋、到達(dá)角等方法，可以有更高的定位精度。終端和發(fā)射端之間的幾何位置關(guān)系，對(duì)定位精度有一定影響[39]。

表3 列舉了部分定位方法在實(shí)現(xiàn)時(shí)的精度。

表3 定位精度

3.2 無(wú)線定位技術(shù)演進(jìn)

無(wú)線定位技術(shù)的發(fā)展經(jīng)歷了三個(gè)階段：（1）上世紀(jì)九十年代末期到本世紀(jì)初期，常用以定時(shí)提前、到達(dá)時(shí)間、觀測(cè)到達(dá)時(shí)間、觀測(cè)到達(dá)時(shí)間差為基礎(chǔ)的無(wú)線蜂窩定位技術(shù)，GPS 衛(wèi)星定位技術(shù)作為輔助。（2）本世紀(jì)初期到5G出現(xiàn)之前，隨著其他無(wú)線技術(shù)如藍(lán)牙、WLAN、UWB 等技術(shù)的進(jìn)步，出現(xiàn)了一批以藍(lán)牙、WLAN、UWB、地面信標(biāo)系統(tǒng)、傳感器等為物理載體的無(wú)線定位方法，與無(wú)線蜂窩定位技術(shù)相互配合，實(shí)現(xiàn)移動(dòng)終端的定位。（3）從5G 網(wǎng)絡(luò)出現(xiàn)至今，出現(xiàn)了一批以5G NR 為基礎(chǔ)的無(wú)線定位技術(shù)，如增強(qiáng)Cell-ID、UL-TDOA、DL-AOD 等方法。早期的無(wú)線定位技術(shù)，例如TOA、TDOA、GPS，多使用單一方法實(shí)現(xiàn)移動(dòng)終端的定位。隨著WLAN、藍(lán)牙、無(wú)線蜂窩技術(shù)的發(fā)展，出現(xiàn)了網(wǎng)絡(luò)輔助的A-GPS 方法、基于參考點(diǎn)的OTDOA-RNBP 方法、氣壓定位或者運(yùn)動(dòng)傳感器定位方法等等。這些方法多使用輔助設(shè)備，配合無(wú)線蜂窩基站進(jìn)行數(shù)據(jù)測(cè)量和計(jì)算。

如圖1 所示，在無(wú)線定位技術(shù)發(fā)展的早期，出現(xiàn)了TA、TOA、GPS、CELLID、TDOA 等技術(shù)，多用于GSM系統(tǒng)。在這一時(shí)期，以無(wú)線蜂窩技術(shù)為主。隨著時(shí)代的發(fā)展，又衍生出了A-GNSS、E-CID、OTDOA 等，以及以氣壓法為代表的傳感器定位技術(shù)，以AOA 為代表的角度定位技術(shù)和以RSSI 為代表的場(chǎng)強(qiáng)定位技術(shù)，用于3G 網(wǎng)絡(luò)。在這一時(shí)期，WLAN、藍(lán)牙等技術(shù)開(kāi)始用于無(wú)線定位。4G時(shí)代大體上沿用了3G 時(shí)代的無(wú)線定位方法，略有增強(qiáng)。5G 網(wǎng)絡(luò)架構(gòu)與4G 有區(qū)別，衍生出了一系列以NR 為基礎(chǔ)的無(wú)線定位方法。

圖1 無(wú)線定位算法趨勢(shì)圖

4 無(wú)線定位算法實(shí)現(xiàn)方案

4.1 傳統(tǒng)的定位實(shí)現(xiàn)方法

傳統(tǒng)的無(wú)線定位方法，根據(jù)上述定位原理有距離、距離差、場(chǎng)強(qiáng)、角度四類，每一類方法又有不同的實(shí)現(xiàn)方案。按照實(shí)現(xiàn)方案的類型，可以劃分為：（1）解方程直接實(shí)現(xiàn)；（2）擬合/回歸；（3）分類/聚類；（4）概率統(tǒng)計(jì)。

