基于非合作室內環境的超寬帶無中心組網定位

王卿 蔚保國

摘 要：為提高非合作室內環境下超寬帶組網定位能力，采用無中心定位算法理論對超寬帶測距輸出距離信息進行解算分析，得到相對定位結果，并將定位結果與光電標定系統結果進行實測對比，對精度進行評估。結果表明，相比傳統超寬帶定位模式，利用超寬帶測距和無中心定位算法相結合的形式，能夠實現無中心定位以及各節點之間的相對位置解算，最終確定各節點之間的相對位置。超寬帶測距和無中心定位算法相結合，在相對定位方面具有良好的穩定性和精確度，可以廣泛應用于室內室外多種場景。

關鍵詞：通信網絡技術;室內定位;超寬帶;MDS算法;無中心

中圖分類號：TN06?文獻標識碼：A

文章編號：1008-1542（2021）01-0008-07

隨著定位技術在人們生活中的應用越來越廣泛，人們對于定位技術的精確度以及定位系統對環境適應能力方面的要求也越來越高。各模塊通過協同組網執行任務，需要包括移動組網、精確定位在內的傳統定位技術提供定位支持，從而獲得相對距離信息[1]。不僅個體之間需要實現相對定位，集群也需要在有定位信息作為輸入條件下進行集群導航任務決策與規劃。但非合作室內環境下，由于沒有先驗知識對室內環境進行了解認知，因而無法對定位模型進行構建。充分考慮非合作室內環境下定位精度不高、通信鏈路受阻等因素影響，如何進行相對定位成為當前無線定位技術研究的熱點之一[2-3]。

室內環境下由于多徑環境的影響，信號載波在室內的多徑傳輸效應造成首徑信號的識別、提取困難。然而超寬帶（ultra wideband， UWB）脈沖信號基于多徑分辨能力強、穿透能力強、定位精確、隱蔽性好、抗干擾能力強等優點，適宜在室內定位中使用[4]?；谝陨咸匦?，近年來人們在定位系統設計、定位算法實現、誤差抑制等方面進行了大量研究，超寬帶室內定位在智能家居、智能倉儲、智慧工廠等領域得到了廣泛應用[5-8]。

傳統超寬帶定位模式采用多基站對標簽進行定位的方式，定位系統存在中心節點，定位精度為20 cm左右，一旦中心節點設備損毀或斷電，整個定位系統就會面臨癱瘓。同時，非合作動態環境下由于缺失錨點信息，無法利用環境中已知錨點信息進行定位。本文采用無中心定位模式，系統定位不依賴于中心節點，也無需布置錨點，在已有超寬帶測距的基礎上采用多維標度法（multidimensional scaling， MDS）解算相對定位結果，可對系統中的多個節點進行定位，構建靈活機動的無中心自組網定位系統，系統穩定性和適用性更優于傳統定位模式。

1?定位算法模型

1.1?無中心定位算法理論

當多維空間中存在多個節點時，可以利用多維空間中獲得的節點間的距離信息，把空間中物體的相似性轉換為空間坐標，構造真實距離矩陣中的元素，然后中心化，求特征值、特征向量，進而得到相對坐標，計算節點在低維度空間中的位置，降低原始數據的復雜度[9-16]。

其算法步驟如下：

1） 根據測量距離計算節點間的相互距離，并將距離平方存入[WTHX]P矩陣;

1.2?測距算法原理與誤差分析

現階段常用的相對距離測量方式大致有4種，包括根據信號到達的時間計算、根據信號到達的強度計算、根據信號到達的角度計算和根據信號到達的時間差計算[17]。其中，針對TDOA方案進行設計時只需要移動標簽發送廣播信號，區域內的基站收到該信號，通過接收時間進行計算，各距離差求得距離值。相較于TOA方案需要標簽和某一基站一對一通信結束后才能與下一個基站進行通信的方式[18-19]，TDOA方案可以有更大的系統節點容量和拓展性。但由于測距是以厘米級精度為目標，而UWB電磁波信號在空氣中傳播速度接近3×108 m/s，因此TDOA方案要求區域內基站時間高度同步，這對硬件系統提出了更高要求，從而極大地增加了成本[20]。

因此，本文將采用TOA測距方案，該方案僅需要在測距過程中記錄信號到達各節點的時間戳，然后根據時間戳差計算信號傳輸時間TOF。但因為受到電磁波傳播速度影響，通過直接計算TOF的方式會導致測距誤差較大。本方案采用雙邊雙向測距算法，該算法與單邊單向測距相比減少了晶振時鐘帶來的誤差，圖1為雙邊雙向測距算法實現過程。

