6G室內定位技術原理與展望

萬瀟陽，孫耀華，王則予

（北京郵電大學，北京 100876）

1 引言

面向高山海洋、自動駕駛、虛擬現實、全息通信和觸覺互聯網等新興業務和場景，與6G移動通信相關的研究持續推進，其關鍵技術涉及網絡切片[1]、區塊鏈[2]、人工智能[3]、云邊協同[4]、密集組網[5]、智慧感知等，最終6G網絡將呈現智能內生[6]、萬物智聯、內生安全[7]等全新特征。在智慧感知方面，全球發布的首個6G白皮書[8]對6G性能指標提出了更高要求，其中包括室內定位精度達10 cm，室外定位精度達1 m。

數據指出，如今人們80%至90%的時間都在室內度過，且2022年，室內定位的市場規模將增長至409.9億美元[9-10]，基于位置的服務（location based service，LBS）將無處不在。在辦公樓、機場、商場、醫院、酒店、停車場等人流密集之處，LBS可以通過定位導航有效疏通人流并提供動向分析，提高運營效率和用戶服務質量（quality of service，QoS）；在垂直行業領域，如工廠、物流、倉庫、礦井等，精準的定位服務可以實現智能化貨物管理、分類、運輸與追蹤，降低產業成本，提高管理效率；在特殊場景下，如緊急救援、軍事戰場等，實時準確的定位服務能讓救援、戰術指揮更加及時高效。當前室內定位技術的發展已無法支撐相關基于位置的服務需求，在6G相關技術的發展和演進下，室內定位技術的發展受到了更多的期待，有望突破5G室內定位的米級精度，實現更智慧、更安全的定位。

不同于已經形成廣闊且完整的基于全球定位系統（the global positioning system，GPS）的室外衛星定位網絡，室內環境十分復雜，且隨時會因為人的行為而發生改變。無線信號受室內環境的影響導致非視距傳播（non-line of sight，NLOS），致使信號不可預測地出現衰減、散射、陰影和盲點等情況，因而將傳統的室外定位網絡應用于室內時無法獲得理想的定位效果。目前，常見的室內定位技術有基于到達時間（time of arrival，TOA）、到達角（angle of arrival，AOA）、接收信號強度（received signal strength，RSS）和信道狀態信息（channel state information，CSI）等典型測距技術，也有基于信號指紋的非測距技術。此外，借助智能手機內置慣性測量單元（inertial measurement unit，IMU）也可實現行人自主定位導航功能。

目前，國內外涉及室內定位技術研究的公司已近千家，如中海達、CloudNav、Inpixon、PoleStar等公司均研發了不同的室內定位方案，國內外室內定位相關研究企業見表1。國內相關室內定位研究團隊主要有清華大學劉云浩團隊、北京郵電大學鄧中亮團隊、大連理工大學盧炳先團隊等，其中清華大學劉云浩團隊于2002年提出并實現了全球首個基于射頻識別（radio- frequency identification，RFID）標簽技術的非測距室內定位系統LANDMARC[11]，并于2014年提出了“差分增強全息圖”[12]定位方法，將室內定位精度突破性地提升至毫米級。

表1 國內外室內定位相關研究企業

借助大數據、云計算、機器學習和人工智能等技術，6G時代將前所未有地充分利用用戶位置信息數據深度挖掘用戶需求，提高用戶服務質量、節約網絡資源，與此同時，6G網絡也將催生更多樣化和智能化的LBS產業，對實時高精度定位技術的需求將愈發迫切。

2 室內定位技術分類

由于室內環境的復雜性，迄今沒有單一的室內定位解決方案適用于所有室內環境，因此基于不同定位方法可以將室內定位技術分為基于測距的定位方法和基于非測距的定位方法。

解決室內定位問題的早期方法通常為基于室外定位技術開發的基于測距的定位方法，如RSS、TOA和TDOA（time difference of arrival）等，TOA和TDOA技術的唯一區別是TDOA需要源節點之間的時間同步，而TOA需要錨節點（已知位置）和目標節點（未知位置）的時間同步。因此，僅當基于時間的定位技術使用由有效的時間同步協議提供的精確定時信息時，它們才可能支持更好的定位性能。無線網絡受到能耗、實施成本和復雜度的限制，不能像有線網絡那樣支持標準時間。基于非測距的定位技術主要為基于數據庫的定位技術，根據其不同地理位置具有的不同特征來依據數據匹配算法進行定位，如圖像、信號、傳感器等。該方法雖然可以適應復雜性較高的室內環境，但易受環境變化的影響，需定期更新數據庫并占用較大存儲空間。