4.1.1 解方程法

第一類是根據(jù)定位原理，構(gòu)造方程（組）并使用不同方法求解，例如文獻(xiàn)[35]提出了一種基于TA 和PMI 值的用戶定位方法，根據(jù)TA計(jì)算出UE和基站天線之間的距離，根據(jù)PMI 計(jì)算出UE 和基站天線之間的夾角，對(duì)UE 進(jìn)行定位。文獻(xiàn)[39]提出了一種利用多站TDOA 信息進(jìn)行定位的非線性方程組求解方法，不需要進(jìn)行迭代運(yùn)算，直接求解。文獻(xiàn)[43]提出了一種基于特征值重構(gòu)的到達(dá)角方法，重構(gòu)信號(hào)協(xié)方差矩陣，進(jìn)行特征值分解、估計(jì)信號(hào)的波達(dá)方向，實(shí)現(xiàn)終端的定位。上述方法涵蓋了TA、TDOA、AOA 等無(wú)線定位方案。

4.1.2 擬合/回歸方法

第二類是擬合/回歸方案。其中，擬合法包括最小二乘、泰勒級(jí)數(shù)展開(kāi)、擬牛頓法等；回歸方法包括線性回歸、非線性回歸等。這些方法可以使用AI/非AI 的技術(shù)實(shí)現(xiàn)，本小節(jié)僅討論后者。例如，文獻(xiàn)[16]提出了一種基于廣義互相關(guān)和多項(xiàng)式擬合的TDOA 時(shí)延估計(jì)方法，將時(shí)延精度推進(jìn)到亞采樣點(diǎn)級(jí)。文獻(xiàn)[36]提出了一種改進(jìn)的Mean-OTDOA 算法，將終端和多個(gè)基站的測(cè)距結(jié)果的平均值作為參考距離，利用泰勒級(jí)數(shù)展開(kāi)法對(duì)終端位置進(jìn)行估計(jì)。文獻(xiàn)[37]提出了一種基于線性回歸和最小二乘的TOA 方法，用線性回歸估計(jì)距離誤差和真實(shí)距離之間的關(guān)系，運(yùn)用最小二乘對(duì)終端進(jìn)行定位。文獻(xiàn)[41]提出了一種基于線性回歸分析的定位方法，結(jié)合信號(hào)衰減模型和線性回歸理論，修正錨節(jié)點(diǎn)的測(cè)距模型，提升定位精度。文獻(xiàn)[42]使用多項(xiàng)式擬合方法，解決GPS定位中的高程擬合問(wèn)題。文獻(xiàn)[46]提出了一種WiFi-RTT 定位方法，利用半?yún)?shù)方法構(gòu)造WiFi-RTT定位的觀測(cè)模型和隨機(jī)模型，并進(jìn)行了可靠性驗(yàn)證。文獻(xiàn)[47]提出了一種線性加權(quán)的Cell-ID 方法，通過(guò)信號(hào)強(qiáng)度獲得各個(gè)基站的權(quán)重，對(duì)終端進(jìn)行定位。文獻(xiàn)[53]提出了一種RSSI 定位的求解方法，將最小二乘法和無(wú)約束擬牛頓法相結(jié)合，求解未知終端的坐標(biāo)。文獻(xiàn)[54]提出了一種三位總體最小二乘節(jié)點(diǎn)自定位方法，利用總體最小二乘法TLS 減小誤差，進(jìn)行廣義特征值分解并計(jì)算方位角和俯仰角，對(duì)終端進(jìn)行定位。文獻(xiàn)[55]提出了一種新的定位方法，在觀測(cè)值為到達(dá)時(shí)間差、到達(dá)角和脫離角時(shí)，使用基于觀測(cè)函數(shù)線性化的一階泰勒級(jí)數(shù)迭代法進(jìn)行定位。上述方法表明，TOA、TDOA、OTDOA、RSSI、GPS、RTT、CELL-ID、AoA 等絕大部分無(wú)線定位方法，可以用擬合/回歸方法實(shí)現(xiàn)。

