室內(nèi)無線定位算法研究現(xiàn)狀與發(fā)展趨勢

(陸軍工程大學(xué)石家莊校區(qū) 導(dǎo)彈工程系，石家莊 453000)

1 引 言

隨著定位技術(shù)的發(fā)展，基于位置的服務(wù)(Location Based Service，LBS)越來越受到人們的關(guān)注。在生活中，LBS為人們的生活提供越來越多的便捷服務(wù)，例如外出旅游時，LBS可以在當(dāng)時的位置提供餐飲、娛樂等信息查詢服務(wù)，在發(fā)生事故時可以更快地提供應(yīng)急救援服務(wù)和人員位置跟蹤，但是LBS對位置精度有一定要求，有些甚至很高[1]。在室外環(huán)境中，通常采用全球定位系統(tǒng)(Global Positioning System，GPS)和“北斗”衛(wèi)星導(dǎo)航系統(tǒng)(Beidou Navigation Satellite System，BDS)。但是，衛(wèi)星信號進(jìn)入室內(nèi)后，由于障礙物(如墻壁和櫥柜等)的阻擋，信號變?nèi)?，?dǎo)致定位誤差較大，不能滿足室內(nèi)環(huán)境對定位的需求，因此需要采用其他技術(shù)對室內(nèi)環(huán)境進(jìn)行定位[2]。

影響室內(nèi)無線定位的因素主要有兩個：一是信號的非視距傳播，另一個是信號的多路徑傳播[3]。為解決這個兩個問題，目前，室內(nèi)定位研究主要集中在以下兩個方面：一方面主要是對室內(nèi)定位算法研究，而現(xiàn)有的室內(nèi)定位算法主要有鄰近信息法、場景分析法、利用幾何特性定位法等，其主要思想是采用多種方式進(jìn)行融合，以此來提高定位精度；另一方面是圍繞室內(nèi)定位信道模型的研究，其主要思想是建立不同的信道模型來用于不同的環(huán)境下的定位。因此本文主要從室內(nèi)定位理論方面展開研究，將其分為室內(nèi)信道建模以及定位算法兩方面進(jìn)行論述，介紹這兩方面最新的國內(nèi)外研究動態(tài)，最后對現(xiàn)有的研究進(jìn)行總結(jié)以及未來的發(fā)展動態(tài)和趨勢進(jìn)行總結(jié)。

2 室內(nèi)定位的理論研究

2.1 室內(nèi)定位信道模型

在室內(nèi)定位中,常用的參數(shù)為信號到達(dá)時間(Time of Arrival,TOA)、信號到達(dá)角度(Direction of arrival,DOA)、信號到達(dá)時間差(Time Difference of Arrival,TDOA)和接收信號強(qiáng)度(Received Signal Strength，RSS)，因此定位信道模型中，必須對這些參數(shù)進(jìn)行反映。在以往的研究中，室內(nèi)定位的信道模型有許多種，下面主要介紹最常用的4種。

2.1.1基于RSS的信道模型

基于RSS的信道模型主要利用信號在傳播過程中，接收信號的強(qiáng)度隨著距離的增加而衰減，這種衰減特性包含了距離信息。在真實(shí)環(huán)境中，信號的反射、散射或者遮蔽現(xiàn)象通常會對接收到的信號產(chǎn)生干擾，這些現(xiàn)象通常與環(huán)境有關(guān)，所以難以采用精確的數(shù)學(xué)模型來描述對接收端信號強(qiáng)度的影響。由于這種信號傳播的不確定性，研究者通常假設(shè)接收信號強(qiáng)度滿足正態(tài)分布，在這種假設(shè)下，對信號強(qiáng)度隨距離變化的模型有經(jīng)典的窄帶信號自由空間的路徑損耗對數(shù)模型[4-5]：

式中：P0(d0)是距離d0處的信號強(qiáng)度；n表示路徑損耗參數(shù)；Xσ是服從對數(shù)正態(tài)分布的隨機(jī)變量，用來表征信號的反射現(xiàn)象對接收者接收到的信號強(qiáng)度造成的影響。該模型可以作為位置參數(shù)來解決定位問題，圖1表示不同的路徑損耗n的差別。

