1、互相關(guān)干擾消除技術(shù)

在室內(nèi)復(fù)雜的定位環(huán)境中，接收機很有可能接收到定位源直射的強信號和經(jīng)過反射、折射的弱信號，強信號和弱信號的功率差可以達到20～30dB。此時在弱信號的相關(guān)解算中，強信號產(chǎn)生的互相關(guān)峰與弱信號產(chǎn)生的自相關(guān)峰幅值處于同一量級，很有可能對弱信號的捕獲造成不利影響。因此在定位過程中通常需要通過消除互相關(guān)干擾的影響達到捕獲弱信號的目的，其中常用的方法有子空間投影法和扣除法。

⑴子空間投影法

子空間投影法是在載波多普勒、載波相位以及碼相位構(gòu)建的信號子空間中生成新碼，并將待檢測的弱信號在此空間內(nèi)分解并產(chǎn)生出與強信號完全正交、與弱信號相關(guān)性強的新碼，以此碼進行弱信號的捕獲。由于新碼的構(gòu)建需要實時運算，而此運算中需要進行大量的矩陣和向量運算，因此構(gòu)建新碼十分困難。E.P.Glennon提出改變Gold碼的均衡性使得本地碼與強干擾信號互相關(guān)性最小，但該方法同時也會降低一定的自相關(guān)性。

⑵扣除法

扣除法比較常見的有兩種方法：一是利用已捕獲的強干擾信號的多普勒頻移、載波相位、碼相位、信號幅度等參數(shù)在本地接收機內(nèi)進行強干擾信號的重構(gòu)，然后將強信號從射頻信號中扣除，再進行弱信號的捕獲；二是在做完接收信號與本地碼的相關(guān)運算后從中扣除強干擾信號的互相關(guān)值，以此消除強干擾信號對弱信號捕獲的影響。根據(jù)扣除操作發(fā)生的位置是在相關(guān)運算前和后可以分為前端消除法和后端消除法。與子空間投影法相比，扣除法占用資源少、易實現(xiàn)，但對強信號的參數(shù)依賴程度大，當(dāng)強信號的參數(shù)估計誤差較大時，扣除法對互相關(guān)干擾的消除作用就會減小甚至不起作用。

2、非視距效應(yīng)消除技術(shù)

非視距效應(yīng)是由于定位信號源與定位終端之間存在障礙物，導(dǎo)致定位信號無法沿視距傳播，只能通過折射、反射等方式傳播。由此產(chǎn)生的誤差稱為非視距(Non-Line of Sight，NLOS)誤差。在室內(nèi)定位中，由于建筑物內(nèi)的復(fù)雜結(jié)構(gòu)和經(jīng)常性的人員流動導(dǎo)致非視距效應(yīng)十分顯著。影響定位精度的主要誤差來源有測量誤差和非視距誤差，其中非視距誤差遠遠大于測量誤差，因此消除非視距效應(yīng)是提高室內(nèi)定位精度的主要方式。

⑴極大似然算法

在非視距環(huán)境中，可以利用測量噪聲、非視距誤差統(tǒng)計和LOS/NLOS距離概率模型構(gòu)建最大似然問題進行定位解算，消除非視應(yīng)。Gezici使用最大似然算法最大化聯(lián)合概率密度函數(shù)剔除非視距觀測量，Qi采用最大后驗概率估計非視距誤差統(tǒng)計分布。

⑵最小二乘算法

在視距環(huán)境中室內(nèi)定位最廣泛的算法之一是最小二乘法，在得到測量量后建立方程解出定位終端的位置。而在非視距環(huán)境下也可以通過最小二乘法進行定位解算。殘差加權(quán)(RWGH)算法是Chen提出的一種針對非視距環(huán)境的定位算法，可以有效減小非視距效應(yīng)對定位精度的影響。

雖然眾多學(xué)者對非視距誤差的消除進行了大量研究，但由于非視距的復(fù)雜性，目前消除模型仍難以有效消除，仍然是影響室內(nèi)定位精度的關(guān)鍵問題之一。

3、特征聚類技術(shù)

