室內高精度融合定位在工業物聯網的應用

甘正男　王軍　趙罡

摘 要：隨著全球化速度加快，消費市場也對工業制造業生產線提出了更高的要求。通過智能化定位算法以確定貨品的實時狀態和位置來實時監控工業物聯網中的生產鏈和廠房狀態，是隨著物聯網進程逐步發展過程中漸漸成熟的技術。藍牙，WiFi，UWB，RFID，可見光定位，偽衛星定位各種定位技術的發展，使得現有的定位產品在不同的應用層面上實現的定位效果參差不齊，對于工廠、生產車間、倉儲存儲間等工業物聯網環境下常見的復雜的作業環境，單一的定位技術已經無法滿足多環境下的效果展現，無法實現高精度定位，而融合定位算法可以達到更好的精度和展現效果。因此文中基于WiFi，UWB，藍牙及各種不同的定位技術的融合，利用卡爾曼濾波采集行人航位推算（PDR）技術獲取人員位置信息的，最終實現在工業物聯網復雜環境下的室內外高精度定位功能。

關鍵詞：融合定位;工業物聯網;高精度定位;藍牙;UWB;復雜作業環境

中圖分類號：TP393文獻標識碼：A文章編號：2095-1302（2020）07-00-05

0 引 言

隨著無線網絡的覆蓋率的擴大，對數據實時性上傳要求的提高也越來越迫切，更多種類的數據被要求實時更新和上傳，而實時定位技術也在這種要求下也被賦予更大的期望：要求更高的位置精確度、要求更快數據實時性、要求更少的位置漂移量、要求更精準的軌跡路線圖等。而就定位技術而言，GPS在室內的定位偏差過大，無法做到精確定位;WiFi、藍牙定位在存在性定位方面具有無可比擬的優勢，且具有部署簡單，成本低廉的特點，但在精度上仍然無法達到理想的狀態;UWB定位雖然在精度上可以實現15～20 cm的誤差范圍，但基站部署工程繁瑣，受干擾性強和成本高昂使其在應用過程中顯得有心無力。因此，越來越多的高校和研究機構試圖通過研究基于多傳感技術融合的方式來實現室內外定位的深入研究與探索。本文主要探討在面對工業物聯網的復雜環境時，如何通過不同定位技術的融合和互相輔助，來實現在工廠車間及人行道路上的室內外高精度定位，通過各種技術的技術特征和優劣勢互補，來實現工業物聯網定位的最優解。同時通過卡爾曼濾波方程采集的行人航位推算（PDR）人員位置信息，通過算法來進行優化，實現工業物聯網多復雜環境條件下的高精度室內外定位方案。

1 工業物聯網

1.1 工業物聯網概述

工業物聯網（IIoT）描述了機器到機器（M2M）的通信。在工業物聯網中，機器可以與其他機器、對象、環境和基礎設施等進行交互和通信。與此同時，這些通信使得工業物聯網勢必會產生海量的數據，而將這些數據進行統計和分析研究，對于管理者和生產效能的提高都具有促進意義。

通用電氣公司董事長兼CEO Jeffrey Immelt說過[1]：“工業企業已經置身于信息產業之中了，無論他們是否愿意。”而在工業生產環境中，如何充分的利用物聯網發展和部署給人們帶來的這些信息，并利用這些信息來提示運營效能，是所有工業化企業向工業信息化企業轉型過程中都必須面臨到的一個問題。IIoT的本質是讓工業大數據流動起來，通過工業化數據的捕捉和傳輸，使得公司和企業可以更快地解決低效能等問題，節省時間和金錢。在提升質量控制、管理產品品質、供應鏈追溯和整體供應鏈效率等方面具有巨大的潛力。

