基于半?yún)?shù)估計的智能手機WiFi-RTT定位方法

郭笑塵, 李子申, 汪 亮,王寧波

(1.中國科學院空天信息創(chuàng)新研究院，北京 100094； 2.中國科學院大學，北京 100049)

0 引言

基于位置服務(wù)的應(yīng)用日益廣泛，對定位精度的要求也越來越高[1]。隨著Android操作系統(tǒng)開放衛(wèi)星導(dǎo)航原始數(shù)據(jù)接口，智能手機即將成為大眾高精度定位的主要設(shè)備。相對于衛(wèi)星導(dǎo)航可解決室外絕大部分地區(qū)的高精度定位問題[2]，室內(nèi)以及室內(nèi)外過渡區(qū)域的高精度定位尚未形成十分成熟的解決方案。針對智能手機，現(xiàn)有定位方法在原理上大體可分為基于測距或測角信息、基于航位推算和基于先驗信息匹配等三類。相對而言，以測距或測角為核心的定位方法是通過與衛(wèi)星導(dǎo)航緊組合實現(xiàn)手機高精度定位的主要手段，包括但不限于WiFi、超寬帶、藍牙、5G、聲音等[3]。

目前，WiFi的應(yīng)用最為廣泛，特別是IEEE 802.11mc 精細時間測量(Fine Time Measurement，F(xiàn)TM)協(xié)議提供了WiFi的測距功能[1]，即：WiFi-往返時延(Round Trip Time，RTT)，為室內(nèi)高精度定位提供了新的技術(shù)手段[4]。WiFi-RTT通過計算手機與路由器往返時間差確定二者之間的距離。相對于到達時間(Time of Arrival，ToA)和到達時間差(Time Difference of Arrival，TDoA)等傳統(tǒng)測量方式，RTT可消除時鐘誤差對測距結(jié)果的影響，使測距精度更高[5-7]。以谷歌、Compulab為代表的路由器已經(jīng)具備WiFi-RTT功能，Android 9.0也可支持WiFi-RTT功能，為WiFi-RTT定位技術(shù)的發(fā)展和應(yīng)用奠定了基礎(chǔ)[8-9,22]。

截至目前，國內(nèi)外已有多個團隊開展了WiFi-RTT定位技術(shù)的探索與研究。Intel公司在2016年室內(nèi)定位與導(dǎo)航國際會議上提出了WiFi FTM與地圖融合的精確定位方法。Leor Banin等提出了一種基于貝葉斯估計的WiFi FTM定位方法，一定程度上解決了非線性模型中Kalman濾波器存在的風險發(fā)散問題，但是忽略了測距過程對結(jié)果的影響[10]。2018年7月，Leor Banin和Ofer Bar-Shalom基于廣播網(wǎng)絡(luò)協(xié)議，通過被動測量FTM傳感器之間時差，實現(xiàn)了跟蹤定位[11]。2018年11月，Mohamed Ibrahim等在獨立測距環(huán)境下對WiFi-RTT性能進行了系統(tǒng)評估[12]。2019年1月，Nir Dvorecki等提出了一種基于機器學習的FTM測距方法，建立了真實環(huán)境精確測量值與室內(nèi)通道模擬值的訓(xùn)練模型，定位精度優(yōu)于傳統(tǒng)最大似然估計方法[7]。2019年3月，陳銳志團隊利用無跡Kalman濾波融合WiFi測距模型和慣性導(dǎo)航傳感器，獲得了高精度定位結(jié)果[13]。

總體來看，近年來WiFi-RTT定位技術(shù)發(fā)展迅速，但是現(xiàn)有研究仍然缺乏對WiFi-RTT測距誤差源及其特性的詳細分析，定位數(shù)學模型也亟待完善。針對此，本文將在簡要闡述WiFi-RTT測量原理、對WiFi-RTT誤差源進行分析的基礎(chǔ)上，結(jié)合WiFi-RTT系統(tǒng)誤差不穩(wěn)定的特點，提出了一種基于半?yún)?shù)的WiFi-RTT定位方法。通過實測試驗對其定位精度進行驗證，并與經(jīng)典最小二乘方法進行比較分析。最后，對本文研究進行總結(jié)，指出后續(xù)工作重點。

