室内导航:当卫星信号失效,我们如何找到方向?

TL;DR:室内导航依赖超宽带(UWB)等技术弥补GPS信号在室内的失效。核心挑战是非视距(NLOS)误差,通过TDOA/AOA混合定位算法与轨迹优化,可将定位精度提升至厘米级,满足人员与物资的实时追踪需求。

引言:为什么室内导航如此困难?

成功组网的北斗导航定位系统(BDS)和全球定位系统(GPS)已被广泛应用于军用与民用的室外导航领域。然而,当卫星导航信号进入室内场景时,由于信号会受空间环境的影响而产生衍射、反射等信号干扰现象,形成多径和非视距传输现象,致使定位误差增大,造成定位不准或无法定位的结果。为了克服该难题,近年来出现了基于蓝牙、WiFi或ZigBee等近十多种定位技术,这些定位技术也各有优缺点,缺点主要表现在:定位精度不高、信号传播距离不远、透射能力不强、功耗高或者稳定度不好等。

在众多室内定位技术中,超宽带(UWB)作为一种新兴的无线通信技术,在无需载波的前提下,可直接产生纳米级以下的窄脉冲激励天线,具有低功耗、抗干扰能力强、穿透性强等特点。与ZigBee、RFID、WiFi等室内定位技术相比,UWB技术最大的优势在于其定位精度极高,最低可达厘米级。本文将基于现有研究,探讨UWB室内定位面临的核心挑战、主流算法以及优化方向。

主体:UWB室内定位的技术核心

1. 定位的基本原理:从TOA到TDOA/AOA

UWB基本定位算法包括:测量信号的到达时间(TOA)、到达时间差(TDOA)、波达角度(AOA)及接受信号强度(RSSI)。其中TOA和TDOA定位算法利用了UWB信号较高的时间分辨率,在实际应用中最为广泛。

基于泰勒级数展开的TOA算法优点在于求解精度高、稳定性强。然而值得注意的是,算法中若初值估计误差过大,会导致定位精度急剧下降,甚至迭代运算无法收敛。TDOA算法与TOA算法相比,只需要参考节点间保持时间同步,降低了硬件成本,增加了实用性。同时增加角度信息(AOA),使精度有所提高。

研究显示,在NLOS传播下的误差明显大于LOS传播。在AOA估计过程中,一般采用传统的波速赋形技术。而部分文献采用二元天线,利用几何原理,通过天线间的TDOA信息得到到达角估计值,降低了复杂度且定位精度极高。

2. 核心挑战:非视距(NLOS)误差

由于室内环境和场景的复杂多变,使超宽带(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)误差影响室内定位精度,也会使实际定位过程中的标签位置和轨迹路线产生混乱。

为了削弱NLOS误差,研究者提出了多种方法。例如,利用Wylie算法鉴别目标节点与参考节点间的LOS和NLOS传播,筛选出性能更优的参考节点,更新到达时间差,得到较为准确的初值估计,保证之后的算法收敛。通过统计得到LOS和NLOS传播的平均时延值后,对到达距离差进行重构,得到较为准确的初值估计。

3. 算法优化:从单一算法到混合定位

针对削弱NLOS误差同时修正人员行进轨迹的难点,研究者开展了对UWB定位方法、定位优化算法和轨迹优化方法的研究。以下是比较不同算法策略的概览:

具体而言,Chan算法解算初值,PSO算法进行迭代优化的混合定位算法,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,适合不同室内环境下定位。通过阈值筛选缓解PSO算法的压力,收敛速度更快,有效的提高了室内非视距环境下的定位精度。

另一条技术路线是采用基于泰勒级数的TDOA/AOA混合算法。该方法首先利用Wylie鉴别算法分辨参考节点与目标节点间的LOS和NLOS传播,在一定范围内降低了NLOS传播导致的估计距离的误差。通过统计得到LOS和NLOS传播的平均时延值后,对到达距离差进行重构,得到较为准确的初值估计,以此保障之后算法的收敛。同时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,将其代入基于泰勒级数的TDOA/AOA混合算法后,进行三维定位。

此外,还有研究将Chan算法与Taylor级数、无迹卡尔曼滤波(UKF)结合:首先通过Chan算法对接收的信号进行测算求解目标的二维位置,将获得位置估计作为Taylor的初始值进行迭代运算,最后使用UKF来对结果进行修正,消除非视距传输误差和环境噪声对定位算法的影响。实验结果表明,该组合算法的定位精度达到10-20厘米。

4. 轨迹优化:让路线更真实

定位不仅仅是获取一个点,更重要的是还原真实的运动轨迹。研究提出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,使用基于运动递归函数的轨迹预测方法和Savitzky-Golay滤波算法对人员行进轨迹进行预测和平滑优化,使得轨迹路线与实际路线更为一致。

实验验证:混合算法效果如何?

通过固定场景的实验数据和数据仿真结果表明:

  • 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%。
  • 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,验证了标签静止时混合定位算法比单一定位算法的定位效果更优。
  • 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。

常见问题

问:室内导航为什么不能直接用GPS?

答:当卫星导航信号进入室内场景时,由于信号会受空间环境的影响而产生衍射、反射等信号干扰现象,形成多径和非视距传输现象,致使定位误差增大,造成定位不准或无法定位的结果。因此卫星信号并不完全适用于室内场景的定位需求。

问:UWB技术相比WiFi或蓝牙定位有什么优势?

答:与ZigBee、RFID、WiFi等室内定位技术相比,UWB技术最大的优势在于其定位精度极高,最低可达厘米级。同时具有低功耗、抗干扰能力强、穿透性强等特点。

问:什么是非视距(NLOS)误差?

答:在室内环境中,UWB信号在传输时受到室内障碍物的遮挡和削弱,导致信号无法直线传播,从而产生非视距(NLOS)误差。这种误差会影响室内定位精度,使标签位置和轨迹路线产生混乱。

问:目前室内定位能达到怎样的精度?

答:研究表明,采用Chan算法结合Taylor级数及无迹卡尔曼滤波的组合算法,定位精度可达到10-20厘米。在视距环境下,混合定位算法可使误差在0~20cm的轨迹点占比提升22.4% ~ 33.7%。

结论

室内导航正处于快速发展阶段,UWB技术凭借其厘米级定位精度成为最具前景的方案之一。面对NLOS误差这一核心挑战,研究者通过混合定位算法(如Chan+PSO、TDOA/AOA)、阈值筛选、轨迹预测与平滑优化等手段,显著提升了定位精度与轨迹连续性。实验数据表明,混合算法在视距与非视距环境下均优于单一算法,异常点更少,轨迹更平滑。随着算法与硬件系统的持续优化,室内定位技术有望在智慧城市建设、物联网、人员与物资追踪等领域发挥越来越重要的作用。

算法策略核心思路优势局限性
单一Chan算法 基于TDOA解算初值 计算速度快 NLOS环境下误差较大
单一PSO算法 粒子群迭代优化 全局搜索能力强 收敛速度慢,易陷入局部最优
Chan+PSO混合算法 Chan解算初值,PSO迭代优化 收敛更快,精度更高 需设置阈值筛选
TDOA/AOA混合算法 结合时间差与角度信息 三维定位精度高 硬件复杂度增加