雙邊雙向測距步驟如下：

步驟1：某一節點A根據搜尋階段所獲得的節點信息表，向其他節點發送具有時間戳的脈沖序列，并記錄此時間戳，打開接收。

步驟2：處于監聽狀態的節點B收到節點A的消息時，記錄此時時間戳tB，rx，并經過時延dB發送脈沖序列給節點A，打開接收。

步驟3：節點A收到B的脈沖信號時記錄時間戳tA，rx，經過時延dA再次發送脈沖信號給節點B，節點A進入下一個測距周期;節點B收到消息時記錄時間戳tS，最后解包獲得各節點時間戳并計算傳播時間D。

經計算可知，測距誤差與時鐘的性能有關，當頻偏為10-4 s-1時，誤差為3 mm，該方法可以有效降低測距誤差，故可在多節點組網測距系統中使用，同時為MDS定位解算提供較為精準的測距輸入信息，減小由于測距準確性不足帶來的誤差。

2?實驗測量仿真及結果分析

為實現室內條件下無中心定位能力，在仿真分析的基礎上，利用商用UWB器件構建原理樣機，支持UWB測距和板載MDS計算能力，并在室內環境構建動態測試場景，利用已知測繪點位對UWB模塊無中心定位精度性能進行了驗證評估，見表1。

2.1?測距結果及分析

在直線距離為10 m的測試范圍內，每隔1 m標記1個測試點，在每個測試點上分別采集20組數據，統計并對數據特征進行分析，實驗結果見圖2。

根據測量結果統計數據可知，實際測量值的測量誤差近似服從均值為0.051 m、標準差為0.022 m的正態分布。根據sigma原則，數值分布在（μ-σ，μ+σ）中的概率為0.652 6，即在68.27%概率下設備精度為0.022 m;經過測量計算可知，測距結果偏差較小，可以用作定位原始輸入數據。

利用以上結果進行仿真，結果見圖3。通過仿真可得：利用MDS算法對系統間各個測距值進行處理計算，輸出定位結果，最大定位偏差為3 cm，可滿足絕大多數室內定位的需求。

2.2?平臺搭建及實測結果

測試模塊工作原理如下：測距模塊把時間戳信息發送給核心板，核心板處理解算測距結果并通過通信模塊把本地測距結果發送給其他模塊，同時核心板負責接收通信下傳的無線數據測距結果，如此各模塊均可收到各個模塊之間的測距信息。通過MDS算法構造矩陣解算各點之間的相對距離，得到定位結果。最后通過串口把核心板處理得到的定位信息發送給PC端。

測試環境如圖4所示，測試場地長×寬為15 m×15 m，4個模塊選擇不同的架設高度進行布置，各節點以10 Hz的數據刷新速率將定位數據輸出并記錄，按照此方式測量了節點在室內情形下的定位情況。

圖5 a）為無中心定位4點相對位置情況，圖5 b）為具體某一點定位結果。經過多次測量發現，實際位置測量值以光電標定點為中心進行波動。通過圖6可知，基于MDS算法無中心定位穩定性能良好，能很好地反映節點運動的真實軌跡。實驗結果表明，基于MDS的無中心定位算法在動態條件下的定位精度及工作穩定性都符合絕大部分室內定位使用條件，實現了無中心組網系統在無外源信息情況下相對定位。

3?結?語

MDS算法與超寬帶測距相結合的系統具備無中心定位能力，最終確定的各節點之間的相對位置可滿足室內定位方面的應用要求。相較于傳統UWB定位模式，其具有如下優點。

1） 可以滿足無中心定位的需求。傳統UWB定位模式僅可針對標簽進行定位，無法獲取系統中各節點間的相對位置。該系統采用分布式測距模式與MDS定位算法相結合的形式，系統穩定性優于傳統超寬帶定位，且系統易于集成，在低成本平臺上即可具備無中心定位能力。

2） 定位精度達到厘米級。相比傳統定位模式，該系統將測距結果作為MDS輸入變量，解算后定位精度可達厘米級，有效提升了定位精度，增強了系統的實用性。

3） 該系統在節點容量較少的情況下能夠維持很好的穩定度及可用性，但是當節點容量增多，在動態環境下進行定位時，由于受到設備接收時延累積影響，會出現系統實時定位精度下降的問題。未來將在提高系統容量以及增強時效性方面繼續開展研究。

參考文獻/References：

[1]?POULOSE A， EYOBU O S， KIM M， et al. Localization error analysis of indoor positioning system based on UWB measurements[C]//2019 Eleventh International Conference on Ubiquitous and Future Networks （ICUFN）. [S.l.]：IEEE， 2019： 84-88.

[2]?SAKPERE W， ADEYEYE-OSHIN M， MLITWA N B W. A state-of-the-art survey of indoor positioning and navigation systems and technologies[J]. South African Computer Journal， 2017， 29（3）： 145-197.

