室内导航：当卫星信号失效，我们如何找到方向？

TL;DR：室内导航因卫星信号失效而面临挑战。超宽带（UWB）技术凭借厘米级精度成为关键方案，但非视距误差严重影响定位。本文介绍Chan+PSO混合算法、TDOA/AOA融合及轨迹优化方法，将定位误差控制在0~50厘米内。

引言：为什么室内导航如此困难？

我们早已习惯打开手机地图，在室外轻松找到目的地。北斗、GPS等卫星导航系统在室外场景中表现出色，但当信号进入室内，情况就完全不同了。建筑物中的墙壁、家具、人体等障碍物会使卫星信号产生衍射、反射和严重衰减，形成多径和非视距（NLOS）传播现象，导致定位误差急剧增大，甚至完全无法定位。

这正是室内导航面临的核心难题。与室外开阔环境不同，室内场景复杂多变，障碍物密集，信号传播路径不可预测。为了在机场、商场、医院、停车场等大型室内空间中实现可靠定位，研究者们转向了超宽带（UWB）等新兴无线技术。其中，UWB凭借其极高的时间分辨率和厘米级定位潜力，成为室内定位领域最受关注的技术之一。

UWB技术：室内定位的“利器”

超宽带（UWB）是一种无需载波的无线通信技术，可直接产生纳米级以下的窄脉冲激励天线。与ZigBee、RFID、WiFi等室内定位技术相比，UWB最大的优势在于其定位精度极高，最低可达厘米级。此外，UWB还具有低功耗、抗干扰能力强、穿透性强等特点。

UWB的基本定位算法主要包括以下几类：

• TOA（到达时间）：测量信号从标签到基站的传播时间，对时间同步要求极高。
• TDOA（到达时间差）：测量信号到达不同基站的时间差，只需基站间保持时间同步，降低了硬件成本，实用性更强。
• AOA（波达角度）：测量信号到达基站的角度，通常需要阵列天线支持。
• RSSI（接收信号强度）：基于信号强度衰减估算距离，精度相对较低。

其中，TOA和TDOA算法利用了UWB信号极高的时间分辨率，在实际应用中最为广泛。然而，无论采用哪种算法，室内环境中的非视距误差始终是影响定位精度的核心障碍。

非视距误差：室内定位的“头号敌人”

由于室内环境和场景的复杂多变，UWB信号在传输时受到室内障碍物的遮挡和削弱，从而产生非视距（NLOS）误差。这种误差不仅影响定位精度，还会使实际定位过程中的标签位置和轨迹路线产生混乱——系统显示的位置可能“跳来跳去”，轨迹线杂乱无章。

研究表明，在NLOS传播条件下，定位误差明显大于视距（LOS）传播。如何削弱NLOS误差，同时修正人员行进轨迹，成为UWB室内定位研究的难点和重点。

算法优化：从单一到混合的进化

Chan算法与PSO算法的结合

针对NLOS误差问题，一种有效的思路是采用混合定位算法。研究者提出使用Chan算法解算初值，再通过粒子群优化（PSO）算法进行迭代优化的混合策略。具体而言：

• 在NLOS环境下，通过设置阈值对Chan算法计算出的位置坐标进行筛选，剔除明显偏离的异常值。
• 阈值筛选缓解了PSO算法的压力，使其收敛速度更快，有效提高了室内非视距环境下的定位精度。

实验数据表明，在视距环境下且标签静止时，混合定位算法对比单一算法，误差在0~20cm的标签轨迹点占总测试轨迹点的百分比提升了22.4%~33.7%；在非视距环境下，误差在0~50cm的轨迹点百分比提升了25.8%~30.7%。实验数据平均值更贴近实际观测点，方差更小。

TDOA/AOA三维混合定位

另一种优化思路是将TDOA与AOA信息融合。研究者提出基于泰勒级数的TDOA/AOA混合算法：首先利用Wylie鉴别算法分辨参考节点与目标节点间的LOS和NLOS传播，筛选出性能更优的参考节点；然后通过统计得到LOS和NLOS传播的平均时延值，对到达距离差进行重构，得到较为准确的初值估计；最后推算出可靠度最高的参考节点与目标节点的方位角、俯仰角信息，代入基于泰勒级数的TDOA/AOA混合算法进行三维定位。

与其他算法相比，优化后的混合算法在各种情况下均表现出更为良好的定位精度。另有研究将Chan算法、Taylor迭代与无迹卡尔曼滤波（UKF）相结合，定位精度达到10~20厘米。

轨迹优化：让路线更贴近真实

定位精度提升后，另一个问题浮出水面：即使每个定位点都足够准确，标签的运动轨迹仍可能出现异常点，导致轨迹不平滑、与实际行进路线不一致。为此，研究者提出了基于矢量图区域分类的节点轨迹优化方法：

• 采用引射线法的碰撞检测方法对标签位置进行检测和约束，防止定位点“穿墙”等不合理情况。
• 使用基于运动递归函数的轨迹预测方法，对人员行进方向进行预判。
• 结合Savitzky-Golay滤波算法对轨迹进行平滑优化，使轨迹路线与实际路线更为一致。

实验结果显示，标签运动时系统可实时显示标签行进状况，混合定位算法相比单一定位算法异常点更少，轨迹更平滑，满足室内定位的需求。

不同定位算法性能对比