1 基于半?yún)?shù)的WiFi-RTT定位方法

1.1 WiFi-RTT測距原理

圖1給出了WiFi-RTT測距工作的基本原理[15]，其中，AP代表具備WiFi-RTT功能的路由器。在IEEE 802.11mc協(xié)議框架下，手機發(fā)送FTM請求啟動測距程序，如果協(xié)議響應(yīng)，則AP開始發(fā)送FTM信息并等待回復(fù)，RTT即可根據(jù)信息發(fā)送以及接收時間的時間戳來估計二者之間的距離[16]。需要注意的是，為了避免沖突，AP必須在得到確認信息后才會發(fā)送新消息。

(a)工作原理

(b)改進模型圖1 IEEE 802.11mc協(xié)議框架下WiFi-RTT測距Fig.1 Working principle of WiFi-RTT ranging under the IEEE 802.11mc protocol framework

如圖1(a)所示，WiFi-RTT測距公式如下

(1)

其中，dRTT表示測距結(jié)果；RTT表示多次測距循環(huán)時間均值；c表示真空環(huán)境下的光速(下同)；t1_i表示信號第一次從路由器AP發(fā)出時的時間戳；t2_i表示信號到達手機時的時間戳；t3_i表示手機發(fā)出應(yīng)答信號時的時間戳；t4_i表示應(yīng)答信號到達路由器時的時間戳。其中，N代表WiFi-RTT測距成功的次數(shù)，默認為8。

通過路由器和手機之間時間戳作差即可實現(xiàn)測距，這種方法解決了ToA和TDoA等傳統(tǒng)方法中因設(shè)備鐘差不一致而引入的測距誤差，使得測距結(jié)果更精確可靠[12]；同時，以多次測距循環(huán)時間均值作為測距時間參與測距結(jié)果計算，測距精度得以提高。

1.2 WiFi-RTT測距誤差

WiFi-RTT測距主要受路由器和手機信號時延、通信協(xié)議時延、多路徑以及非視距等誤差影響。其中，前兩者常被看作系統(tǒng)誤差，后兩者常被看作隨機誤差，定位解算過程中需采用不同方法進行處理。

(1)信號時延誤差

如圖1(b)所示，路由器或手機在收到對方發(fā)送的測距信號時，會觸發(fā)形成新的應(yīng)答信號，從收到信號到觸發(fā)形成應(yīng)答信號發(fā)射出去的時間延遲稱為路由器或手機信號時延，在WiFi-RTT測距方程中的表現(xiàn)形式如式(2)所示。該誤差表現(xiàn)為一定的系統(tǒng)性和隨機性，具體在試驗章節(jié)中進行分析。

(2)

其中，Δtrans表示時延誤差；Δ1_i、Δ2_i、Δ3_i、Δ4_i分別表示每次測距過程中，在手機或路由器2次轉(zhuǎn)發(fā)形成的時間延遲；t1_itrue、t2_itrue、t3_itrue、t4_itrue分別表示每次測距過程中真實轉(zhuǎn)發(fā)時間戳。

(2)通信協(xié)議時延誤差

WiFi芯片RTT FTM信令受帶寬差異(20MHz、40MHz或80MHz)和前同步碼類型影響，從而引入定時偏移，稱為通信協(xié)議時延，如式(3)所示

(3)

其中，Δcom表示由通信協(xié)議引入的測距誤差；dtype表示前同步碼類型長度；BDW表示帶寬。依經(jīng)驗，取值范圍為5～13.5m。

(3)非視距誤差

實際環(huán)境中的阻隔層通常會導(dǎo)致信號發(fā)生衍射，使得信號傳播距離較實際直線距離變長，稱為非視距誤差。Ibrahim等用鋁箔片作為阻隔層，發(fā)現(xiàn)當阻隔層向手機方向移動時，估計距離會顯著增加；阻隔層靠近路由器時，則不會影響測量結(jié)果[12]。本文將設(shè)計專門試驗以分析非視距誤差對WiFi-RTT測量的影響。