根據定位發起者的不同，可將定位技術區分為主動定位和被動定位。主動定位由被定位終端發起定位服務并接收服務器返回的定位結果，常用于室內導航領域，常見應用為電子導醫導診系統、反向尋車系統以及購物導航系統等。相反，被動定位由服務器輪詢發起定位請求，通過人員攜帶或物體上安裝的定位標簽對其進行實時定位，常用于垂直行業領域的人員、設備及物資管理。此外，非標簽的被動定位則多用于入侵檢測，利用圖像、信號解決室內安全防控問題。

根據定位結果的不同可將定位技術區分為絕對定位和相對定位，因相對定位的定位結果無法映射在具體的地理環境中，一般需要與絕對定位結合獲取初始位置。在融合定位方法中常利用卡爾曼濾波、粒子濾波等方法將相對定位方法與絕對定位融合，以獲得更高精度、更低時延的定位結果。

面向更多樣化的業務應用需求和更大覆蓋的信號網絡，6G室內定位性能應具有更細粒度的量化標準。如何對不同的定位技術進行選取和結合，可以參照以下性能指標。

·定位精度：根據定位估計值與被測實際地理位置之間的歐氏距離，可以評定所使用的定位方法的精確度和準確度，6G場景下室內定位精度需達厘米級。

·定位時延：指定位終端到達定位地點與服務器輸出該定位結果之間的時間差，需考慮服務器輸出定位結果的頻率（即定位刷新率）以及被測終端的移動速度。越小的定位時延即表示越好的追蹤效果，6G場景下有望實現時延小于1 ms。

·定位成本：包括設備成本、功耗成本以及人力成本。面對6G大連接物聯網場景，定位成本往往成為定位技術首要考慮的性能指標。

·定位容量：基于超密集組網和空天海地一體化網絡，6G場景下定位系統的連接密度有望達到之前的2倍。

2.1 基于測距的室內定位技術

2.1.1 基于時間的定位方法

已知無線信號傳播的時間以及信號傳播速度為光速 c ≈ 3× 108m/s 后，可以通過簡單的計算式d=v×Δt獲得信號傳播的距離，在獲取3個已知位置錨點向未知位置點發送信號經過的距離后，即可通過三邊測量法求得定位終端的地理位置。然而，由于光速過大，信號傳播時間測量的結果將大大影響定位精度，僅是毫秒級的傳播時間測量誤差也將導致幾百米的定位誤差。其中，導致時間測量誤差的主要原因有參考點和未知點的時間同步問題，以及晶體振蕩器產生的時鐘漂移。此外，室內多徑影響也大大降低TOA的定位精度。

無線網絡中每個節點的時間設置不會因為外部條件（如節點溫度、壓力、頻率）的影響而改變，時間同步是指在無線節點之間定義一個標準的公共時間幀。盡管許多已提出的無線時間同步協議可以提供一些幫助，但仍然需要精確的時間同步[13]。針對TOA對時間同步精度的高要求，參考文獻[14]提出了基于雙向測距（two way ranging，TWR）的回環TOA，以減小誤差。此外，通過降低信號傳播的速度，也可將時間測量誤差降低到可接受范圍，由此參考文獻[15]提出了超聲波TDOA。此外，TDOA可將接收端與發送端之間的時間同步轉換為多個（3個及以上）接收端之間的時間同步，如發送端發送信號，3個接收端記錄接收信號時刻，并以某接收端的接收信號時刻作為基準，計算接收端之間信號到達時間差，并據此求解一組雙曲線方程得到發送端位置估計。Hlaing等人[16]提出了一種基于有效混合RBS-PBS同步協議的TDOA方法，并仿真驗證了與現有方案相比，該方案可以提供更高的定位精度以及更好的同步性能。