4.1.3 分類/聚類方法

第三類是分類/聚類方法，可以使用AI/非AI 的方法實(shí)現(xiàn)，本小節(jié)僅討論后者。例如，文獻(xiàn)[45]提出了一種基于信號(hào)強(qiáng)度與空間劃分的室內(nèi)WiFi 接入點(diǎn)定位方法，首先采集WiFi 信號(hào)，將目標(biāo)AP 所在區(qū)域分為四個(gè)區(qū)域，以二分法確定參考點(diǎn)，確定信號(hào)強(qiáng)度相對(duì)關(guān)系最大值，重復(fù)上述步驟直到定位達(dá)到期望閾值。其他的分類/聚類方法，將在4.2 小節(jié)中討論。上述方法表明，分類/聚類在Wi-Fi 等定位方法中，是一個(gè)行之有效的解決方案。

4.1.4 概率統(tǒng)計(jì)方法

第四類是概率統(tǒng)計(jì)的方法，包括但不限于極大似然估計(jì)、概率密度計(jì)算等等。例如，文獻(xiàn)[14]提出，在OTDOA 的測(cè)量中可以使用極大似然估計(jì)，并設(shè)計(jì)了三種方法估計(jì)信號(hào)的第一到達(dá)路徑，滿足各種實(shí)際移動(dòng)信道下的3GPP 要求。文獻(xiàn)[38]提出了一種基于特征值融合的TOA 方法；該方法根據(jù)先驗(yàn)信息，對(duì)獲取的不同天線的TOA 測(cè)量值進(jìn)行卡爾曼無(wú)偏濾波、卡爾曼有偏濾波，實(shí)現(xiàn)誤差判別和誤差抑制，提升定位精度。文獻(xiàn)[52]提出了一種特征值融合的RSSI 定位方法，在RSSI 的概率分布特征基礎(chǔ)上，進(jìn)行RSSI 不同信號(hào)特征值融合，實(shí)現(xiàn)定位精度優(yōu)于傳統(tǒng)的均值指紋定位算法。文獻(xiàn)[27]提出了一種基于概率密度的WLAN 接入點(diǎn)定位方法，根據(jù)定向天線接收到的不同信號(hào)強(qiáng)度，計(jì)算接入點(diǎn)落在不同區(qū)域的概率，形成概率統(tǒng)計(jì)表并進(jìn)行位置估計(jì)。上述方法表明，TOA、OTDOA、RSSI、WLAN 接入點(diǎn)等無(wú)線定位方法中，概率統(tǒng)計(jì)方案能發(fā)揮出一定的作用。

表4 給出了一些傳統(tǒng)的無(wú)線定位算法實(shí)現(xiàn)方案。

表4 按照實(shí)現(xiàn)方式劃分

4.2 基于人工智能的無(wú)線定位實(shí)現(xiàn)方案

隨著人工智能的發(fā)展，以機(jī)器學(xué)習(xí)為主的人工智能技術(shù)，在無(wú)線定位技術(shù)中得到廣泛的應(yīng)用。一般情況下，人工智能的解決方案如下：（1）根據(jù)原始的無(wú)線定位方法，獲取相應(yīng)數(shù)據(jù)。例如，TA 方法需要獲取定時(shí)提前數(shù)據(jù)，AOA 方法需要獲取到達(dá)角數(shù)據(jù)，TOA/TDOA 方法需要獲取測(cè)距結(jié)果。（2）根據(jù)需要解決的問(wèn)題特點(diǎn)，選擇合適的人工智能方法。例如RSSI 場(chǎng)強(qiáng)指紋定位需要匹配數(shù)據(jù)庫(kù)，適合使用分類方法。TOA/TDOA 的原理是圓/雙曲線方程，適合使用回歸方法。一般情況下，人工智能方法由于直接使用訓(xùn)練數(shù)據(jù)，可以同時(shí)擬合陰影效應(yīng)、多徑效應(yīng)等復(fù)雜的應(yīng)用場(chǎng)景。（3）獲取結(jié)果坐標(biāo)。