目前在工業大環境的突飛猛進下，工業化流水線生產作業和工業倉儲存儲正在邁向一個全新的物聯網時代，數十億基于嵌入式技術的前端設備和終端產品，通過無線AP實現了無縫互聯，并借助便捷的短距離無線通信技術進行實時數據交換和分享。也正是基于此，針對工業物聯網中的室內高精度定位技術慢慢在廠區內發展開來，幫助工廠內的人員、物資、車輛、訪客進行實時的高精度定位。通過這一技術，對生產車間和存儲廠房內的實時情況進行全方位管控，做到“有預期、有計劃、有組織、有管理”的人員物資定位管控效果，并通過人員定位數據的實時上傳，分析人員行為數據，對可能存在的風險和不規范操作、不合理行為、不正常走動進行預警告警。

定位技術只是工業物聯網技術應用過程中的一環，通過基礎數據的采集和通信，支撐頂層應用實現更多具化功能的基礎技術。

1.2 定位應用瓶頸

工業廠區內的作業環境通常比較復雜多樣，例如針對生產過程的監督和控制、生產資料的管理和維護、現場服務等其他各種不同種類的作業環境和人員配備，都由不同專業的作業人員在不同的環境中完成。不同的環境適配的定位標簽的產品形態也各有所異，標簽胸卡、定位手環、定位安全帽、定位設備終端、巡檢定位一體機等，不同的作業環境，不同的著裝要求，不同的安全等級要求，對定位標簽產品的形態提出了各種各樣的要求。

同時，工業化生產設備/各類自動設備，也分為固定和移動的自動化產品和設備。固定設備主要包括離散自動化生產設備、工業機器人、電機驅動設備、伺服運動控制設備、電機發電機設備、產品流程控制設備、風機泵壓縮機設備及各類傳感器，開關設備等。

移動設備主要指各類AVG（自動引導小車）、抓車、叉車、掃描器、各類機器人等。

同時，考慮到定位產品的終端平臺部署所實現的頂層業務功能需要有數據對接，可能會產生相關的工業軟件平臺還可以劃分為：控制平臺、傳動系統、網絡基建。

控制平臺主要涉及到如MES（制造企業生產過程執行管理平臺）、CRM（渠道管理平臺/客戶關系管理平臺）、PLM（產品生命周期管理平臺）等生產線管理平臺及各類仿真平臺、控制優化軟件平臺等。除此以外，還涉及到生產車間的生產控制系統主要有DCS（離散控制系統）、PLC（可編程邏輯控制器）、SCADA（數據采集與監視控制）等系統[2]。

傳動系統主要包括工業自動化生產過程中涉及到的運動控制系統，例如伺服系統和各類計算機數控產品等。

網絡基建則是定位產品部署的最基本環境之一，針對不同的工業廠區內的網絡建設情況，融合定位通常會結合現有網絡環境給出最便捷最優化的部署形態，因此需要考慮到現有部署的工業以太網、工業大數據、工業云、工控網絡安全網等相關技術。

2 融合定位應用

室內定位技術一般是由服務器、無線傳輸介質、定位信號基站、信標介質和移動終端構成。本文希望通過融合多定位技術來實現工業物聯網環境下的室內信號全覆蓋，因此需要通過規劃計算來合理的布置各個類型的定位信號基站和信標介質。同時，信標介質需要同時支撐多種不同定位技術的信號和網絡，否則可能存在需要佩帶多個信標介質的情況，來適應不同定位技術的切換。

2.1 WiFi定位技術

WiFi室內定位技術是基于IEEE 802.11b標準的一種無線網絡定位技術，是當前無線定位環境下的主要技術之一。WiFi技術主要是通過信號接收端接受區域內所覆蓋的無線局域網中的無線AP中發射的無線信號，再利用信號傳輸模型和相應的測距方法，最終得到所需要測量的目標物相對于無線AP的距離。在獲取到所測目標物到不同的AP的距離之后，通過相應的測算定位方法，例如三邊測量定位法、三角定位法、到達時間法等方法，得到所需要測量目標物的具體位置。