圖1 不同的路徑損耗n對比Fig.1 Different path loss n contrast

針對如何利用RSS來精確定位，國內(nèi)外學(xué)者做了大量相關(guān)研究。Assad等人[6]對射頻識別技術(shù)(Radio Frequency Identification,RFID)和WiFi信號的RSS室內(nèi)信道模型進(jìn)行了測量，研究室內(nèi)環(huán)境對RSS的影響。在文獻(xiàn)[7]中首次提出了路徑損耗指數(shù)的自估計(jì)方法，此方法獨(dú)立于外部環(huán)境信息可以工作。石曉偉等人[8]利用BP神經(jīng)網(wǎng)絡(luò)來擬合傳統(tǒng)的距離損失模型參數(shù)，提高了模型的通用性。佐磊等[9]推導(dǎo)出了自由空間下無源超高頻射頻識別系統(tǒng)的雙斜率對數(shù)距離路徑損耗模型。為了提高在多路徑環(huán)境中的定位精度，Guo等人[10]提出了一個指數(shù)瑞利模型，通過對大量實(shí)測數(shù)據(jù)的研究，將信道模型分為大尺度指數(shù)衰減部分和小尺度瑞利增強(qiáng)部分兩部分，減少了多徑影響，使模型更貼近實(shí)際。鄧志安等[11]提出利用SVR構(gòu)建接收信號強(qiáng)度與物理位置之間的非線性映射關(guān)系，以提高定位精度，但受RSS的時變性影響較大。陳麗娜[12]提出了一種基于改進(jìn)的雙峰高斯模型定位算法，減少了大約70%的樣本數(shù)量，可以減少數(shù)據(jù)采集工作量，節(jié)約定位成本。

以往研究大部分都基于窄帶模型，隨著寬帶技術(shù)的不斷發(fā)展，IEEE 802.15.4a標(biāo)準(zhǔn)給出了2～10 GHz和100～1 000 MHz頻帶中的路徑損耗模型，并給出了4種不同室內(nèi)環(huán)境中的模型參數(shù)值[13]。Ren等[14]研究了針對超寬帶(Ultra-wide Band,UWB)信號穿墻路徑損耗模型。

2.1.2基于TOA信道模型

對于具有已知信號傳播速度的信號，可以通過測量從信號的發(fā)送端到接收端所經(jīng)過的時間來計(jì)算接收端和發(fā)送端之間的距離，且對視距路徑的TOA模型有

d=ct+v，

(1)

d為基站與移動終端之間的距離，c為波速，t為測得的信號到達(dá)時間值，v為誤差，其為高斯噪聲。但在室內(nèi)環(huán)境中，由于信號受到多徑和非視距問題的干擾，視距路徑的TOA模型可修正為[15]

d=ct+v+b。

(2)

式中：b為信號在非視距情況下造成的誤差，還可以采用截斷高斯分布[16]、指數(shù)分布[17]或Gamma分布[18]來表述這種特征。TOA信道模型其主要用于多邊測量，如圖2所示。

圖2 多邊測量Fig.2 Multilateral measurement

Bartolutti等人[19]還針對寬帶信道建立了TOA測距的數(shù)學(xué)模型。Sharp等人[20]設(shè)計(jì)了一個更普適的TOA誤差模型，其將誤差分為兩部分進(jìn)行統(tǒng)計(jì)建模，一種是非視線誤差，另一種是信號檢測引起的誤差。通過調(diào)整參數(shù)，該模型不僅適用于窄帶信號，也可以應(yīng)用于寬帶UWB信號。