(4)多路徑誤差

受周圍環(huán)境反射影響，手機或路由器接收到的信號可能是直達和反射信號的疊加，從而造成多路徑誤差[14,17]。本文將在空曠環(huán)境下設(shè)計不同的試驗，分析WiFi-RTT測量中的多路徑誤差影響。

1.3 WiFi-RTT半?yún)?shù)定位方法

試驗表明，因路由器和手機信號時延以及通信協(xié)議時延造成的系統(tǒng)誤差對WiFi-RTT測量的影響呈現(xiàn)出一定規(guī)律性；但是，對不同觀測群的影響又表現(xiàn)出一定的隨機性。總體上看，這種系統(tǒng)誤差屬于隨機性系統(tǒng)誤差，在測量中稱為半系統(tǒng)誤差[18]。與其他半系統(tǒng)誤差相似，WiFi-RTT測距半系統(tǒng)誤差在測距開始時確定；同時，在信號傳遞過程中受到熱噪聲影響，表現(xiàn)出隨機性。因此，利用半?yún)?shù)模型設(shè)計WiFi-RTT定位方法，在忽略高程的二維空間內(nèi)的定位模型可表示為式(4)～式(6)[19]

L=Bx+S+Δ,P

(4)

(5)

(6)

其中，L表示n維WiFi-RTT測量殘差矩陣；B表示列滿秩系數(shù)矩陣；x表示待估坐標的修正量；(Xi,Yi)表示已知的路由器坐標， (X0,Y0)表示待定坐標近似值；S表示n維系統(tǒng)誤差向量；Δ表示n維隨機誤差向量；n表示路由器個數(shù)；P表示權(quán)陣，由測距方差D計算，忽略不同路由器之間的相關(guān)性，非對角元素為0。

半?yún)?shù)模型在獲得超過3個路由器的測距信息后即可實現(xiàn)定位解算[20]，如式(7)所示

(7)

2 試驗與結(jié)果分析

2.1 實驗條件

在相對開闊的室內(nèi)，將路由器固定在等高的三腳架上，搭建WiFi-RTT定位測試環(huán)境，如圖2所示，以路由器的外置天線中心和手機的幾何中心作為參考點。其中，試驗設(shè)備包括使用Compulab公司的WILD路由器和谷歌pixel 4手機；數(shù)據(jù)采集軟件采用自研APP，并將其與谷歌官方WifiRttScan軟件輸出結(jié)果進行比對，驗證了其正確性。

(a) (b)圖2 WiFi-RTT測距(a)和定位(b)試驗裝置示意圖Fig.2 Schematic diagram of test equipments for WiFi-RTT ranging(a) and positioning(b)

2.2 WiFi-RTT測量誤差分析

與其他定位方式類似，試驗首先對WiFi-RTT的測量誤差進行討論。

(1)系統(tǒng)誤差

在圖2(a)所示的試驗環(huán)境中，以80cm的步長將手機從10m左右的距離逐漸靠近路由器，統(tǒng)計測距結(jié)果與實際距離的關(guān)系，分析系統(tǒng)誤差的大小和變化規(guī)律；試驗中設(shè)置每組測量時長為30min，采樣周期為500ms。如圖3所示，給出了實際距離與每組測量平均值之間的對應(yīng)關(guān)系，以及每組測量的均方差。可以看到，實際距離與測量平均值表現(xiàn)出較好的線性關(guān)系，相關(guān)性優(yōu)于0.91，截距為-5.33m，即可認為是系統(tǒng)誤差。在此基礎(chǔ)上，固定手機和路由器的距離為6.4m，進行8次平行試驗，采樣點共計3600個。如圖4所示，給出了每次測量的系統(tǒng)誤差值及測量均方差。可以看到，多次平行試驗中系統(tǒng)誤差并不穩(wěn)定，極差可達0.3m。將所有數(shù)據(jù)(3600個)進行統(tǒng)計分析，數(shù)據(jù)呈正態(tài)分布，如圖5所示。因此，認為試驗設(shè)備的WiFi-RTT測距系統(tǒng)誤差并不是常數(shù)性系統(tǒng)誤差，表現(xiàn)出了一定的規(guī)律性和隨機性，是典型的半?yún)?shù)系統(tǒng)誤差。