WiFi技術通過無線接入點（AP）組成的無線局域網絡（WLAN），可以實現在復雜環境中的定位、監測和追蹤任務。它以網絡節點（無線接入點）的位置信息為基礎指紋庫和前提部署條件，采用經驗測試和信號傳播模型相結合的方式，對已經接入無線局域網的移動設備進行位置定位，最高精確度在10～20 m之間。且如果定位測算的設備僅基于當前連接的WiFi接入點，而不是參照周邊WiFi的信號強度多維復合條件，則WiFi定位就很容易存在誤差（例如會發生跨樓層定位的錯誤）。

WiFi定位技術的最大的優點是：定位的范圍相對較廣，部署成本低，系統整體的定位精度比較高。但同時，WiFi信號的傳播也受到障礙物干擾、多徑傳播、頻段干擾等相關因素的影響，從而影響WiFi定位技術的精度。

2.2 藍牙定位技術

藍牙定位技術是基于IEEE 802.15.1標準下的無線網絡傳輸技術，他的主要原理是通過測量藍牙無線信號的強度從而實現定位功能。目前最常見的定位量級是用藍牙技術實現存在性定位，在一定的環境要求下，藍牙信標的密集部署也可以實現精度在3～5 m的實時定位。是中距離補充定位技術的一種主要手段。

藍牙定位技術的發展，主要依靠藍牙局域網的建設。在特定的需求定位的區域中，部署適當的藍牙接入點，同時將藍牙局域網配置成為基礎的網絡架構，并通過藍牙技術將藍牙定位標簽產品和藍牙信標基站同時接入所部屬的藍牙局域網中，實現數據的雙向通信，最后通過特定的定位算法來實現藍牙定位標簽的位置計算。

藍牙定位技術的優點是設備體積較小，藍牙定位標簽可以集成在各種終端設備中，例如筆記本電腦、手機或其他手持終端設備。藍牙定位基站可以安裝在馬路邊角，房間墻角，過道走廊處，安裝簡潔方便，功耗低，使用壽命長。但藍牙定位技術仍然存在不容忽視的缺點，低版本的藍牙定位技術穩定性相對較差，比較容易受到噪聲信號的干擾，更適合在一些短距離、小范圍的通信定位中應用。

2.3 超寬帶定位技術

超寬帶（UWB）定位技術，采用了TOF算法和TDOA算法相結合的形式。基于TOF測距的無線定位系統采用的策略是分布式定位策略[3]，其是通過本地移動標志點實現的，運算結束后，通過ZigBee短距離無線通信網絡把定位的結果發送到主控標志點。UWB定位測距是采取基于傳輸時間特征的TOF測距機制來實現的。TDOA測距主要依據了雙曲線的定位原理，通過測得所需定位目標的UWB信號同時到達兩個定位基站的時間差，通過時間差乘以光的傳播速度，從而獲得距離差值。而到達兩個定點定位基站的距離差是一個定值的雙曲線，因此可以根據兩個或者多個雙曲線的交點，來得到所需定位的目標點位的位置信息。

TOF算法是通過到達時間TOA傳世時間差測距的方法來實現的，距離測量使用了雙向通信傳輸時間，而傳輸時間測量的機制相對于其他定位算法來說是很精確的。TOF測距算法可以實現前向測距和反向測距兩個方向。在前向測距中，測距的主動標志點是本地標志點，在系統中被認為是移動標志點。由本地標志點發送的數據包，在系統中的定位錨點就是遠程標志點，接受的數據包會馬上進行自動響應[4];相反，反向測距的主動標志點是遠程標志點，由本地標志點進行通知，遠程標志點采取測距操作，再由遠程標志點發送數據包，本地標志點接收數據包再理科進行自動響應。

