室内导航：当卫星信号失效，我们如何精准找到你在楼里的位置？
TL;DR：室内导航因卫星信号被遮挡而面临挑战，超宽带（UWB）技术凭借厘米级精度成为关键方案。本文基于多篇学术论文，解析UWB定位原理、非视距误差难题，以及Chan+PSO、TDOA/AOA等混合算法如何将定位精度提升至10-20厘米，并实现轨迹平滑优化。
为什么室内导航这么难？
当你走进商场、机场或医院，手机上的GPS信号往往会变得飘忽不定甚至完全消失。这不是你的手机出了问题，而是卫星导航信号的物理特性决定的。北斗导航定位系统（BDS）和全球定位系统（GPS）等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。
为了克服这一难题，近年来出现了基于蓝牙、WiFi或ZigBee等近十多种定位技术。但这些技术也各有优缺点，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。在这一背景下，超宽带（UWB）技术脱颖而出。
UWB：室内定位的“厘米级”利器
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。
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）及接收信号强度（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。
核心挑战：非视距误差
尽管UWB技术精度极高，但室内环境复杂多变，超宽带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。简单来说，当人和定位标签之间隔了一堵墙或一个货架，信号传播时间变长，计算出的距离就会偏大，定位点就会“漂移”。
因此，如何削弱NLOS误差，同时修正人员行进轨迹，成为UWB室内定位研究的核心难点。
算法进化：从单一到混合
Chan算法与PSO算法的结合
在基于信号到达时间差（TDOA）定位方法的基础上，研究者分析了Chan和粒子群（PSO）两种单一算法的特性。Chan算法计算速度快，但在NLOS环境下误差较大；PSO算法具有全局搜索能力，但收敛速度较慢。为此，一种混合定位算法被提出：Chan算法解算初值，PSO算法进行迭代优化。
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。
TDOA/AOA混合与泰勒级数
另一种思路是引入角度信息。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，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，以此保障算法收敛。
还有研究采用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，最后使用无迹卡尔曼算法（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。
轨迹优化：让路线更贴近真实行走
定位不只是要找到一个点，还要画出连续、平滑的轨迹。研究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，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。
实测效果：精度提升有多少？
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。
- 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。
这些数据验证了混合定位算法比单一定位算法的定位效果更优，满足室内定位的需求。
常见问题
UWB室内定位的精度到底能达到多少？
UWB技术最低可达厘米级精度。在实际系统中，采用Chan+Taylor+UKF组合算法，定位精度可达到10-20厘米。
为什么室内定位需要多种算法混合使用？
单一算法各有局限：Chan算法在非视距环境下误差大，PSO算法收敛慢，泰勒级数法对初值敏感。混合算法能取长补短，先获得可靠初值，再迭代优化，最后滤波修正，从而在复杂室内环境中保持高精度。
非视距误差可以被完全消除吗？
目前无法完全消除，但可以通过Wylie鉴别算法、阈值筛选、UKF修正等方法有效削弱。研究表明，混合算法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%。
室内导航除了UWB还有哪些技术？
还有蓝牙、WiFi、ZigBee、RFID等。但它们普遍存在定位精度不高、信号传播距离不远、透射能力不强、功耗高或稳定度不好等缺点。UWB在精度和抗干扰方面优势明显。
结语
室内导航正从“能找到”向“找得准、跟得稳”演进。超宽带技术凭借厘米级精度成为核心方案，而Chan+PSO、TDOA/AOA、泰勒级数+UKF等混合算法的不断优化，正在有效削弱非视距误差的干扰。配合轨迹预测与Savitzky-Golay滤波，人员行进轨迹也变得更加平滑、真实。未来，随着算法与硬件的协同进步，室内导航有望像室外GPS一样普及，为智慧医院、智能仓储、商场导览等场景提供可靠的位置服务。
| 定位技术 | 精度 | 主要优势 | 主要局限 |
|---|---|---|---|
| UWB | 厘米级 | 精度极高、抗干扰强、穿透性强 | 硬件成本较高 |
| WiFi | 米级 | 基础设施普及 | 精度低、易受干扰 |
| 蓝牙 | 米级 | 功耗低、成本低 | 传播距离短、稳定性一般 |
| ZigBee | 米级 | 低功耗、组网灵活 | 精度不高、透射能力不强 |