針對存在非視距(non-line-of-sight, NLOS)的室內(nèi)定位算法進行研究. 首先描述室內(nèi)定位中的常用技術和算法(航跡推算、指紋識別定位、鄰近探測、極點定位、三角定位、多邊定位、質(zhì)心定位), 概括其原理、優(yōu)缺點和適用場景; 其次, 通過仿真測試說明研究NLOS識別和抑制的必要性; 再次, 分別介紹NLOS識別和NLOS抑制的幾類算法, NLOS識別算法包括統(tǒng)計學方法、幾何關系法、機器學習法、信道特征提取法和虛點密度識別法, NLOS抑制算法包括模糊理論法、引入平衡參數(shù)法、幾何關系法、小波去噪法、機器學習類算法、凸優(yōu)化類算法、殘差類算法、最小二乘類算法和多維縮放類算法; 最后, 對全文進行總結并指出NLOS室內(nèi)定位亟待解決的問題。

全球定位系統(tǒng)(global positioning system, GPS), 憑借其廣泛的應用范圍和較高的定位精度, 受到了各方面專家和學者的青睞, 其在室外可以提供比較可靠的定位服務. 然而, 由于室內(nèi)環(huán)境較為復雜, 信號的傳播過程中會遇到障礙物(行人、墻壁、桌椅等)的阻塞, 使得信號發(fā)生反射、折射或散射, 導致強度減弱, GPS并不能實現(xiàn)精確的定位, 即在存在非視距(non-line-of-sight, NLOS)的室內(nèi)環(huán)境中, 定位精度會有所下降. 如何有效識別和抑制NLOS, 從而提高定位精度是目前室內(nèi)定位研究的熱點問題之一. 室內(nèi)定位作為定位技術在室內(nèi)環(huán)境的延續(xù), 應用更加廣泛. 精確的節(jié)點位置信息可以應用在環(huán)境監(jiān)測、軍事偵察、定位打擊目標、公共安全及應急響應等方面.

當發(fā)生地震、火災等意外災害時, 室內(nèi)環(huán)境由于崩塌、火燒等會發(fā)生改變, 根據(jù)感覺盲目尋找很難快速找到被救援人員的位置. 而通過無人機等實地采集信息, 利用室內(nèi)定位技術可以快速進行搜救, 既節(jié)省時間又能規(guī)劃出安全的救援路徑. 當發(fā)生恐怖襲擊或者人質(zhì)劫持等社會安全事件時, 利用室內(nèi)定位技術可以快速確定襲擊者或人質(zhì)的位置. 反恐人員進入室內(nèi)執(zhí)行任務時, 通過室內(nèi)協(xié)同定位算法進行配合, 可以精確地獲得自己和同伴的位置, 對于任務的解決起到了更好的促進作用. 當處于火車站、高鐵站、飛機場或地下停車場時, 室內(nèi)定位技術可以為用戶提供導航定位、停車、找車服務, 提高用戶的滿意度. 在商場或者倉庫可以幫助用戶快速找到心儀的商品, 增強用戶體驗感。

目前, 在室內(nèi)定位方面所使用的技術有很多, 包括地磁技術、Wi-Fi、藍牙、超聲波技術、激光技術、計算機視覺技術、超寬帶(ultra wide band, UWB)技術等。

地磁技術主要依據(jù)地磁場強度實現(xiàn)定位, 成本較低, 而且對環(huán)境的要求不高. Wi-Fi技術不受燈光、濕度、溫度等外界因素的影響，在一定頻段內(nèi)可以很好地穿越障礙，但在室內(nèi)極易受到多徑效應的影響, 定位精度中等[2]. 低功耗藍牙具有功耗低、成本低、部署方便等優(yōu)點, 誤差可達到2 m左右。超聲波技術由固定的參考基礎設施和多種移動單元組成, 可以穿透部分固體和液體, 在黑暗、有毒等環(huán)境中仍可以應用, 但其頻率受多普勒效應的影響且成本較高. 激光技術可根據(jù)信號和反射信號的時間差值計算距離，結合角度信息完成相對定位，成本較高。

計算機視覺技術主要分為利用地標包含的信息解算為矩陣實現(xiàn)定位和對數(shù)據(jù)庫內(nèi)存儲的相機位置信息進行圖像指紋匹配實現(xiàn)定位兩種。伴隨計算機視覺技術的發(fā)展和成熟，使得基于視覺的用于同時定位與地圖構建(simultaneous localization and mapping, SLAM)的技術可獲得圖形和視覺的支持。視覺SLAM技術包括前端和后端兩部分，前端又稱視覺里程計(visual odometry, VO)，主要進行特征檢測和數(shù)據(jù)關聯(lián)任務；后端主要對前端的輸出結果進行優(yōu)化，得到最優(yōu)的位姿估計和地圖。

由于較高的時空分辨率、良好的隱私保護、強穿透性以及高精度的定位性能，使得UWB技術能為室內(nèi)定位提供良好的解決方案。同時也為許多應用程序提供了便利，如醫(yī)療監(jiān)控、安全和資產(chǎn)跟蹤等。

室內(nèi)定位中的常用算法包括航跡推算、指紋識別定位、鄰近探測、極點定位、三角定位、多邊定位和質(zhì)心定位等。下面主要介紹這些算法定位的原理以及優(yōu)缺點。

1.指紋識別定位

指紋識別定位算法主要由離線階段和在線階段兩部分構成：在離線階段，用小網(wǎng)格劃分待定位區(qū)域，得到交點并記錄其坐標，對在交點處接收到的無線電信號提取特征(常用接收信號強度(received signal strength, RSS))，利用交點的坐標和相應的特征構成的信息鏈建成指紋數(shù)據(jù)庫；在線階段，通過匹配算法對比實際信息提取的特征與指紋數(shù)據(jù)庫中的參數(shù)實現(xiàn)定位。

優(yōu)缺點：此算法自主性較高，有較高的定位精度；但在離線階段建立指紋庫工作量較大，且一旦更換定位場地，需要重新構建指紋庫。

2.鄰近探測

鄰近探測法通過是否接收到物理信號來判斷目標是否位于發(fā)射源四周，主要取決于信號的傳輸范圍。由圖 3可以看出，目標節(jié)點位于基站B附近。

圖 3鄰近探測原理圖

3.極點定位

極點定位根據(jù)測量的相對錨節(jié)點的距離和角度信息推測出目標的位置，其原理如圖 4所示.，若僅已知錨節(jié)點與目標節(jié)點之間的距離d1d1，則可以初步確定目標節(jié)點是在以錨節(jié)點為圓心、d1d1為半徑的圓上，然后通過角度信息可以得到目標節(jié)點的精確位置。

圖 4極點定位原理圖

優(yōu)缺點：只需要根據(jù)一個錨節(jié)點的位置即可進行測量，應用較為方便，常用于大地測量；但定位結果的準確性易受測距和測量角度儀器的精度的影響。

審核編輯：劉清