圖2 描述了基于AI 的無(wú)線定位流程。

圖2 基于AI 的無(wú)線定位流程

上述流程圖中，樣本數(shù)據(jù)是指可用于訓(xùn)練的數(shù)據(jù)樣本，例如RSSI 定位方法需要測(cè)量某個(gè)點(diǎn)的若干個(gè)信號(hào)場(chǎng)強(qiáng)，形成場(chǎng)強(qiáng)指紋；那么一個(gè)場(chǎng)強(qiáng)指紋就是一個(gè)訓(xùn)練樣本。其余方法以此類推。上述標(biāo)簽是機(jī)器學(xué)習(xí)中的概念，在無(wú)線定位方法中，標(biāo)簽通常是指某一條訓(xùn)練數(shù)據(jù)是否具有準(zhǔn)確坐標(biāo)值。例如，如果一個(gè)RSSI 訓(xùn)練樣本，同時(shí)具有若干個(gè)信號(hào)形成的場(chǎng)強(qiáng)指紋和這一處的準(zhǔn)確坐標(biāo)，則它是一個(gè)帶標(biāo)簽的訓(xùn)練樣本。如果只有若干個(gè)信號(hào)形成的場(chǎng)強(qiáng)指紋，則是一個(gè)不帶標(biāo)簽的訓(xùn)練樣本。

絕大多數(shù)基于AI 的無(wú)線定位方法都使用帶標(biāo)簽的樣本進(jìn)行訓(xùn)練。只有少數(shù)聚類方法不使用帶標(biāo)簽的數(shù)據(jù)。在實(shí)際應(yīng)用中，可以輕易獲取大量帶標(biāo)簽的訓(xùn)練數(shù)據(jù)。如果需要獲取較高的精度，也應(yīng)當(dāng)使用帶標(biāo)簽的數(shù)據(jù)，進(jìn)行大量訓(xùn)練。