TDOA算法是指信號到達的時間差，某個定位標簽發送無線信號，通過利用到達不同基站的時間差值，來計算出定位標簽到每個定位基站之間的距離差值（計算無線信號波的傳輸速度來實現）。得到的距離差值若符合雙曲線方程中的相應條件，那么這個定位標簽就在雙曲線的其中一條分支上，則可以直接得出所需要定位的目標的坐標位置（通過計算兩個或兩個以上的雙曲線的交點）。

UWB技術主要的優勢在于定位精確，可以做到實時的高精度的定位，通常誤差在20～30 cm之間，可以做到厘米級的定位效果，在定位路線回溯和地圖顯示上有很好的展示效果。但同時，UWB的基站成本大、造價高，同樣容易受到障礙物干擾，多徑干擾，部署復雜通常使用有線連接等缺點較突出，也造成了UWB定位技術無法得到大面積普及和應用的局面。

2.4 可見光定位技術

可見光定位的基本原理是通過對每個LED燈進行編碼，將ID調制在燈光上，燈會不斷發射自己的ID，通過利用手機前置攝像頭或者其他接收的終端設備來識別這些編碼，利用所獲取的識別信息在地圖指紋數據庫中確定對應的位置信息，完成定位。目前國內外對于可見光通信定位的研究主要集中在五個方向：LED燈身份信息識別定位（LED-ID）、到達時間及時間差定位（TOA/TDOA）、光強模擬定位（RSS）、信號到達角定位（AOA）及圖像傳感定位。

可見光定位通過天花板上的LED燈組發出高頻的閃爍信號，接收端則是通過CMOS攝像頭或是終端PD接收，通過終端接收的信號，動態范圍大，可以實現很高速率的通信;通過CMOS攝像頭接受的，通過圖像處理的而方法獲取數據，是目前智能手機可以實現可見光定位的最佳手段，但缺點是圖像處理耗時太大，實時性的效果比較差。

同時可見光光通信具有極強的保密性，不占用無線信道資源，且由于照明燈具的大量存在，這種定位技術可以大量集成到各種型號的燈具中，從而實現易部署，降成本的目的。

2.5 數據傳輸通信

數據傳輸模塊的主要功能是負責將前端設備通過各種技術采集到的數據，通過數據傳輸模塊的各種網絡協議通過有線或者無線的形式上傳到數據網關，再由數據網關與人員定位與應用平臺進行數據交互，最終形成定位數據的互相通信傳播，展現和應用。

定位軟件應用平臺的數據傳輸模塊至少需要用到一種或多種短距離無線通信技術，由于工業工廠生產環境負責，針對設備較多的生產車間，有線布設的環境約束比較大，布設條件困難的情況下，可以考慮對部分特定環境條件的車間進行無線部署。而針對已經布設覆蓋了無線局域網（AP）的工廠環境，則可以考慮利用現有的AP進行復用傳輸，來達到更高效的傳輸效果。

相對于其他的比較常用的短距離無線通信技術（藍牙、無線寬帶、超寬帶、近場通信等），由于ZigBee技術具有低復雜度、低功耗、低速率、低成本等優勢，因此在工業物聯網應用平臺中，ZigBee傳輸技術占有相對較大的優勢。

ZigBee技術在單獨作為定位技術時，也可以實現簡單的定位功能。主要原理是通過一個已知位置的參考節點和若干個待定位的盲節點與通信網關之間形成組網，每個單一的盲節點之間相互協調通信來實現相對位置的確定，從而實現定位功能。這個定位技術的缺點在于信號傳輸收到多徑效應和目標移動的影響相對比較大，而且定位的精度也取決于ZigBee信道的物理品質、信號源密度、環境和算法等相關因素的影響，如果需要精確定位，會造成相對過大的造價成本。

而ZigBee無線組網主要有三種邏輯設備類型：Coordinator（協調器），Rouert（路由器）和End-Device（終端傳輸設備）。ZigBee模塊采用CC2530傳輸模塊，是基于IEEE 802.15.4標準下關于無線組網、安全和應用等方面的技術標準。協調器由CC2530核心板、CC2530底板分別組成，分別負責網絡的配置、啟動和維護、節點驗證等相關功能。路由器則由CC2530核心板、CC2530底板組成負責數據的分發。終端設備通常由多個傳感器組成，主要負責數據采集[5]。

