(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(shí)，LBS可以在當(dāng)時(shí)的位置提供餐飲、娛樂等信息查詢服務(wù)，在發(fā)生事故時(shí)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(duì)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(hào)進(jìn)入室內(nèi)后，由于障礙物(如墻壁和櫥柜等)的阻擋，信號(hào)變?nèi)?，?dǎo)致定位誤差較大，不能滿足室內(nèi)環(huán)境對(duì)定位的需求，因此需要采用其他技術(shù)對(duì)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(gè)：一是信號(hào)的非視距傳播，另一個(gè)是信號(hào)的多路徑傳播[3]。為解決這個(gè)兩個(gè)問題，目前，室內(nèi)定位研究主要集中在以下兩個(gè)方面：一方面主要是對(duì)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(chǎng)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(guó)內(nèi)外研究動(dòng)態(tài)，最后對(duì)現(xiàn)有的研究進(jìn)行總結(jié)以及未來的發(fā)展動(dòng)態(tài)和趨勢(shì)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(hào)到達(dá)時(shí)間(Time of Arrival,TOA)、信號(hào)到達(dá)角度(Direction of arrival,DOA)、信號(hào)到達(dá)時(shí)間差(Time Difference of Arrival,TDOA)和接收信號(hào)強(qiáng)度(Received Signal Strength，RSS)，因此定位信道模型中，必須對(duì)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(hào)在傳播過程中，接收信號(hào)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(hào)的反射、散射或者遮蔽現(xiàn)象通常會(huì)對(duì)接收到的信號(hào)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(duì)接收端信號(hào)強(qiáng)度的影響。由于這種信號(hào)傳播的不確定性，研究者通常假設(shè)接收信號(hào)強(qiáng)度滿足正態(tài)分布，在這種假設(shè)下，對(duì)信號(hào)強(qiáng)度隨距離變化的模型有經(jīng)典的窄帶信號(hào)自由空間的路徑損耗對(duì)數(shù)模型[4-5]：

式中：P0(d0)是距離d0處的信號(hào)強(qiáng)度；n表示路徑損耗參數(shù)；Xσ是服從對(duì)數(shù)正態(tài)分布的隨機(jī)變量，用來表征信號(hào)的反射現(xiàn)象對(duì)接收者接收到的信號(hào)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(duì)比Fig.1 Different path loss n contrast

針對(duì)如何利用RSS來精確定位，國(guó)內(nèi)外學(xué)者做了大量相關(guān)研究。Assad等人[6]對(duì)射頻識(shí)別技術(shù)(Radio Frequency Identification,RFID)和WiFi信號(hào)的RSS室內(nèi)信道模型進(jìn)行了測(cè)量，研究室內(nèi)環(huán)境對(duì)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(shí)別系統(tǒng)的雙斜率對(duì)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(gè)指數(shù)瑞利模型，通過對(duì)大量實(shí)測(cè)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(hào)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(shí)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(duì)超寬帶(Ultra-wide Band,UWB)信號(hào)穿墻路徑損耗模型。

2.1.2基于TOA信道模型

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

d=ct+v，

(1)

d為基站與移動(dòng)終端之間的距離，c為波速，t為測(cè)得的信號(hào)到達(dá)時(shí)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(hào)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(hào)在非視距情況下造成的誤差，還可以采用截?cái)喔咚狗植糩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(cè)量，如圖2所示。

圖2 多邊測(cè)量Fig.2 Multilateral measurement

Bartolutti等人[19]還針對(duì)寬帶信道建立了TOA測(cè)距的數(shù)學(xué)模型。Sharp等人[20]設(shè)計(jì)了一個(gè)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(hào)檢測(cè)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(hào)，也可以應(yīng)用于寬帶UWB信號(hào)。