2.1.3位置指紋信道模型

位置指紋模型是基于場景分析比較的模型[21-22]，在指紋匹配算法[23]中，位置指紋算法分為兩個方面：建立離線無線電地圖;在線匹配最為相似地圖，以此實(shí)現(xiàn)定位的方法。由于指紋是從測得的信號強(qiáng)度或功率獲得的，因此它包含了多徑傳播和非視線誤差的影響，因此定位結(jié)果不受這些影響因素。此外，它對時間同步和時鐘精度要求不高，而且在某個地區(qū)可以獲得非常高的定位精度。但它依舊存在一些缺點(diǎn)：在指紋提取階段(即測量離線無線電地圖)中，不僅工作量大、時間長，而且當(dāng)拆除舊建筑物或改變布局時，需要再次測量指紋。因此，信號指紋識別方法不適用于環(huán)境頻繁變化的情況。其整個定位流程如圖3所示。

圖3 指紋定位流程Fig.3 Fingerprint positioning process

為了克服指紋提取階段的大量工作量和長時間的不足，人們提出了一些改進(jìn)的方法。Ngo等人[24]中提出了基于指紋的室內(nèi)定位的連續(xù)學(xué)習(xí)，通過凸優(yōu)化在第一步驟即采集數(shù)據(jù)形成數(shù)據(jù)庫中使接收信號強(qiáng)度的誤差最小化，然后使用距離度量學(xué)習(xí)來估計(jì)使其能獲得更準(zhǔn)確的位置信息。

針對RSS響應(yīng)時變定位精度降低的問題，張勇等人[25]提出了基于內(nèi)核的直接判別分析(Kernel Direct Discriminant Analysis,KDDA)和混洗蛙跳最小二乘支持向量回歸機(jī)(SFLA-LSSVR)的定位算法。在文獻(xiàn)[26-27]中，作者提出了基于指紋識別技術(shù)的射線跟蹤定位，其中指紋提取階段通過計(jì)算機(jī)模擬而不是測量進(jìn)行，但其仍然面臨網(wǎng)格生成等問題。文獻(xiàn)[28]中所提出的方法使用提供關(guān)于多路徑效應(yīng)的信息的光線跟蹤模型，其在指紋識別方法的第一階段使用DOA和RSS作為混合系統(tǒng)，將該信息存儲在數(shù)據(jù)集中，在計(jì)算定位估計(jì)過程中同時考慮到來自每個未知位置的DOA和RSS之間的歐幾里德距離以及指紋信息并且對它們進(jìn)行數(shù)值計(jì)算，以顯示估計(jì)誤差的平均值和標(biāo)準(zhǔn)偏差。

在線匹配階段使用的匹配位置算法主要包括加權(quán)k-最近鄰(Weighted k-Nearest Neighbors,WKNN)算法、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)算法[29]、支持向量機(jī)器(Support Vector Machine，SVM)算法以及概率法等。WKNN算法找到多個測試點(diǎn)RSS與指紋點(diǎn)RSS之間距離最小的指紋點(diǎn)，然后根據(jù)距離大小對其進(jìn)行加權(quán)，并將指紋點(diǎn)坐標(biāo)的權(quán)重用作測試點(diǎn)的坐標(biāo)[30]。假設(shè)能夠利用信號強(qiáng)度測得強(qiáng)度空間上的歐氏距離，即有

(3)

它是信號強(qiáng)度空間上的追蹤標(biāo)簽和參考標(biāo)簽rj的歐式距離。當(dāng)存在m個參考標(biāo)簽時，追蹤標(biāo)簽的E向量表示為E=(E1,E2,…,Em)。

可以通過對前k個最近鄰居的位置計(jì)算加權(quán)平均得到追蹤標(biāo)簽的位置：

(4)

(xi,yi)為第i個參考標(biāo)簽位置，ωi為對應(yīng)的加權(quán)系數(shù)且有

(5)