通常一個ZigBee網絡會由一個協調器以及多個路由器和終端設備組成。通常的網絡拓撲架構如圖1所示。

2.6 融合定位

目前在融合定位的實現上主要有兩種方式，一種是通過算法融合來通過對前端的AP點位的選擇來實現定位精度的提高[6]。這類融合定位通常使用單一的定位技術，但后臺算法通過定制化優化實現對前端高密度覆蓋的無線網絡傳輸節點進行優化選擇，同時對定位結果上傳之后的偏移量進行優化;另一種方式是通過多種定位技術的維度，計算得出不同測量物體的相對位置，通過對算法、定位技術、信號強度和信道頻段情況，對被測物體的相對位置進行綜合考量和優化。這類融合定位通常使用到兩種或兩種以上的定位技術，對前端設備和基站網關需要用到的技術標準提出了較高的要求，因為需要前端設備，定位卡片需支持多種定位技術的數據分發，但從使用上來說，不需要無線局域網承擔太大的部署壓力，且相對更靈活，更能夠根據不同的工廠生產情況進行變化，有效控制成本輸出。

目前，基于接收信號強度（RSS）的WiFi定位算法中，對無線局域網節點（AP）的選取要求相對較高，因此通常使用第一種對前端AP點位的算法融合選擇，來實現高精度實時定位的效果。通過實現新的AP融合策略的選擇，可以在實現提高定位精度的同時，兼并減小定位的延時影響，進一步改善整體的定位效果展現。AP選取的主要策略是：線下階段完成的基于聯合信息增益（IG）的AP選取策略，位置估計精度較高的基于標準方差（TD）的AP選取策略，以及線上階段耗時較小的基于信號丟失率（LR）的AP選取策略。

基于JIG的AP選取策略，基于信號丟失率（SLR）的AP選取策略和基于STD的AP選取策略是三種不同的AP選取算法原理。

基于JIG最大化的AP選取主要是依據AP對于位置區分度的貢獻大小進行最優AP的選擇，將AP的RSS觀測值作為主要特征，利用信息增益衡量特征給AP的指紋點分類帶來的信息量的大小，帶來的信息量越大，表示AP越重要。

而類似于基于最大均值（MM）的AP選取策略，基于SLR的AP選取策略同時考慮到環境動態變化所引起的AP信號丟失的問題，相比較基于MM的AP選擇策略，基于SLR的AP選擇策略對線上觀測時間的要求相對寬松，因此更適用于實時定位精度要求較高的室內定位需求。

基于STD的AP選取策略則認為，RSS的標準直接反映了RSS序列的抖動情況，STD越小則RSS的不規則衰落效應越小，對于的AP則越有利于相對位置的估算，因此STD在相對較小的情況下，選擇此AP的定位抖動越小，精度越高。

針對上述三類AP選取策略，實驗表明JIG，SLR和STD分別利用三種不同的AP選取策略選出的AP子集，進行位置估計得融合定位結果，結果的偏差均值約為1.7 m，小于融合前3～5 m的偏移。同時容和定位的定位誤差最大值和RMS（均方根）也優于其他三種定位策略。但融合定位由于計算量遠大于其他三種AP選取策略，線上耗時相對于其他三種策略來說相對更大，綜合而言，新提出的位置融合定位策略能夠提高位置估計的精度，同時保證了定位結果的可靠性，其整體定位性能相對更優。

另一種多定位技術融合方式，以WiFi和藍牙融合為例，WiFi和藍牙在現有的定位技術交叉應用過程中，使用基于KL散度核函數的位置指紋定位算法進行優化，隨后利用基于K-means的聚類算法，對通過WiFi和藍牙技術分別獲取到的經過KL散度核函數優化之后的定位結果進行最終的決策層融合[7]。

