当前位置:舍宁秘书网 > 专题范文 > 公文范文 > 基于超宽带技术室内定位算法综述*

基于超宽带技术室内定位算法综述*

时间:2024-10-25 15:45:01 来源:网友投稿

黑龙江东方学院 张翼

随着物联网技术的不断发展,基于位置的服务和计算备受关注[1]。在室外环境下,全球卫星定位系统(GNSS)是目标定位的主要手段。然而,由于建筑物的遮挡导致信号衰减,GNSS 在室内定位方面的应用受到限制。研究显示,人们平均有超过80%的时间在室内[2],因此,室内定位系统的需求将更加迫切。该技术在智能家居、仓库、博物馆、医疗保健中心、室内停车场以及购物中心等领域有广泛应用,因此,研究低成本、高精度的室内定位系统显得十分重要。

现今,研究人员已提出了许多室内定位技术方案。这些方案包括基于红外线、可见光、声音(可听声和超声)、磁场或无线电信号的实现方式,还包括惯性导航和基于计算机视觉的室内定位方案[3]。在基于无线电的室内定位系统中,超宽带(UWB)信号因其具有抗多径干扰能力强、穿透力强[4]、低功耗、高安全性以及高定位精度等优点,尤其适用于室内定位系统。因此,本文将解析基于UWB 的室内定位算法。

超宽带技术(UWB 技术)是一种无线电技术。联邦通信委员会(FCC)对UWB 技术的定义如式(1)所示[5]:

在该公式(1)中,fH和fL分别指功率下降10dB 时所对应的高端和低端频率,fC则为载波频率或中心频率。由于其独特性能,超宽带技术可提供分米级测距精度,非常适用于室内定位系统。超宽带信号通常在GHz 量级带宽内操作,低频成分具有更好的穿透性,此外,超宽带脉冲可以较好地对抗多径效应。与其他基于无线电信号的定位技术不同,UWB 采用极短的脉冲信号而非连续载波信号进行通信或定位。以下将探讨常用的超宽带定位算法。

1.1 ToA 算法和ToF 算法

ToA(Time of Arrival)或ToF(Time of Flight)定位算法被称为“到达时间”或“飞行时间”算法。其原理是信标和基站在时间同步的情况下,根据无线电信号从信标到基站的飞行时间,计算飞行距离,利用公式计算出信标位置。该算法的系统组成原理如图1 所示。

图1 ToA 和ToF 算法系统组成Fig.1 Composition of ToA and ToF algorithm system

ToA 算法的处理过程如下:已知3 个基站的坐标分别为(x1,y1)、(x2,y2)和(x3,y3),假设信标坐标为(x,y),在t时刻发送信号。3 个基站接收时间为t1、t2和t3,信号的传输速度为c。求解式(2)、式(3)、式(4)所示的方程组即可获得信标位置。

ToF 算法的原理是,信标首先向基站发送请求信息,基站经过的一段时间后,回复确认信息。设信标发出信号到接收基站应答信号的时间间隔为T1,基站接收信号到发出应答信号的时间间隔为T2,则信号飞行时间如式(5)所示:

目标节点的距离D=Ttof×c,其中c为无线信号的传播速度,近似于光速。

ToA 或ToF 算法具有系统组成简单、算法易于理解和方便计算等优势。然而,在实际应用中,也存在明显的缺点,例如,信标和基站之间的时间同步代价很大,数学模型没有考虑多径效应,因此,计算距离会存在非视距误差。为了解决这些缺点,在算法设计中可以考虑使用其他技术或算法来辅助改善其性能。

1.2 TDoA 算法

TDoA(Time Difference of Arrival)定位方法是对ToA 算法进行改进的一种算法,被称为“到达时间差”算法。该算法通过测量信标信号到不同基站的传播时间差,可以确定信号源的距离,并利用信号源到多个基站的距离计算出信号的位置。具体而言,通过比较信号到达多个基站的时间差,可以得到以基站为焦点、距离差为长轴的双曲线,而双曲线的交点就是信标的位置。TDoA 的算法模型图如图2 所示。为改进TDoA 算法的性能,可以考虑采用其他算法或技术来辅助实现。

图2 TDoA 算法模型图Fig.2 TDoA algorithm model

已知基站1、2、3 的坐标分别为(x1,y1)、(x2,y2)和(x3,y3),假设信标坐标为(x,y),则可得到TDoA 算法公式如式(6)所示:

TDoA 算法的特点是只需要对基站间进行时间同步,而不需要对基站和信标进行时间同步,使得系统实现成本降低。当信标位于基站所组成的三角形内部时,定位精度最高,然而,当信标越靠近三角形的边缘,误差就越大。此外,TDoA 算法仍然存在非视距误差问题,为了提高其性能,可以考虑进一步优化算法或结合其他技术来辅助实现。

1.3 AoA 算法

AoA(Angle of Arrival)定位方法被称为“到达角度测距”算法。该算法通过基站设备感知信标信号到达的方向,计算接收站和信标之间的相对方位或角度,进而利用三角测量法或其他方式计算信标位置。AoA 算法模型的示意图如图3 所示。

图3 AoA 算法模型示意图Fig.3 Schematic diagram of AoA algorithm model

已知基站1、2 的坐标分别为(x1,y1)和(x2,y2),信标坐标为(x,y),以垂直于基站和信标的直线作为基准方向,基站1 和2 的夹角分别为A1和A2,可得到算法公式如式(7)所示:

AoA 算法的优点在于定位精度高,系统组成简单,只需要两个基站就能实现定位,并且不需要同步时钟。但是,此种方法需要安装高灵敏度和空间分辨率的阵列天线,从而增加设备成本,同时,该方法同样会受到非视距环境的影响。为解决这些问题,可以考虑采用其他算法或技术,或结合多种定位方法进行综合定位。

1.4 RSS 算法

通过测量节点间的能量来估算目标与接收机之间的距离,被称为Received Signal Strength(RSS)算法。由于接收信号强度与距离成反比,因此可以利用传播模型和发射信号强度与接收信号强度之间的差异来计算距离。超宽带定位中采用RSS 算法,其操作简单,无需进行时间同步,且成本低廉。但是,由于无线单波传播环境复杂,整个过程容易受到物品摆放、障碍物遮挡等影响,且多径效应影响明显,因此定位效果并不理想。为提高RSS 算法的性能,可以尝试结合多种方法进行综合定位。

2.1 非视距误差

视距传输(Line of Sight Propagation,LOS Propagation)是指在发射天线和接收天线间能够相互“看见”的距离内,无线电波直接从发射点传播到接收点(一般要包括地面的反射波)的一种传播方式。然而,在真实的无线环境中,信号在从信标到基站的传输路径中会遇到各种障碍物,因此信号需要经过反射和折射才能够到达接收端。而信号在经过反射和折射后传输的距离比信标和基站之间的直线距离长,基站接收到信号的到达角也会发生较大的偏差,这种现象被称为非视距传输(Non Line of Sight Propagation,NLOS Propagation)。如果利用非视距传输情况下所测量的参数对信标位置进行计算,其结果和真实值之间会存在一定的误差,称为非视距误差。为解决这个问题,研究者们提出了许多方法,例如,提出一种混合定位方法,在非视距条件下采用基于指纹的定位算法,在视距条件下采用传统算法;
再比如,可利用深度学习和图优化技术通过边缘计算解决非视距误差问题。

2.2 多径效应

多径效应是指无线电波受到环境影响后,通过不同路径传播,各分量场到达接收端的时间不同,导致干扰信号失真或错误。目前减少多径干扰的方法有:提高接收机的距离测量精度和使用抗多径天线。

3.1 多种技术融合定位

为了满足各种室内环境和应用场景的需求,弥补单一技术的局限性,越来越多的室内高精度定位方案已将惯性传感器技术与基于WiFi 的定位技术等其他技术融合,这已经成为一种趋势。Google、Broadcom、CSR 等公司提供了多种技术融合的混合解决方案。未来,还将出现更多传感器、WiFi、BLE 等技术混合的解决方案,以满足不同需求。

3.2 室内地图和室内定位数据库会迅速发展

随着室内高精度定位相关技术趋于成熟,为保证快速扩展的能力和定位性能的可靠性与一致性,室内定位技术依然需要面对诸多挑战。这些挑战包括地图和数据库的扩展性,快速有效地产生和维护数据库的技术等。但是,随着室内定位应用场景的增多,室内地图和室内定位数据库必然得到迅速发展。

3.3 基于位置的应用和服务会更多利用附近的感应和发现

相对于室内高精度定位来说,附近的设备发现更加简单,因为它不需要计算精确的位置,只需要发现附近的设备就能提供相应的服务。这种室内高精度定位技术对于室内和连续无处不在的定位有很大影响,并且可以作为很好的补充技术,尤其是针对精确定位不容易实现的场景。这种技术包括BT/BLE、LTEDirect、WiFiDirect 和NFC 等。

3.4 低功耗优化

为了实现随时随地的精准定位,需要降低定位功能对移动设备带来的额外功耗。这可以通过使用专用的室内高精度定位处理引擎来减少应用处理器的唤醒次数、结合运动检测和行为模式检测来降低功耗,以及融合多种定位技术并选择最省电的同时满足精度的技术来实现。此外,还可以通过关闭或将高功耗的定位技术置于休眠模式,以此来降低使用高功耗传感器的功耗。

室内定位作为未来物联网的基础设施之一,正受到广泛关注和发展。在众多的无线高精度室内定位技术中,超宽带(UWB)技术因其视距条件下的分米级测距精度、抗多径衰落能力和低占空比,被认为是最有前途的技术。本文首先介绍了超宽带技术和室内定位的概念,然后分析了主要的超宽带定位算法及其优缺点,并展望了室内无线定位技术的发展趋势,由此指出,基于超宽带技术定位需要解决重要的非视距误差问题和多径效应问题。本文旨在帮助室内定位领域的研究者了解目前超宽带定位系统算法的发展现状和需要解决的问题,明确未来室内定位技术的发展方向。

猜你喜欢 超宽带视距信标 基于多模谐振器的超宽带滤波器设计成都信息工程大学学报(2022年2期)2022-06-14俄罗斯中国计算机报(2020年9期)2020-03-25超宽带雷达建筑物结构稀疏成像雷达学报(2018年3期)2018-07-18RFID电子信标在车-地联动控制系统中的应用铁道通信信号(2018年3期)2018-04-19一种基于非视距误差补偿的协同定位算法北京航空航天大学学报(2017年7期)2017-11-24安全视距应该成为道路安全管理的基础共识汽车与安全(2017年9期)2017-09-29浅谈道路设计中的停车视距与验证居业(2017年5期)2017-07-24一种基于射频开关切换的伪随机编码超宽带多发多收雷达设计雷达学报(2017年1期)2017-05-17一种脊波导超宽带滤波器电子制作(2016年11期)2016-11-07基于信标的多Agent系统的移动位置研究长春理工大学学报(自然科学版)(2015年4期)2015-12-07

推荐访问:算法 综述 定位

猜你喜欢