基于實時定位的城市巷戰訓練系統

薛憲堂，賀紅衛，蔣遂平，方 志

（1.中國航天科工集團第二研究院706所，北京100854；2.中國兵器科學研究院，北京100089）

0 引 言

傳統的對城市巷戰訓練的官兵進行評價和效果分析時，需要教官和指導人員在各個場景觀察或者場景巡視，這些都在一定程度上影響訓練效果并且難以對參見訓練的人員進行客觀全面的評價。采用視頻監控和回放的方法，難以在視頻數據中提取有價值的可供參考的信息，而且耗費人力和時間［1，2］。

利用實時RFID 定位技術［1］記錄士兵移動軌跡，并進行軌跡分析是一種有效方法。國外已經成功利用實時RFID定位等技術輔助城市巷戰訓練［4］，訓練效果直觀可見，對整個訓練效果的評估和對參見訓練人員的評價提供客觀全面的參考，并全方位的展示訓練的效果。

通過實時RFID 定位技術，可以實現城市巷戰訓練系統的實時定位。本文將介紹該系統的架構及其中的關鍵技術問題。

1 城市巷戰訓練系統設計

城市巷戰訓練系統是一套由標簽、讀寫器和攝像機等多種設備相互配合，多個軟件模塊協調工作的系統。該系統的設計以軟件工程方法為設計理念，以實現場景功能需要為目標，實現系統開發的工程化，做到風險可規避、過程有規范、結果可驗證。從實際應用的角度，城市巷戰訓練系統的設計應該具有安全性、穩定性、開放性以及便于升級維護等特點。

1.1 城市巷戰訓練系統總體架構設計

城市巷戰訓練系統采用3層構架設計，分別為：數據層、業務邏輯層和展示層，其中數據層和業務邏輯層通過數據訪問接口進行通信。這種設計降低系統的耦合性，使得系統的各層次之間分工明確，縮短開發周期，降低開發成本，有利于系統的擴展和升級，使得系統硬件的差異和變化對上層軟件系統的影響最小化，可以有效降低系統的維護成本。數據層主要完成對采集到的原始數據進行融合處理轉變成業務邏輯層可用的數據形式；業務邏輯層通過數據訪問接口獲取數據的數據，并將這些數據處理成有城市巷戰訓練場景意義的數據；展示層從業務邏輯層取得數據并結合需要展示的要求將數據全方位立體化展示，以供教官評價訓練效果。

城市巷戰訓練系統構架如圖1所示。

圖1 城市巷戰訓練系統構架

1.2 城市巷戰訓練系統關鍵技術研究

本文提出了基于實時定位技術的城市巷戰訓練系統研究。現有的技術和解決方案難以直接應用在系統中，需要對相關的技術進行適合城市巷戰訓練場景的改造。下面主要對實時定位技術、濾波技術和事件檢查技術等這些關鍵技術的改進進行闡述說明。

1.2.1 改進的RFID 定位算法

目前的實時RFID 定位算法按照定位數據的不同分為：時間定位方法 （TOA）［5］、信號傳播角度定位算法［6］、時間差定位方法［7，8］和RSSI定位方法 （場強法）［9］4類。其中時間定位法、信號傳播角度定位方法和相位定位方法這些實時定位方法由于硬件要求高、價格昂貴等原因，導致實際應用難以推廣。綜合比較，RSSI室內定位算法可以實現較為高準確度定位的需求，系統的集成部署成本低廉，能夠達到實際室內定位的需求標準，所以具體實施的室內定位系統普遍采取了RSSI定位技術。