基于KL散度核函數的位置指紋定位算法，一方面利用了核函數的特征映射，充分提取RSS的特征值，另一方面KL散度核函數沒有假設RSS是服從任何一種函數分布的，而是直接與離散的RSS序列進行交叉對比。因此，KL散度核函數有效保留了原始上傳的定位信息，解決了RSS的不確定特性，由此顯著提高了定位精度。

K-means聚類算法通常情況下會應用與大數據分析計算，屬于探索類方法，利用聚類分析可以將無序的數據進行分類。K-means算法是一種針對“簇”數據聚集的分析算法，算法通過不斷迭代計算進行中心點的集合，從而將所有的樣本劃分到若干集合中區。該算法的主要思想是通過先作粗略的樣本分類，再通過最優原則不斷迭代修改不合理的類別，從而使得所有分類都滿足聚類要求。

K-means聚類算法主要解決了空間樣本點的問題，通過某種算法將所有樣本點合理劃分為若干類別，而劃分是基于某種度量標準完成的，因此劃分的每個類別的點具有一定的相關性或相似性。因此，通過對WiFi和藍牙定位技術得到的結果集進行K-means聚類，在聚類的最終結果中，選擇包含點元素最多的作為最終融合定位的結果點，能夠更好地對定位區域進行區域性的分類，對定位的結果進行可靠修正。

3 工業場景修正

目前室內高精度定位技術應用雖然發展迅猛，但是在技術的發展特別是融合應用的過程中，仍然出現了各種各樣的難題，面臨著技術瓶頸的挑戰。

通常室內環境的復雜性和多變性是高精度定位的最大難題，在結合工業物聯網環境的應用下，工廠生產車間，工廠裝配車間，工廠內的存儲倉庫環境布置通常比較粗獷，鋼結構的設備和隔斷，立柱等建筑結構對定位信號的傳輸和接收交互存在反射和折射干擾。除此之外，因為工業生產環境的多變性，通常可能會因為貨架的方向調整，或者是倉庫內簡單的大件貨物搬動，都有可能會影響到高精度定位的準確性，如何能讓其對環境的敏感度下降，能夠適用更多更復雜的環境，是室內高精度定位的難點和挑戰。

同時，在工業物聯網環境下，用戶的供電、網絡布置都成為了定位基站部署和應用的難點，通常情況下，工廠內不會在前期配置預留的網絡和供電設備，這也導致了現階段室內高精度定位項目普遍需要比較高的成本，且施工難度和部署的復雜性也大大提高。這一現象直接導致了室內高精度定位在工業物聯網各個不同廠區不同行業之間的可擴展性和可復制性不夠強，目前的大多數室內定位的處理方案，通常是針對特定的環境提出的針對性方案，不能夠直接的移植到其他的環境中去。

因此針對工業物聯網的部署環境，需要通過定位算法來對應用場景進行修正。通常針對定位技術，大家會用到行人航位推算算法和卡爾曼濾波方程對其信號進行優化。

行人航位推算（PDR）的基本原理是在已知當前時刻位置的條件下，通過測得每個用戶的二維坐標系下移動的長度、距離和方位角，來實現連續、實時計算下一時刻坐標的一種方法[8]。將用戶的室內活動看作是在一個二維平面坐標系上的運動。通過已知個人用戶的初始位置和初始方位角，可以通過實時獲取個人行走步距和方位角變化情況推算出行人用戶的方向位置信息。行人航位推算原理如圖2所示。