WKNN算法簡單易實(shí)現(xiàn)，但由于它只考慮單個測試點(diǎn)與指紋點(diǎn)之間的關(guān)系，而忽略了不同指紋點(diǎn)的RSS點(diǎn)之間更深的關(guān)系，所以定位精度不高。為提高在線匹配階段的精度，Zhao等人[31]利用RSSI和相位(POA)進(jìn)行數(shù)據(jù)庫的創(chuàng)建，利用在線數(shù)據(jù)對離線數(shù)據(jù)庫中的RSSI和相位信息(POA)進(jìn)行相似度比較，使得定位更為精確。雖然一般來說，TOA和TDOA具有比基于指紋的本地化更好的性能，但是它是以犧牲額外的硬件為代價，且在多路徑傳播、不精確的同步以及在某些情況下會產(chǎn)生嚴(yán)重的性能下降的范圍異常值的情況[32-33]，且TOA和TDOA需要完美的同步，會因?yàn)? μs的誤差會導(dǎo)致300 m左右的誤差[34]。

2.1.4Ray-tracing信道模型

通常，信道建?；诮y(tǒng)計(jì)模型，但是，由于室內(nèi)環(huán)境具有多變性，近年來出現(xiàn)了一種基于幾何學(xué)的光線跟蹤模型——Ray-tracing信道模型。Ray-tracing信道模型有多種定位方法，可以獲得關(guān)于室內(nèi)環(huán)境的傳播信息[35]。這是因?yàn)楦哳l電磁波傳播特性可以視為等效于光波，所以它也適用于反射和折射的規(guī)律[36]。因此，該模型可以準(zhǔn)確預(yù)測所有基站和移動終端之間的路徑，并且還可以計(jì)算位于室內(nèi)環(huán)境中的任何點(diǎn)的移動終端所接收的信號能量，因此，該模型可用于通信和通信同時也適合定位[37]，如圖4所示。

圖4 Ray-tracing信道模型反射路徑定位Fig.4 Ray-tracing channel model reflection path positioning

當(dāng)然，Ray-tracing信道模型依舊存在許多問題需要解決，Jong等人[38]基于此模型建立了一個人體對信號影響的模型。He[39]研究了基于該模型的多徑TOA定位的影響。天津大學(xué)的劉德亮等人[36]利用虛擬基站，建立了非視距環(huán)境下,存在多重散射情況的信號Ray-tracing模型。Thomas等人[40]提出了一種定位技術(shù)，其通過使用光線跟蹤來準(zhǔn)確地測量DOA、TOA和多普勒頻移。Coco等人[41]解釋了城市環(huán)境中EM場源定位的二維射線追蹤算法。Kikuchi等人[42]提出了將數(shù)據(jù)測量估計(jì)的空間特征和光線跟蹤分析相結(jié)合的方法。Aziz等人[43]提出了一種基于因子圖(FG)的檢測技術(shù)來估計(jì)無線電波發(fā)射器的位置。

2.2 定位算法研究

因?yàn)橐暰喹h(huán)境下的定位算法與室外定位算法相類似，在此不再詳細(xì)介紹。對于如何減少非視線誤差，除了從建立前面描述的信道模型，還可以從算法方面的研究入手。從上文可知影響室內(nèi)無線定位的因素主要是信號的非視距傳播和多路徑傳播，因此下面從如何減少這兩個因素帶來的誤差進(jìn)行分析。

2.2.1減少非視距誤差算法

對于定位動態(tài)目標(biāo)，濾波算法主要用于來減輕非視線誤差，比如文獻(xiàn)[44]提出了卡爾曼濾波器融合測量參數(shù)及機(jī)器人的里程信息的方法，文獻(xiàn)[45]提出了空間相關(guān)性濾波的方法，提高了定位追蹤的精度。