LANDMARC［10］室內定位算法是一種基于動態有源RFID 標簽的RSSI定位技術的具體實現，該算法是美國密歇根大學和香港科技大學一同研究得出的室內定位算法。LANDMARC算法在需要定位的空間內布置適當的以某一周期產生通信信號的參考標簽，讀寫器不斷的獲取參考標簽和待測標簽的場強值，通過比對場強值的相似度來尋找與待測標簽最為接近的參考標簽，利用這些最近的參考標簽的位置對待測標簽進行定位。LANDMARC 算法的發布，引起了眾多學者的興趣，很多科研工作者在此算法基礎上提出了諸多有效的改進方案。傳統的LANDMARC 算法中如何選擇最近鄰居對定位精度的影響很大，由于無線電波傳播過程中的反射、繞射和折射現象以及讀寫器定位的特性，即讀寫器所接收到的標簽信號的場強值和讀寫器到標簽之間的距離是有一定的單調性關系，所以讀寫器接收的某一強度場強值的參考標簽呈現為近似圓周分布，在實際的尋找與待測標簽距離接近的參考標簽的過程中，很有可能會引入信號強度值接近但是實際位置較遠的參考標簽，場景中的多個讀寫器向量計算最近的參考標簽方法，雖然可以改善選擇的最近鄰居，但是選擇的最近鄰居與待測標簽位置較遠的情況依然存在；而且，由于在選擇最近鄰居時，需要對已知區域內所有的參考標簽進行特征向量計算，計算量巨大，這在一定程度上加重了系統的延遲時間和提高了對硬件的要求。

在城市巷戰的環境下，目標的移動有自身的特點：目標運動的場景多數為樓宇和狹窄的街道，這些場景內各個相對封閉的運動單元之間的通道相對固定，可以利用這些通道對定位結果進行校正加強定位的精度，降低累計誤差的影響。

城市巷戰訓練場景內環境如圖2所示。

圖2 城市巷戰訓練場景

巷戰場景中移動的目標為訓練的士兵，而士兵移動速度是有范圍的，在定位時可以利用這一特點，限定下一位置目標出現的區域，并在這一區域內選取臨近鄰居參考標簽進行定位。

綜合以上特點，對傳統的LANDMARC 算法進行改造，總體思想為：在場景內的單元進出位置進行校對驗證，定位時利用T 時刻的位置和目標的移動速度預估T＋1時刻的可能出現的位置區域，在這個區域內尋找最近鄰居，從而提高了定位的精度和速度并減少計算量，并且在各個通道處進行定位的校驗。

定位算法如圖3所示。

1.2.2 濾波算法

在實際的應用過程中，根據改進的實時RFID 定位算法可以高效、準確的定位，但是由于士兵攜帶的通信設備的干擾以及士兵之間相互的干擾等原因會發生穿墻和跨越地形等錯誤現象，如圖4所示，該現象是在定位間隔0.1s的情況下出現的，士兵在人類運動極限的情況下無法沿著兩端點最近的路徑運動到定位的位置。為消除和修正這類錯誤，增加濾波功能，濾波算法的目的就是判斷識別出這些點，并將此類的點過濾掉。

圖3 定位算法

圖4 定位穿墻

濾波算法的總體思路是：

（1）建立地形映射表。由于每一次定位的數據都需要濾波處理，所以需要映射的數據量很大，如果對每次映射都采用計算的方式獲取該定位所在的地形并進行過濾識別，計算量所產生的延遲會難以令人承受，會嚴重影響實時性。因此，經過考證和實驗，采取空間換時間的方案：在系統初始化時，建立一個局部地形的坐標到地形的映射表，這樣每次的定位到坐標的轉換，僅僅需要查表即可，加快了響應速度。

（2）定位位置映射到對應的地形。對于實時定位的計算出的坐標，進行適合查表的變換后，直接查表獲得該點所在的地形。

（3）對于處于不同地形的定位，依據地形尋找兩點間最近的路徑，并判斷沿最近路徑到達定位點的可能性。針對本場景的實際情況，在尋找兩點的路徑時，都是通過通道連接的，在系統初始化時，先建立通道的相鄰表，依據路徑節點驅動的低代價最短路徑樹算法尋找最近路徑［11］；計算沿最短距離行進所需的時間，判斷改點定位的可行性。

（4）根據是否可行，設置下一定位的影響參數，下一定位點可能出現區域的半徑，參照的上個準確點等。

1.2.3 事件檢測

事件檢測中采用SASE［12］事件描述語言，該語言支持復雜事件處理查詢，是目前RFID 事件處理中較為常見的方法。SASE所處理的原始RFID 事件和城市巷戰場景處理的數據有所不同。SASE 所處理的原始事件格式為＜Rid，Tepc，t＞其含義見表1。

