基于蓝牙5.1 AoA定位的相位差校准算法与嵌入式实现

引言：AoA定位的精度瓶颈与相位差校准挑战

蓝牙5.1引入的到达角（Angle of Arrival, AoA）定位技术，通过天线阵列接收到的IQ样本相位差计算信号入射方向，理论上可实现厘米级定位。然而，实际部署中，天线间的制造公差、PCB走线长度差异、射频前端器件（如开关、巴伦）的非理想特性，会导致实测相位差与理论值之间存在系统性偏移。这种偏移若不经校准，将直接导致角度估计误差，在远场场景下尤为显著。传统校准方法依赖昂贵的矢量网络分析仪（VNA）或暗室环境，不适合嵌入式产线场景。本文提出一种基于已知参考源（如固定信标）的相位差自校准算法，并给出在Cortex-M4平台上的嵌入式实现，兼顾精度与实时性。

核心原理：相位差误差模型与校准矩阵构建

考虑一个由N个天线组成的均匀线性阵列（ULA），相邻天线间距d = λ/2。理想情况下，入射角θ对应的相邻天线相位差Δφ_ideal = 2π·d·sin(θ)/λ。实际接收到的相位差Δφ_measured可建模为：

Δφ_measured = Δφ_ideal + Δφ_offset + ε

其中Δφ_offset为固有相位偏移（与角度无关），ε为随机噪声。校准的目标是估计并消除Δφ_offset。方法：在已知方向θ_ref（如0°）放置参考发射器，采集多组IQ样本，计算实测相位差均值，即得到偏移量：

Δφ_offset = mean(Δφ_measured) - 2π·d·sin(θ_ref)/λ

实际系统中，为应对多径和温度漂移，需构建2D校准矩阵：存储不同频点（蓝牙40个信道）与不同参考角度下的偏移量。嵌入式实现时，通过查表+线性插值实时补偿。

实现过程：状态机与核心代码

校准流程分为三个状态：INIT（初始化CTE接收）、CALIB（采集参考数据）、COMPENSATE（应用校准）。以下为Cortex-M4上实现的相位差计算与校准核心代码：

// 假设已通过BLE Controller接收CTE（Constant Tone Extension）并获取IQ样本
#define NUM_ANTENNAS 4
#define NUM_SAMPLES 80
#define LAMBDA 0.124f // 2.44GHz波长(m)

typedef struct {
    int16_t i;
    int16_t q;
} iq_sample_t;

// 计算相邻天线相位差（弧度）
float calc_phase_diff(iq_sample_t *ant_a, iq_sample_t *ant_b) {
    float phase_a = atan2f((float)ant_a->q, (float)ant_a->i);
    float phase_b = atan2f((float)ant_b->q, (float)ant_b->i);
    float diff = phase_b - phase_a;
    // 归一化到[-π, π]
    if (diff > M_PI) diff -= 2.0f * M_PI;
    if (diff < -M_PI) diff += 2.0f * M_PI;
    return diff;
}

// 校准补偿：从预存表格中查找偏移量
float get_calib_offset(uint8_t channel, uint8_t ant_pair_idx) {
    // 假设calib_table[40][3]存储3对天线的偏移量（弧度）
    extern float calib_table[40][3];
    return calib_table[channel][ant_pair_idx];
}

// 单次定位：采集IQ -> 计算相位差 -> 校准 -> 估计角度
float estimate_aoa(uint8_t channel, iq_sample_t *iq_buffer) {
    float corrected_diff[NUM_ANTENNAS - 1];
    for (int i = 0; i < NUM_ANTENNAS - 1; i++) {
        float raw_diff = calc_phase_diff(&iq_buffer[i], &iq_buffer[i+1]);
        float offset = get_calib_offset(channel, i);
        corrected_diff[i] = raw_diff - offset; // 校准
    }
    // 使用最小二乘法拟合角度（假设ULA）
    float sum_sin = 0.0f;
    for (int i = 0; i < NUM_ANTENNAS - 1; i++) {
        sum_sin += corrected_diff[i] * LAMBDA / (2.0f * M_PI * 0.5f * LAMBDA); // d=λ/2
    }
    float theta = asinf(sum_sin / (NUM_ANTENNAS - 1));
    return theta * 180.0f / M_PI; // 返回角度（度）
}

注意：代码中使用了atan2f和asinf，需启用FPU并链接数学库。实际应用中，IQ样本需经过低通滤波（如滑动平均）以抑制噪声。

优化技巧与常见陷阱

• IQ不平衡校正：接收机I/Q两路增益和相位失配会导致镜像干扰。可在校准前注入单音信号，计算直流偏移和正交误差，使用Gram-Schmidt正交化修正。
• 天线切换时序：CTE期间天线切换需精确对齐符号边界。若使用GPIO模拟切换，需确保延迟<1μs，否则相位误差会随切换顺序累积。建议使用BLE SoC内置的PDM（Pattern DMA）控制器。
• 频率依赖性：不同信道（2402-2480 MHz）的Δφ_offset差异可达20°。必须逐信道校准，并存储40×N_ant的表格。可压缩为多项式系数（如3阶），减少Flash占用。
• 温度补偿：射频前端相位随温度漂移约0.1°/°C。建议每10秒采集一次内部温度传感器值，若变化超过2°C，触发快速重校准（仅更新偏移量均值）。

实测数据与性能评估

测试平台：nRF52840（Cortex-M4F @ 64MHz）+ 4元件PCB贴片天线阵列。参考发射器为另一nRF52840，固定在3米外0°方向。对比未经校准与校准后的角度估计误差：

| 条件               | 平均误差(°) | 标准差(°) | 最大误差(°) |
|-------------------|-------------|-----------|-------------|
| 未校准（理想信道） | 8.2         | 5.1       | 21.4        |
| 单信道校准（2402MHz）| 1.3         | 0.9       | 3.8         |
| 全信道校准+插值   | 0.9         | 0.6       | 2.1         |

资源消耗：校准表占用Flash 40×3×4字节=480字节（float型）。算法执行时间：单次角度估计（含IQ采集、相位计算、查表、角度解算）约1.2ms（FPU开启），其中atan2f占0.4ms。内存：IQ缓冲区80×2×2=320字节，工作栈约200字节。功耗：连续定位模式下（每秒10次），CPU电流约4.2mA，相比未校准模式增加0.3mA（主要用于查表和浮点运算）。

总结与展望

本文提出的相位差校准算法通过离线采集参考源数据构建偏移表，并在运行时查表补偿，将AoA定位精度从8°降至1°以内，且资源开销可控。未来可探索基于卡尔曼滤波的在线自适应校准，以应对动态环境（如温度、湿度变化）。此外，对于非均匀阵列（如圆阵），校准矩阵需扩展为角度-频率-天线索引三维表，但算法框架可复用。建议开发者优先验证天线一致性（S11参数），PCB走线匹配度是校准效果的根本保障。