圖3 線性位移下，測距結(jié)果的線性關(guān)系Fig.3 Linear relationship of distance measurement results under linear displacement

圖4 系統(tǒng)誤差平均波動關(guān)系Fig.4 Average fluctuation relation of system errors

圖5 同一位置下多次測量整體數(shù)據(jù)統(tǒng)計信息及 正態(tài)分布擬合結(jié)果Fig.5 Overall data statistics and normal distribution fitting results of multiple measurements in the same location

(2)非視距現(xiàn)象對測距結(jié)果的影響

設(shè)定實驗場景與圖4環(huán)境相同，且裝置相距6.4m，選擇厚紙箱、木板、錫箔等多種材料作為阻隔層。阻隔層與手機距離以80cm的步進遞增，測距均值與阻隔層到手機距離的數(shù)據(jù)關(guān)系如圖6所示。多次重復(fù)實驗發(fā)現(xiàn)，測距均值偏離程度與阻隔層所處位置無關(guān)。但是，各組數(shù)據(jù)測距均值維持在1.28～1.29m之間，呈正態(tài)分布。隨后選擇多種阻隔層進行對比試驗，分析結(jié)果相同。同時處理多次實驗數(shù)據(jù)平均值，所得關(guān)系如圖7所示，線性擬合結(jié)果良好，3條曲線斜率絕對值均小于0.002，證明阻隔層位置不影響測距結(jié)果，且有阻隔層情況下測得數(shù)據(jù)狀態(tài)與視距狀態(tài)的測量結(jié)果極為相似。根據(jù)統(tǒng)計分析可知，數(shù)據(jù)服從正態(tài)分布，相較視距結(jié)果，非視距下測得測距均值和標準差會略微增大。此外，圖7給出了相同阻隔環(huán)境下測距均值存在不重合現(xiàn)象，進一步證實了系統(tǒng)誤差的半?yún)?shù)特性。

圖6 雙層紙質(zhì)障礙物的移動對測距結(jié)果的數(shù)據(jù)影響結(jié)果Fig.6 Effect of the movement of the double-layer paper obstacle on the distance measurement results

圖7 多種阻隔層下WiFi-RTT測量值與實際值對比圖Fig.7 Comparison of measured and actual values of WiFi- RTT with various barrier layers

總體來看：阻隔層的材料和厚度一旦被確定，該阻隔層對測距結(jié)果的影響就隨之確定。阻隔層導(dǎo)致測距結(jié)果偏大，同時測距數(shù)據(jù)不穩(wěn)定。非視距誤差為常值誤差，因此可以在定位解算過程中通過對非參數(shù)部分的描述來消除非視距的影響。

認為Ibrahim等實驗時處于IEEE 802.11mc協(xié)議確定初期，所用底層框架及硬件水平偏初級，陰影衰落嚴重，影響了信號傳遞質(zhì)量，使信號強度在兩端(接收端和發(fā)射端)衰減過快，不能提供良好的測距結(jié)果；同時文獻[12]中提到：“由于鋁板面積較小，無法阻擋整個傳播通道，因此在阻隔層靠近路由器/手機時會出現(xiàn)更長的多徑傳播”。而本文設(shè)計阻隔層可以完全阻隔信號傳播通道，設(shè)計實驗不同是本文結(jié)論與Ibrahim等所得結(jié)果不同的另一原因。此問題尚未被完全解決，需要進一步研究和完善。