[3]?RUIZ A R J， GRANJA F S. Comparing Ubisense， Bespoon， and Decawave UWB location systems： Indoor performance analysis[J]. IEEE Transactions on Instrumentation and Measurement， 2017， 66（8）： 2106-2117.

[4]?LIU Q， QIU J， CHEN Y. Research and development of indoor positioning [J]. China Communications， 2016， 13（2）： 67-79.

[5]?張強. 室內環境下基于UWB技術的定位研究與系統實現[D].哈爾濱：哈爾濱工業大學，2015.

ZHANG Qiang. Research and Implementation of Indoor Localization Systems Using UWB Signals[D].Harbin： Harbin Institute of Technology， 2015.

[6]?葛麗麗. 基于UWB的高精度室內定位及時鐘同步算法的研究[D]. 北京：北京郵電大學，2019.

GE Lili. Research on High Precision Indoor Location and Clock Synchronization Algorithms based on UWB [D]. Beijing： Beijing Univer-sity of Posts and Telecommunications， 2019.

[7]?蒙靜. 基于IR-UWB無線室內定位的機理研究[D].哈爾濱：哈爾濱工業大學，2010.

MENG Jing. Research on IR-UWB Propagation Mechanism for Wireless Indoor Position System[D]. Harbin： Harbin Institute of Technology， 2010.

[8]?顧靈茹. 基于UWB/INS的室內定位技術研究[D].成都：電子科技大學，2020.

GU Lingru. Research on Indoor Positioning Technology Based UWB/INS[D]. Chengdu： University of Electronic Science and Technology of China， 2020.

[9]?TANG X Y，WANG Z，HE Q W，et al.Latent feature extraction for process data via multidimensional scaling[J].Psychometrika，2020，85（2）：378-397.

[10]?WU Changhua， SHENG Weihua， ZHANG Ying. Mobile sensor self localization based on multi-dimensional scaling[C]//Proceeding of ICRA. Roma：[s.n.]， 2007：4038-4043.

[11]王林，王曉鵬.改進的無線傳感器網絡中多維定標定位算法[J].計算機工程與應用，2011，47（27）：115-118.

WANG Lin， WANG Xiaopeng. Advanced MDS-MAP algorithm for wireless sensor networks[J]. Computer Engineering and Applications， 2011， 47（27）：115-118.

[12]胡良梁. 基于多維標尺的無線傳感器網絡定位算法研究[D].重慶：重慶理工大學，2013.

HU Liangliang. Research on MDS-based Localization Algorithm of Wireless Sensor Network[D]. Chongqing： Chongqing University of Technology， 2013.

[13]馬怡安. 無線傳感網絡中基于多維尺度分析技術的定位算法研究[D]. 上海：上海交通大學， 2012.

MA Yian. Research on Localization Algorithms in Wireless Sensor Network Based on Multidimensional Scalin

g[D].Shanghai： Shanghai Jiao Tong University，2012.

[14]李響.一種基于多維標度的無線傳感器定位算法研究[D].長春：吉林大學，2015.

LI Xiang. Research on A Localization Algorithm in WSN Based on MDS[D].Changchun： Jilin University，2015.

[15]李海峰.融合質心算法的快速改進型MDS-MAP算法[J].計算機工程，2015，41（5）：102-105.

LI Haifeng.Fast improved MDS-MAP algorithm fused with centroid algorithm[J].Computer Engineering，2015，41（5）：102-105.

[16]SHANG Yi， RUML W. Improved MDS-based localization[C]//Proceeding of IEEE INFOCOM. Hong Kong： [s.n.]，2004： 2640-2651.

[17]董家志. 基于UWB的室內定位與跟蹤算法研究[D].成都：電子科技大學，2015.

DONG Jiazhi. Research of the Positioning for Indoor Positioning and Tracking Based on UWB[D]. Chengdu： University of Electronic Science and Technology of China， 2015.

[18]WANG F Q，ZHANG X F.Joint estimation of TOA and DOA in IR-UWB system using sparse representation framework[J].ETRI Journal，2014，36（3）：460-468.

[19]王方秋，張小飛，汪飛.IR-UWB系統中基于root-MUSIC算法的TOA和DOA聯合估計[J].通信學報，2014，35（2）：137-145.

WANG Fangqiu，ZHANG Xiaofei，WANG Fei.Root-MUSIC-based joint TOA and DOA estimation in IR-UWB[J].Journal on Communications，2014，35（2）：137-145.

[20]陳小斯，沈重，周群，等.基于TDOA算法的差分UWB室內定位系統研究[J].現代電子技術，2018，41（6）：45-49.

CHEN Xiaosi，SHEN Chong，ZHOU Qun，et al.Research on differential UWB indoor positioning system based?on TDOA algorithm[J].Modern Electronics Technique，2018，41（6）：45-49.