表1 原始事件字段

在城市巷戰場景中，原始的RFID 信息用來對標簽進行定位，上層事件的檢測可以直接利用定位的信息，這樣減輕了事件檢測模塊的負擔，同時也使得事件檢測更貼近于城市巷戰場景。所以在城市巷戰場景中，處理的基礎事件格式為＜Tepc，X，Y，Zone，t，Extra＞，基礎事件各個字段含義見表2。

表2 改進的基礎事件字段含義

城市巷戰訓練場景中的事件主要包括：傷亡士兵違規、作戰計劃施行有誤、脫離訓練現場和危險區域誤入等4類事件。城市巷戰訓練系統中主要以這4類事件為基礎，進行檢查并將結果傳遞到上層應用。

根據修改的SASE 描述語言的語義，下面對著4 類事件，進行定義：

（1）傷亡士兵違規事件：

EVENT ALL x

WHERE x.Tepc in （casualties）＾Distance（x.X，x.Y，GetCasualtyLocation（x.Tepc））＜LocationThreshold

RETURN CasualtiesError（x.Tpec，x.X，x.Y，Extra）

傷亡士兵違規是指傷亡的士兵出現移動等現象，在檢測時首先判斷標簽是否在傷亡列表casualties中，然后通過GetCasualtyLocation函數獲得標簽的傷亡地點，在計算傷亡地點與現在地點的距離是否超過LocationThreshold士兵的移動門檻。對于滿足傷亡士兵違規事件的通過CasualtiesError函數將數據組裝發往上層應用。

（2）作戰計劃施行有誤事件：

EVENT ALL x

WHERE x.Tepc in （warPlan）＾

GetWarPlan（x.Tpec）＋WarPlanThreshold＜x.t＾

Distance（x.X，x.Y，GetWarPlanLocation（x.Tepc））＜LocationThreshold

RETURN WarPlanError（x.Tpec，x.Extra）

在城市巷戰訓練時，往往訓練前會有一定的部署和作戰計劃，對于訓練的士兵要求在規定的時間內搶占有利位置，團隊配合行進等要求。搶占有利位置事件的事件檢測是指在一定的時間段內檢測是否有規定的標簽出現在預設的區域上。對于數據流中的信息，先判斷該標簽所指示的士兵是否在warPlan列表中，然后判斷是否到了作戰計劃時間，最后判斷是否在指定的位置上。

（3）脫離訓練現場事件：

EVENT SEQ（！ALL x）

WITHIN 10Seconds

RETURN OutOfTraining（x.Tepc）

在城市巷戰訓練中有些士兵會由于各種原因脫離訓練現場，該事件實時的檢測出該類士兵，給訓練評估人員以提醒。脫離訓練現場事件的檢測是尋找10s內，沒有被偵探到的數據。

（4）危險區域誤入事件：

EVENT ALL x

WHERE IsInDangerZone（x.X，x.Y）

RETURN DangerZoneIntrude（x.Tepc，x.X，x.Y，x.Extra）

在實際的城市巷戰戰斗中，有些區域是敵方布置的陷阱或者化學毒氣區域等，這些危險的區域對我軍士兵的戰斗力影響很大，通過這類的訓練可以提高士兵的警覺意識。

2 應用驗證

功能實現采用C＃語言，開發工具軟件選用Microsoft Visual Studio 2010，在ASP.NET 平臺上進行開發，選 用微軟SOL Server 2008數據庫作為數據存儲數據庫。該研究的成果已經成功的應用在城市巷戰訓練系統中，在城市巷戰訓練系統的實現中，利用關鍵技術的解決方案，調用模塊化的定位模塊、濾波模塊和事件監測模塊的相關接口即可。實際應用結果表明：改進后的定位算法，定位準確，計算量小；濾波合理準確；事件檢測效率高，誤報率低。整體系統響應延遲小，能夠準確定位，全方位立體展示巷戰訓練效果，為評估和比較訓練效果提供了依據。