對靜態(tài)目標(biāo)進(jìn)行定位，減少非視距誤差的方法可以分為兩類：識別和緩解[46]。識別的目的是區(qū)分接收信號的傳播路徑是視距路線還是非視距路線，并且將視距路徑信號用于定位。比如Li等人[47]利用馬爾可夫鏈來確定TOA的測量值是視距或非視距，Schroeder等人[48]通過對收信能量測量來區(qū)分非視距或視距，王建輝等[49]使用三階累積量來識別非視線誤差。緩解的目的是通過視距和非視距均存在的條件下，對位置參數(shù)測量值進(jìn)行特定的處理來減輕簡單的非視距路徑的影響。如Yousefi等人[50]使用基于凸優(yōu)化的分布式協(xié)作定位算法來減輕非視距對定位誤差的影響，趙軍輝等人[51]利用加權(quán)質(zhì)心法來減輕非視距誤差。Liu[52]提出了一種基于TOA測量和定位源的有效幾何方法，將NLOS問題轉(zhuǎn)化為基于虛擬站(VS)的視線(LOS)問題，使得LOS條件的定位算法可以應(yīng)用于簡單的NLOS條件。

2.2.2減少多徑誤差算法

對于減少多徑引起的誤差，Alsindi等人[53]介紹了在不同的室內(nèi)多徑環(huán)境中測量和建模的結(jié)果；Alavi等人[54]考慮到由多路徑色散引起的誤差影響任何信號路徑以及由未檢測的直接路徑(UDP)條件引起的誤差，對典型的多徑室內(nèi)環(huán)境中從直接路徑(DP)的估計(jì)TOA測量的估計(jì)距離誤差模型進(jìn)行了修正；Zhao等人[55]提出了兩種解決多徑問題的算法，首先通過優(yōu)化單邊界散射場景的直接路徑利用率，優(yōu)化移動設(shè)備的路線(LPMD)的算法，然后提出了利用地理信息系統(tǒng)的信號路徑推算方法，解決了多向散射路徑定位問題。

2.2.3混合定位算法

混合定位往往能較好地提高定位精度，雖然復(fù)雜度會比單一的定位方法高。如Wang等人[56]為RSS-AOA聯(lián)合定位問題推導(dǎo)了最小二乘(LS)和最大似然估計(jì)，其初步結(jié)果表明，測量融合可以顯著提高估計(jì)精度。針對不同融合出現(xiàn)的問題，如Gazzah等人[57]提出利用加權(quán)LS(WLS)估計(jì)器解決RSS-DOA本地化問題。針對當(dāng)發(fā)射器功率未知時，Chan等人[58]提出了用于3-D RSS-AoA聯(lián)合定位問題的WLS估計(jì)器。Tomic等人[59]通過采用RSS和DOA測量來考慮非合作無線傳感器網(wǎng)絡(luò)中的3-D目標(biāo)定位。

3 結(jié)束語

根據(jù)目前研究，雖然國內(nèi)外做了大量研究，然而由于定位精度、定位成本、定位適用范圍、現(xiàn)實(shí)應(yīng)用環(huán)境等因素的限制，仍然沒有一個很成熟的室內(nèi)定位方案。例如利用幾何模型技術(shù)來解決室內(nèi)定位中存在的信號非視距和多徑傳播的問題，相對于統(tǒng)計(jì)學(xué)的方法，優(yōu)點(diǎn)是精度高，不需要預(yù)先知道誤差分布，缺點(diǎn)是其定位精度受信號多徑和非視距傳播的影響要比統(tǒng)計(jì)學(xué)的方法大；相對于利用幾何模型，采用統(tǒng)計(jì)學(xué)的方法簡單、高效、精確、易推廣，且可用于三維空間定位，但它的實(shí)時性差，一旦環(huán)境改變必須重新進(jìn)行數(shù)據(jù)采集，且前期的數(shù)據(jù)工作量大，不適用于實(shí)時性要求很高的室內(nèi)環(huán)境，如商場等。通過對室內(nèi)定位的深入研究，可以總結(jié)出未來的研究熱點(diǎn)有：針對現(xiàn)有模型復(fù)雜和精度不高的問題，提高現(xiàn)有模型的算法的精度和降低其復(fù)雜性；針對統(tǒng)計(jì)學(xué)模型，可以針對減少統(tǒng)計(jì)學(xué)前期的工作量和提高其實(shí)時性進(jìn)行研究；考慮真實(shí)的室內(nèi)環(huán)境，提出一種普適性的室內(nèi)定位方法，也是十分有實(shí)際意義的研究工作。