(3)多路徑效應(yīng)

試驗設(shè)置三種典型的反射場景，其中，場景一是在空曠的環(huán)境下進行試驗，固定手機和路由器的距離為3.2m，以獲得無多路徑效應(yīng)的測距結(jié)果；場景二在場景一的基礎(chǔ)上，選擇相同材質(zhì)不同高度的木桌(分別為1.4m×0.8m×0.8m和1.4m×0.8m×1.2m)放置于手機與路由器連線中央，以模擬不同反射面對測距結(jié)果的影響；場景三在以1.2m高木桌作為反射面的基礎(chǔ)上，同時增加墻壁作為反射面，以獲得多反射面對測距結(jié)果的影響。

(a)場景一

(b) 0.8m高木桌作為反射面

(c) 1.2m高木桌作為反射面

(d)場景三圖8 多路徑效應(yīng)對測距結(jié)果的影響數(shù)據(jù)統(tǒng)計圖Fig.8 Analysis of the influence of multipath effects on ranging results

圖8通過分析不同場景下獲得數(shù)據(jù)的統(tǒng)計結(jié)果，描述了多路徑效應(yīng)對測距結(jié)果的影響。從圖8(a)和圖8(b)對比可以看出，多路徑效應(yīng)導(dǎo)致測距結(jié)果出現(xiàn)分層，在數(shù)據(jù)統(tǒng)計分布圖上反映為雙峰；從圖8(b)和圖8(c)對比可以看出，隨著反射作用的增強，數(shù)據(jù)偏離程度更加顯著；圖8(d)反映了多反射面對測距結(jié)果的影響：各個反射面對數(shù)據(jù)結(jié)果的影響在統(tǒng)計結(jié)果中獨立體現(xiàn)，無關(guān)聯(lián)性，在數(shù)據(jù)統(tǒng)計分布上反映為多峰。由圖8中正態(tài)分布擬合曲線可以得知，多路徑使測距結(jié)果均值整體偏大，但視距結(jié)果不會消失。因此，在數(shù)據(jù)后處理中可以通過數(shù)據(jù)對比，選擇最小均值作為視距結(jié)果，以減小多路徑效應(yīng)對實驗結(jié)果的影響。

多路徑效應(yīng)還受到測量距離的影響，如圖3所示，數(shù)據(jù)線性擬合曲線斜率略大于1，說明隨著測量距離變長，地面對信號的反射作用逐步明顯，測量結(jié)果較實際結(jié)果偏大，方差有變大趨勢。

總體來看：多路徑效應(yīng)影響程度與反射面的材質(zhì)、反射面到路由器和手機的距離及反射面的數(shù)目有關(guān)。

(4)測距噪聲

測距噪聲是評估測距精度的重要指標，常用標準差(中誤差)來反映噪聲的大小[23]。試驗分成靜態(tài)測距和動態(tài)測距兩組。兩組實驗均在空曠的環(huán)境下進行，動態(tài)試驗中線性增加路由器與手機的距離。每個FTM測距返回值均包括根據(jù)N次成功測距結(jié)果求得的平均值(即返回的測距結(jié)果)和標準差。一定時間內(nèi)測距結(jié)果標準差和每次實驗FTM測距返回值標準差均可作為判別噪聲的指標。在本實驗中選擇30min內(nèi)校準后RTT測距結(jié)果標準差(30×60×2=3600個數(shù)值結(jié)果)和每次FTM測距返回值標準差(單個數(shù)值結(jié)果)同時作為噪聲分析的指標。

2組數(shù)據(jù)及方差分布如圖9和圖10所示。2組數(shù)據(jù)結(jié)果均呈穩(wěn)定的帶狀區(qū)域，其中，靜態(tài)結(jié)果標準差為0.23m，返回值標準差的平均值為0.42m，方差分布范圍較小，集中分布在0.3以下；動態(tài)結(jié)果的標準差為0.35m，返回值方差的平均值為0.73m，方差分布范圍較大。由此證明，動態(tài)測距過程中，受到移動方向、擺動以及手機與路由器相對位置的影響，噪聲顯著增大。