城市巷戰訓練系統界面如圖5所示。

城市巷戰訓練系統樓層內顯示如圖6所示。

城市巷戰訓練系統樓層編輯界面如圖7所示。

圖5 城市巷戰訓練系統界面

圖6 城市巷戰訓練系統樓層內顯示

圖7 城市巷戰訓練系統樓層編輯界面

3 結束語

本文提出了在城市巷戰訓練場景中的實時RFID 定位的技術，針對該場景的濾波技術和城市巷戰訓練的事件檢測技術，填補了國內在城市巷戰訓練場景中實時RFID 定位和事件檢測技術研究的空白。研究以巷戰訓練為背景，結合已有的相關研究成果，對關鍵技術進行了分析研究，提出延遲小、定位效率高、檢測準確的技術方案。將該技術應用在實際的城市巷戰訓練系統中，表明了該研究結果的可行性。下一步的研究工作是完善實時RFID 定位技術和事件檢測技術，使其擴展應用范圍。

［1］DU Wenlong.City，ground war，main battlefield ［J］.Weapon Knowledge，2012，10 （1）：10 （in Chinese）.［杜文龍.城市未 來20 年 陸 戰 主 要 戰 場 ［J］. 兵 器 知 識，2012，10（1）：10.］

［2］ZHOU Bin.Illustrate the sharp weapon the street battle ［J］.Modern weapons，2007 （11）：54－57（in Chinese）.［周斌.圖說戰爭利器之城市巷戰［J］.現代兵器，2007 （11）：54－57.］

［3］RFID world.Nor－Lea hospital district to enhance ED and clinic patient flow with versus RTLS ［EB／OL］.［2014－01－08］.http：／／news.rfidworld.com.cn／2014＿01／40cc40cea318753f.html（in Chinese）.［RFID 世界網編輯.Nor－Lea醫院使用Versus的RTLS以提高病 人接 待量［EB／OL］.［2014－01－08］.http：／／news.rfidworld.com.cn／2014＿01／40cc40cea318753f.html.］

［4］Claire Swedberg.Urban warfighters train with RTLS ［EB／OL］.［2014－01－15］.http：／／www.rfidjournal.com／articles／view？11343.

［5］Alsindi N，Xinrong L，pahlavan K.Analysis of time of arrival estimation using wideband measurements of indoor radio propagations ［J］.IEEE Transaction，Instrument Ationand Measu－Rement，2007 （5）：1537－1545.

［6］Zhou Junru，Zhang Hongjian，Mo Lingfei.Two－dimension localization of passive RFID tags using AOA estimation ［C］／／IEEE International Instrumentation and Measurement Technology Conference，2011：1－5.

［7］Hao N，Guangliang R，Yilin C.A TDOA location scheme in OFDM based WMANS ［J］.IEEE Transaction，Consumer Electronics，2008 （3）：1017－1021.

［8］Kuhn M，Cemin Z，Merkl B，et al.High accuracy UWB localization in dense indoor environments ［C］／／IEEE International Conference on Ultra－Wideband，2008：129－132.

［9］Rong－Hou W，Yang－Han L，Hsien－Wei T，et al.Study of characteristics of RSSI signal［C］／／IEEE International Conference on Industrial Technology，2008：1－3.

［10］Kyuwon Han，Sung Ho Cho.Advanced LANDMARC with adaptive k－nearest algorithm for RFID location system ［C］／／Beijing，Network Infrastructure and Digital Content，2010：595－598.

［11］ZHOU Ling，WANG Jianxin.Path nodes－driven least－cost shortest path tree algorithm ［J］.Journal of Computer Research and Development，2011，48 （5）：721－728 （in Chinese）.［周靈，王建新.路徑節點驅動的低代價最短路徑樹算法 ［J］.計算機研究與發展，2011，48 （5）：721－728.］

［12］Gyllstrom D，Wu E，Chae HJ，et al.SASE：Complex event processing over streams［C］／／Proceedings of the 3rd Biennial Conference on Innovative Data Systems Research，2007：108－119.