包括支持向量機(jī)、分類/聚類、神經(jīng)網(wǎng)絡(luò)等AI 方法在內(nèi)，均可用于實(shí)現(xiàn)無(wú)線定位方案。例如，文獻(xiàn)[12]提出在波束形成的指紋上使用神經(jīng)網(wǎng)絡(luò)，可以實(shí)現(xiàn)單錨定位。根據(jù)移動(dòng)設(shè)備目標(biāo)應(yīng)用程序的不同，還可以使用跟蹤技術(shù)（利用短期歷史數(shù)據(jù)）來(lái)增強(qiáng)定位。該方案主要用于室外定位場(chǎng)景，平均估計(jì)誤差穩(wěn)定在1.78 m 以下。文獻(xiàn)[15]提出了一種基于遺傳神經(jīng)網(wǎng)絡(luò)的到達(dá)角定位方法，用于非視距傳播環(huán)境。遺傳神經(jīng)網(wǎng)絡(luò)主要用于對(duì)AOA 測(cè)量值進(jìn)行修正，以最小二乘法確定移動(dòng)臺(tái)的位置。文獻(xiàn)[17]在傳統(tǒng)室內(nèi)指紋定位方法的基礎(chǔ)上，優(yōu)化了指紋數(shù)據(jù)庫(kù)并進(jìn)行聚類管理，減小了在線定位時(shí)查找信息的計(jì)算量。文獻(xiàn)[18]提出了一種定位方法，使用BP 神經(jīng)網(wǎng)絡(luò)取代傳統(tǒng)方案，建立測(cè)距模型，以消除對(duì)環(huán)境的過(guò)度依賴，適應(yīng)不同的環(huán)境。結(jié)果表明該方法的性能優(yōu)于經(jīng)典算法，獲得了更高的定位精度。文獻(xiàn)[19]利用SVM 優(yōu)化徑向基神經(jīng)網(wǎng)絡(luò)RBF 的網(wǎng)絡(luò)權(quán)值、閾值和結(jié)點(diǎn)數(shù)，將訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)用于TDOA 定位，結(jié)果表明該方法的精度高于Chan 算法和Kmeans 聚類。文獻(xiàn)[20]提出了一種免標(biāo)定、無(wú)監(jiān)督的信號(hào)差比（signal strength difference ratio）解決方案，將信號(hào)指紋特征去線性處理，考慮接入點(diǎn)的影響，使用一個(gè)包含兩個(gè)隱層、Softmax 函數(shù)的神經(jīng)網(wǎng)絡(luò)，將傳統(tǒng)的基于信號(hào)強(qiáng)度和歐式距離的定位方案，提升了10～20%的精度。文獻(xiàn)[21]提出了一種基于機(jī)器學(xué)習(xí)的信息論位置驗(yàn)證系統(tǒng)，可以在不知道信道參數(shù)的情況下，適應(yīng)不斷變化的環(huán)境，對(duì)車輛進(jìn)行定位。同時(shí)，該方法在遭遇惡意車輛的位置欺騙攻擊時(shí)，也具備有效性。文獻(xiàn)[22]提出了一種無(wú)監(jiān)督機(jī)器學(xué)習(xí)的數(shù)據(jù)聚類方法，將測(cè)量數(shù)據(jù)分為視距信號(hào)和非視距信號(hào)，剔除非視距數(shù)據(jù)，采用泰勒級(jí)數(shù)展開(kāi)迭代法計(jì)算終端坐標(biāo)，有效地減小了非視距誤差對(duì)測(cè)量結(jié)果的影響，平均定位精度由傳統(tǒng)方法的10 km 提高到0.7 km，收斂時(shí)間由400 s 縮短到250 s。文獻(xiàn)[23]提出了一種基于神經(jīng)網(wǎng)絡(luò)的傳感器位置估計(jì)方法，以移動(dòng)終端接收到的信號(hào)強(qiáng)度指標(biāo)（RSSI）和錨點(diǎn)傳感器ID 作為輸入，位置信息作為輸出，訓(xùn)練神經(jīng)網(wǎng)絡(luò)。該方法比基于質(zhì)心（CL）和普通神經(jīng)網(wǎng)絡(luò)的方法，提升了約30%的精度。文獻(xiàn)[44]提出了一種氣壓計(jì)輔助Wi-Fi 樓層定位的方法，包含兩階段的聚類：基于氣壓計(jì)的層次聚類和基于Wi-Fi的Kmeans聚類，利用Wi-Fi 和氣壓計(jì)讀數(shù)組成氣壓指紋，在不了解Wi-Fi基礎(chǔ)設(shè)施的時(shí)候可以提供定位服務(wù)。文獻(xiàn)[48]提出了一種基于小區(qū)標(biāo)識(shí)的定位算法，利用移動(dòng)臺(tái)檢測(cè)到的所有小區(qū)id（服務(wù)或非服務(wù)），以隱馬爾可夫模型（HMM）對(duì)用戶運(yùn)動(dòng)和測(cè)量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)建模，利用HMM 濾波器的后驗(yàn)概率，采用最大后驗(yàn)估計(jì)準(zhǔn)則進(jìn)行定位決策。結(jié)果表明，基于HMM 的CELLID 定位優(yōu)于經(jīng)典方法。文獻(xiàn)[49]提出了一種自適應(yīng)增強(qiáng)CELLID 方法，首先對(duì)高精度測(cè)量值進(jìn)行聚類，高精度測(cè)量值包括輔助GPS 測(cè)量、無(wú)線接入承載、往返時(shí)間等；其次，根據(jù)聚類結(jié)果計(jì)算相應(yīng)的CELL 多邊形，每一個(gè)多邊形包含相同的置信度，確保建模時(shí)CELL多邊形內(nèi)部的概率一致；請(qǐng)求定位時(shí)，該方法檢測(cè)相鄰小區(qū)，檢索并發(fā)送相應(yīng)的CELL 多邊形，以實(shí)現(xiàn)定位功能。實(shí)驗(yàn)結(jié)果表明該方法的定位效果優(yōu)于傳統(tǒng)方法。文獻(xiàn)[50]的研究表明，WiFi-RSSI 建模是室內(nèi)WiFi 指紋定位方法的關(guān)鍵因素。前向人工神經(jīng)網(wǎng)絡(luò)可以方便地對(duì)WiFi-RSSI 值進(jìn)行建模（基于指紋數(shù)據(jù)庫(kù)）。在人工神經(jīng)網(wǎng)絡(luò)中，采用ReLu 或tanh 激活函數(shù)，并由sgd 或adam 訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，具有較高的定位精度。文獻(xiàn)[56]提出了一種融合多種測(cè)量數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)，解決了常規(guī)定位算法中使用線性最小二乘法求解非線性方程導(dǎo)致定位精度下降的問(wèn)題。神經(jīng)網(wǎng)絡(luò)融合的測(cè)量數(shù)據(jù)包括：到達(dá)時(shí)間（TOA），到達(dá)時(shí)間差（TDOA），到達(dá)角（AOA）。