(a)靜態(tài)數(shù)據(jù)

(b)動態(tài)數(shù)據(jù)圖9 修正系統(tǒng)誤差后RTT測距結(jié)果分布序列Fig.9 Distribution sequence of RTT ranging results after correcting system errors

(a)靜態(tài)數(shù)據(jù)

(b)動態(tài)數(shù)據(jù)圖10 方差分布序列 Fig.10 Variance distribution sequence

2.3 WiFi-RTT定位精度

WiFi-RTT測距結(jié)果因半系統(tǒng)誤差和非視距出現(xiàn)定量偏離，半?yún)?shù)模型包括參數(shù)和非參數(shù)兩部分，可以充分利用觀測值信息[24]，針對此本文提出了基于半?yún)?shù)的WiFi-RTT定位方法。為了評估其精度和可靠性，設(shè)計了靜態(tài)和動態(tài)2組試驗，同時將其與基于傳統(tǒng)最小二乘的定位結(jié)果進行對比分析。其中，路由器部署為矩形拓撲結(jié)構(gòu)以更好地接收信號，選擇手機與多個路由器同時通信，以盡可能模擬真實狀態(tài)，如圖2所示。

(1)靜態(tài)試驗結(jié)果分析

靜態(tài)試驗中采樣周期設(shè)置為500ms，試驗時長為10min。如圖11所示，分別給出了基于最小二乘和半?yún)?shù)模型得到的WiFi-RTT定位結(jié)果。由圖11(a)可知，半?yún)?shù)法定位結(jié)果分布更加集中，且定位結(jié)果更加精確。由表1可以看出，相較于最小二乘法，半?yún)?shù)法解算結(jié)果定位誤差更小，準確度有顯著提高；X方向和Y方向標準差分別提升了16.1%和12.5%；X方向和Y方向均方根分別提升了18.8%和12.1%。由累積概率分布曲線可以看出，半?yún)?shù)法通過對非參數(shù)部分的修正，使得位置偏差明顯減小，提高了定位精度。

(a)最小二乘法與半?yún)?shù)法解算結(jié)果與 實際結(jié)果位置偏差對比圖

(b) X方向偏差值累積概率分布曲線(CDF)

(c) Y方向偏差值累積概率分布曲線(CDF)圖11 靜態(tài)定位，兩種解算結(jié)果對比圖Fig.11 Comparison of the two solutions under static positioning

表1 靜態(tài)定位下，兩種解算方式定位精度比較

(2)動態(tài)試驗結(jié)果分析

由于WiFi-RTT測距獲得的定位結(jié)果是相對位置而非絕對位置，考慮到試驗中暫時無法獲得數(shù)據(jù)采集時刻對應(yīng)的真實位置，因此，選擇位置解算結(jié)果對已知航跡路線的復(fù)現(xiàn)情況作為定位精度評估依據(jù)。假設(shè)選擇在Y方向移動，比較運動狀態(tài)下X方向定位結(jié)果的穩(wěn)定性及Y軸方向遞變規(guī)律，以評估運動狀態(tài)下的定位精度。試驗設(shè)置兩種典型場景，場景一是在如圖2(a)所示的試驗環(huán)境中，沿參考坐標系X軸方向移動，以忽略Y方向移動對結(jié)果的影響;場景二與場景一環(huán)境相同，方向沿參考坐標系Y軸方向，同時與場景一實驗結(jié)果進行對比。

兩種場景下所得數(shù)據(jù)位置解算結(jié)果如圖12和圖13所示，可以看出，半?yún)?shù)模型所得定位分布更加集中，定位結(jié)果更加精確。由縱向航跡X方向及橫向航跡Y方向偏差值累積概率分布曲線可知，半?yún)?shù)解偏差率顯著低于最小二乘法。且由表2中數(shù)據(jù)統(tǒng)計結(jié)果可知，半?yún)?shù)解算結(jié)果縱向航跡X方向偏差精度提升了50%，標準差和均方根分別提升了52.7%和52.3%；橫向航跡Y方向偏差精度提升了46.2%，標準差和均方根分別提升了47.0%和46.6%。因此，將半?yún)?shù)法應(yīng)用于位置解算可以提高定位精度。