在基于指紋信息的定位方法中，通常采用特征聚類技術(shù)將離群點剔除，以此減小離群點對定位結(jié)果的影響，提高定位精度。

⑴HiWL方法

聚類算法通常需要使用大量數(shù)據(jù)進行訓(xùn)練，但為指紋庫中每個數(shù)據(jù)點進行位置標(biāo)記是非常繁瑣的，為此HiWL方法使用隱形馬爾科夫模型 (HiddenMarkovModel，HMM)對未標(biāo)記的數(shù)據(jù)進行位置分類。在訓(xùn)練階段，該方法需要一定的室內(nèi)拓撲信息。通過HMM訓(xùn)練，系統(tǒng)可以獲得地理坐標(biāo)和信號分布之間的映射關(guān)系，因此HiWL方法可以將未標(biāo)記的指紋地圖與地理坐標(biāo)聯(lián)系起來。但HMM 方法需要通過大量的訓(xùn)練數(shù)據(jù)集 保證學(xué)習(xí)結(jié)果的準(zhǔn)確性，提高了系統(tǒng)的計算復(fù)雜度。

⑵UMLI方法

為了減少計算量，UMLI方法采用聚類方法對未標(biāo)記數(shù)據(jù)進行分類。訓(xùn)練階段通過聚類分析，將有相似特征的相鄰參考點聚集為一類。以此將未標(biāo)記的數(shù)據(jù)進行位置標(biāo)記，減少測量和標(biāo)記的工作量。UMLI方法首先將未標(biāo)記的指紋地圖映射到對應(yīng)的房間中，然后在房間中進行精度更高的定位解算。UMLI方法通過采用分層定位的方法提高了房間定位的精度。

4、融合濾波技術(shù)

在室內(nèi)環(huán)境下，單一的定位技術(shù)無法覆蓋全部區(qū)域，且定位精度有限。因此需要使用多種傳感器、多種定位信號定位。在此過程中就需要融合濾波技術(shù)將不同定位源的數(shù)據(jù)進行融合定位。

通常融合濾波分為三類，數(shù)據(jù)融合、特征融合和決策融合。表1所示為三類融合方法的一些相關(guān)特性。

表1 不同融合方法的相關(guān)特性

根據(jù)處理結(jié)構(gòu)的不同，也可以將融合濾波分為集中式、分布式和混合式。集中式融合濾波需要一個處理中心收集數(shù)據(jù)進行處理，而分布式融合濾波中每個傳感器、定位信號接收器單獨處理自己的數(shù)據(jù)，并將結(jié)果發(fā)送到進行全局分析的節(jié)點?；旌鲜饺诤蠟V波中一部分傳感器和定位信號接收器自己進行數(shù)據(jù)的預(yù)處理，而處理中心也會對一些原始數(shù)據(jù)進行融合并進行最后的決策融合。

如果一個系統(tǒng)中信號源產(chǎn)生的是相同物理測量量，那么就可以進行數(shù)據(jù)融合；相反若系統(tǒng)中的原始數(shù)據(jù)是異構(gòu)的，那么就不能直接進行數(shù)據(jù)融合，需要提高到特征或決策融合的高度。

結(jié)論

本文對目前室內(nèi)定位技術(shù)進行了簡單介紹，分別針對不同種類的主流定位手段，進行了詳細介紹與分析，并對室內(nèi)定位中常見的技術(shù)問題進行了討論。通過對比分析，可以得到如下結(jié)論：

1)室內(nèi)定位技術(shù)發(fā)展迅速，亞米級及厘米級的高精度位置服務(wù)需求廣泛；

2)室內(nèi)定位技術(shù)種類繁多，不同技術(shù)之間各有優(yōu)缺點，廣域與局域定位技術(shù)形成一定互補；

3)組合導(dǎo)航與多系統(tǒng)融合定位可有效提高定位精度及定位魯棒性；4)導(dǎo)航通信一體化技術(shù)具有成本低、精度高等優(yōu)點，并易于與其他定位系統(tǒng)融合，成為未來室內(nèi)外定位技術(shù)的研究熱點之一。

隨著人們對室內(nèi)位置服務(wù)需求的持續(xù)增加，室內(nèi)定位技術(shù)將會得到進一步發(fā)展。新一代通信技術(shù)的發(fā)展，會大幅推動室內(nèi)定位技術(shù)的進步，毫米波及MIMO技術(shù)的應(yīng)用，可有效增加測距精度并提高定位終端的抗多徑能力。低成本亞米級甚至厘米級的室內(nèi)定位技術(shù)成為今后的研究趨勢與熱點。