綜上所述，支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)的AI 方法，可有效提升無(wú)線定位方法的定位精度、修正測(cè)量誤差、減少多徑效應(yīng)的負(fù)面影響，處理各種復(fù)雜環(huán)境下的移動(dòng)設(shè)備定位問(wèn)題（如欺騙攻擊[21]）。目前，基于AI 的無(wú)線定位方案，多見(jiàn)于TDOA、AOA、RSSI 等無(wú)線定位方法。

在實(shí)際應(yīng)用過(guò)程中，包括神經(jīng)網(wǎng)絡(luò)、聚類等方法，更適用于大規(guī)模用戶的定位方案。隨著通信技術(shù)的進(jìn)步，5G將帶來(lái)更多的應(yīng)用場(chǎng)景，例如智能穿戴設(shè)備、車聯(lián)網(wǎng)等，將對(duì)無(wú)線定位方法帶來(lái)更大的挑戰(zhàn)。

5 結(jié)束語(yǔ)

無(wú)線定位技術(shù)發(fā)展出了以無(wú)線蜂窩、衛(wèi)星、WLAN、藍(lán)牙、傳感器等不同物理設(shè)備上使用的定位方法，設(shè)計(jì)出了TOA、TDOA、AOA、OTDOA、RTT、GPS 等一系列定位方案，以及包括人工智能在內(nèi)的一系列不同的實(shí)現(xiàn)方法。

在2G～3G 時(shí)代，一般使用基于距離/距離差的無(wú)線蜂窩定位技術(shù)，輔以GPS 定位技術(shù)。在4G 時(shí)代，隨著WLAN、藍(lán)牙、傳感器等技術(shù)的發(fā)展，無(wú)線定位技術(shù)開(kāi)始引入WLAN、藍(lán)牙等功能，并通過(guò)各種方法提升測(cè)量精度和定位精度。5G 時(shí)代，基于gNB 信號(hào)的無(wú)線定位方法開(kāi)始出現(xiàn)，獲得進(jìn)一步提高，也同時(shí)出現(xiàn)了一些新的應(yīng)用場(chǎng)景及需求。

隨著人工智能技術(shù)的進(jìn)步，以機(jī)器學(xué)習(xí)為代表的AI方法開(kāi)始用于無(wú)線定位技術(shù)，主要用于提升精度、提升運(yùn)行效率和效果，彌補(bǔ)原有定位方法的不足。