(a)最小二乘法與半?yún)?shù)法解算結(jié)果與 實際結(jié)果位置對比圖

(b) X方向偏差值累積概率分布曲線(CDF)圖12 動態(tài)定位，兩種解算結(jié)果對比圖(縱向航跡)Fig.12 Comparison of the two solution results (longitudinal track) under dynamic positioning

表2 動態(tài)定位下，兩種解算方式定位精度比較

(a)最小二乘法與半?yún)?shù)法解算結(jié)果與實際結(jié)果 位置對比圖

(b) Y方向偏差值累積概率分布曲線(CDF)圖13 動態(tài)定位，兩種解算結(jié)果對比圖(橫向航跡)Fig.13 Comparison of the two solution results (lateral track) under dynamic positioning

需要說明的是，試驗中使用滑輪作為工具，行進過程中出現(xiàn)擺動和偏移，在y軸偏差值的數(shù)據(jù)處理結(jié)果中有顯著表現(xiàn)。在航跡的兩端調(diào)整步行狀態(tài)造成時間延遲，因此兩端數(shù)據(jù)較為聚集，X方向坐標分布曲線兩端數(shù)據(jù)占比較大；此外，手機旋轉(zhuǎn)可能使得測距結(jié)果出現(xiàn)變化，兩端數(shù)據(jù)出現(xiàn)一定的漂移和偏離。

3 結(jié)論

WiFi-RTT測距功能為基于智能手機的高精度定位提供了新的技術(shù)手段。本文針對WiFi-RTT測距誤差的特點，提出了基于半?yún)?shù)的WiFi-RTT定位方法，并在室內(nèi)真實環(huán)境下對其定位精度和可靠性進行了評估分析，主要結(jié)論如下：

1)WiFi-RTT具有高精度測距能力，測量噪聲在0.3m左右；同時，因硬件設(shè)備時延、通信協(xié)議延遲等造成的系統(tǒng)誤差表現(xiàn)出了明顯的規(guī)律性和隨機性，具有典型的半?yún)?shù)系統(tǒng)誤差特點。

2)WiFi-RTT非視距誤差與阻隔層的材料和厚度密切相關(guān)，與阻隔層位于路由器和手機之間的位置關(guān)系較弱；同時，WiFi-RTT測量過程中受周圍光滑表面反射影響，存在明顯的多路徑效應(yīng)，是WiFi-RTT定位方法和應(yīng)用場景設(shè)計中需重點關(guān)注的。

3)半?yún)?shù)方法可顯著改善WiFi-RTT定位精度，相對于最小二乘方法，靜態(tài)條件下的定位精度提升約為10%～20%，動態(tài)條件下的定位精度提升約為40%～50%；總體上看，WiFi-RTT在靜態(tài)和動態(tài)條件下可分別實現(xiàn)優(yōu)于0.4m和0.6m的定位精度。

4)需要指出的是，本文中有關(guān)定位試驗的評估數(shù)據(jù)仍然較少且環(huán)境相對簡單，但是，半?yún)?shù)法已經(jīng)表現(xiàn)出明顯優(yōu)勢，后續(xù)工作中仍需要開展大量不同場景下的試驗分析；動態(tài)定位試驗中，2個場景下實驗用參考坐標系和路由器布局完全一致，實驗結(jié)果有較大出入，認為路由器布局對定位結(jié)果有較大影響，之后將進行路由器布局對實驗結(jié)果影響的實驗，并將給出最佳路由器布局方案。在此基礎(chǔ)上，開展與北斗導(dǎo)航信號、慣性等傳感器數(shù)據(jù)的深度融合，形成室內(nèi)外高精度定位解決方案。