2.1.3位置指紋信道模型

位置指紋模型是基于場(chǎng)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(gè)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(cè)得的信號(hào)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(duì)時(shí)間同步和時(shí)鐘精度要求不高，而且在某個(gè)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(cè)量離線無線電地圖)中，不僅工作量大、時(shí)間長(zhǎng)，而且當(dāng)拆除舊建筑物或改變布局時(shí)，需要再次測(cè)量指紋。因此，信號(hào)指紋識(shí)別方法不適用于環(huán)境頻繁變化的情況。其整個(gè)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(zhǎng)時(shí)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(hào)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(duì)RSS響應(yīng)時(shí)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(shí)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(cè)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(shí)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(chǔ)在數(shù)據(jù)集中，在計(jì)算定位估計(jì)過程中同時(shí)考慮到來自每個(gè)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(duì)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(gè)測(cè)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(duì)其進(jìn)行加權(quán)，并將指紋點(diǎn)坐標(biāo)的權(quán)重用作測(cè)試點(diǎn)的坐標(biāo)[30]。假設(shè)能夠利用信號(hào)強(qiáng)度測(cè)得強(qiáng)度空間上的歐氏距離，即有

(3)

它是信號(hào)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(gè)參考標(biāo)簽時(shí)，追蹤標(biāo)簽的E向量表示為E=(E1,E2,…,Em)。

可以通過對(duì)前k個(gè)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(gè)參考標(biāo)簽位置，ωi為對(duì)應(yīng)的加權(quán)系數(shù)且有

(5)

WKNN算法簡(jiǎn)單易實(shí)現(xiàn)，但由于它只考慮單個(gè)測(cè)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(duì)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(jià)，且在多路徑傳播、不精確的同步以及在某些情況下會(huì)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(huì)因?yàn)? μs的誤差會(huì)導(dǎo)致300 m左右的誤差[34]。

2.1.4Ray-tracing信道模型

通常，信道建模基于統(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(cè)所有基站和移動(dòng)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(dòng)終端所接收的信號(hào)能量，因此，該模型可用于通信和通信同時(shí)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(gè)人體對(duì)信號(hào)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(hào)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(cè)量DOA、TOA和多普勒頻移。Coco等人[41]解釋了城市環(huán)境中EM場(chǎng)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(cè)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(cè)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(duì)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(hào)的非視距傳播和多路徑傳播，因此下面從如何減少這兩個(gè)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(duì)于定位動(dòng)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(cè)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(duì)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(shí)別和緩解[46]。識(shí)別的目的是區(qū)分接收信號(hào)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(hào)用于定位。比如Li等人[47]利用馬爾可夫鏈來確定TOA的測(cè)量值是視距或非視距，Schroeder等人[48]通過對(duì)收信能量測(cè)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(shí)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(duì)位置參數(shù)測(cè)量值進(jìn)行特定的處理來減輕簡(jiǎn)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(duì)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(cè)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(jiǎn)單的NLOS條件。

2.2.2減少多徑誤差算法

對(duì)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(cè)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(hào)路徑以及由未檢測(cè)的直接路徑(UDP)條件引起的誤差，對(duì)典型的多徑室內(nèi)環(huán)境中從直接路徑(DP)的估計(jì)TOA測(cè)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(chǎng)景的直接路徑利用率，優(yōu)化移動(dòng)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(hào)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(huì)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(cè)量融合可以顯著提高估計(jì)精度。針對(duì)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(duì)當(dāng)發(fā)射器功率未知時(shí)，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(cè)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(guó)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(gè)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(hào)非視距和多徑傳播的問題，相對(duì)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(hào)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(duì)于利用幾何模型，采用統(tǒng)計(jì)學(xué)的方法簡(jiǎn)單、高效、精確、易推廣，且可用于三維空間定位，但它的實(shí)時(shí)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(shí)性要求很高的室內(nèi)環(huán)境，如商場(chǎng)等。通過對(duì)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(duì)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(duì)統(tǒng)計(jì)學(xué)模型，可以針對(duì)減少統(tǒng)計(jì)學(xué)前期的工作量和提高其實(shí)時(shí)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。