從行人航跡推算原理可以獲知，在已知初始位置和行走航線的情況下，通過結合人步行行走的運動生理學特性，利用行人行走時加速度傳感器輸出波形的周期性特征來進行計步，并利用行走速度相關的特點來估算行走步距，最后根據加速度傳感器和磁力計公關解算算出每一步的航向，來實現對人員實時航向的估算和人在室內行走軌跡的優化重現。本方案將陀螺儀等傳感器集成到前端的定位卡片中，然后通過PDR算法中獲取到的人員方向，位置估算的信息，來對前端融合定位給出的決策信息予以修正和判斷，通過對人員方向角的判定，來優化后臺人員軌跡的鏈接，加大陀螺儀傳感器的通信頻段，可以獲得高頻的PDR測算結果，也可以對移動目標實現更高精度的定位。

卡爾曼濾波是一種高效的自回歸濾波器，它的目標是從一系列完整的包含噪聲的測量信息中，估計出動態系統的狀態。人們應用卡爾曼濾波來實現對室內人員定位的動態模型的算法優化，提高人員定位精度。但由于卡爾曼濾波只適用于線性領域，因此這里用到了UKF算法。

UKF算法是基于Unscented變化（稱作為UT變換）的改進卡爾曼濾波器，對非線性系統具有較強的適應性[9]。定位系統中的定位點位通常都是散列分布，連線也基本不可能形成線性，因此UKF算法相對于簡單的卡爾曼濾波，更適合應用在定位的算法優化領域，其加強噪聲離散形式的狀態方程和觀測方程如下：

式中：X是符合分布的n維狀態向量;Z是m維觀測向量;f，h分別是狀態方程和觀測方程，可以是線性或者非線性的;wk-1，vk是互不相關的零均值白噪聲向量;us，um分別是狀態方程和觀測方程的控制量。UKF算法通過利用這一些力近似高斯分布的σ點，通過UT變換來進行狀態和誤差協方差陣列的遞推和更新。UKF算法在每次迭代的過程中，采樣點會隨著非線性狀態方程的傳播而且隨著非線性測量方程來變換，可以捕獲到較高精度后驗均值和協方差數值。因此無論系統非線性程度如何，在理論上來說，UT變換均可以保證至少三組泰勒展開精度來逼近高斯系統的統計特性，應用于工業物聯網這類高復雜度的生產環境，具有濾波精度高，收斂性好的優勢。

4 結 語

本文介紹了工業物聯網大環境下的定位技術應用的復雜性和困難所在，著重介紹了前端無線接入點的算法融合定位和多種定位技術融合的方式來提高決策層的定位準確性，同時基于工業物聯網的實際應用場景，對融合定位的結果進行了場景修正，通過PDR算法和UKF算法進一步優化了動態的定位準確性，提高了定位的可靠性。

參考文獻

[1]吳堅.為什么你的倉庫和工廠運營需要工業物聯網[J].中國自動識別技術，2019（1）：44-46.

[2]周萬木.工業物聯網及其連接、采集的市場機會[J].電子產品世界，2019，26（3）：9-14.

[3]高思琪，孫建平.UWB定位技術的應用研究[J].儀器儀表用戶，2019，26（3）：77-82.

[4]李婧，溫蜜，薛梅.面向電網監測的無線傳感器網絡關鍵技術研究[J].上海電力學院學報，2017，33（4）：367-371.

[5]吳佳怡，馮鋒.基于多傳感信息融合的倉儲定位追蹤系統研究[J].計算機技術與發展，2019，29（6）：134-137.

[6]王華強，魯晶，張海濤.基于位置融合的WiFi室內定位新策略[J].全球定位系統，2017，42（5）：29-32.

[7]孫緯民，杜慶治.基于WiFi與藍牙的室內定位技術探究[J].軟件導刊，2018，17（3）：169-171.

[8]謝紅，曹歡，劉利國.基于iBeacon和多自由度MEMS的室內融合定位技術研究[J].應用科技，2017，44（5）：85-92.

[9]宋宇，喻文舉，程超，等.基于WiFi、PDR、地磁相融合的室內定位研究[J].微電子學與計算機，2018，35（6）：60-64.

[10]楊悅梅，宋執環.工業物聯網安全及防護技術研究[J]物聯網技術，2015，5（3）：64-66.