超寬帶（ultra wide band，UWB）技術基于發射小于1 ns的超短脈沖，占空比從1到1 000，發射信號在多個頻帶上發送。其低功耗、容量高、對信道衰落（如多徑、非直射徑等信道）不敏感、抗干擾性強等優勢令UWB成為提高室內定位分辨率和精度、多徑抗擾性的重要支撐。在實際應用中，多徑信號分量將被UWB接收機分解，在滿足LOS（line of sight）條件的情況下，參考LOS分量的第一條路徑可以獲得穩健的定位效果。然而，若不滿足LOS條件，則需要更復雜的技術以執行對初始時延的精確估計。Vecchia等人[17]提出大規模場景中基于UWB的TDOA定位方法TALLA，該方法依靠TDMA時隙表實現節點間拓撲結構的連續多跳機制，可實現區域內節點時間同步，避免了對專用外部同步節點的依賴性，簡化部署，實現大規模區域內的連續精確定位。

2016年，我國政府在國家重點研發計劃項目中支持研發用于室內外無縫定位的北斗/GPS偽衛星。針對室內外衛星信號不良的環境，偽衛星技術分為室外輔助增強偽衛星技術以及室內獨立偽衛星技術，可以增大衛星覆蓋面積并彌補定位系統的幾何結構缺陷。為使全球導航衛星系統（global navigation satellite system，GNSS）接收機可以接收偽衛星信號，其中心頻率、碼長、碼率、信息率等與北斗和GPS極化方式相同。然而在實際應用中，多徑效應和遠近效應干擾問題是必須解決的關鍵問題之一。常用解決方法除了對偽衛星的幾何布局進行設計外[17-18]，還可以通過改變偽衛星擴頻碼結構或調制方法減小干擾。Gan等人[19]采用GNSS系統接口文件規定的PRN碼設計偽衛星擴頻碼，調制方式采用“Pulse+BPSK”方法，減輕了遠近效應。

2.1.2 基于角度的定位方法

基于到達角的方法使用接收器側天線陣列或多個超聲波接收器來感知信號到達的角度，此角度是基于接收節點主軸方向而定的。AOA通過利用天線陣列各個單元接收信號的時間差來估計發射信號撞擊接收器的角度，在空間位置估計中僅需3個接收機就可以估計設備或用戶位置。然而與TOA類似，AOA測量角度精度將影響最后的定位精度，到達角計算中的細微誤差，在被測終端距離接收機較遠的情況下，會轉化為實際位置估計中的巨大誤差，因此該方法更適用于短距離小范圍內的位置估計。此外，室內環境的多徑效應同樣使得AOA較難獲得LOS-AOA，相較其他方法，更復雜的硬件與校準方案也使AOA成本較高。

最新的AOA技術可以分為3類，即基于特征結構的算法、概率估計法和稀疏表示法。其中基于特征結構的算法中較為著名的基于超分辨率和空間平滑的多信號分類（multiple signal classification，MUSIC）算法已在COTS Wi-Fi平臺上被驗證具有良好的性能[20]。在此算法的理論限制基礎上，Zheng等人[21]提出一種基于加權AOA的定位方法，利用到達角估計誤差的漸近方差的閉合表達式來量化到達角估計精度，并對不同估計精度AOA賦予不同權重，與未加權定位方法相比降低了20%的定位誤差。

2.1.3 基于信號功率的定位方法

信號傳播過程中損耗功率與發射機到接收機之間的距離呈正比，RSSI為接收機接收的實際信號功率強度指標，在不考慮NLOS的情況下，接收機RSS越大，對應的信號傳播距離也越大。使用簡單的路徑損耗傳播模型，信號傳播距離可估計為：

其中，n為路徑損耗指數（其值域為2～5），R SSI0為與接收機相距參考距離處的RSSI值。通過將路徑損耗功率轉化為距離，定位終端可以獲取與至少3個參考點之間的絕對距離，利用幾何或三角測量即可進行位置估計。雖然此法實現簡單，計算復雜度較低，但室內環境下墻壁和其他障礙物將使信號傳播過程中產生額外的衰減和波動，導致位置估計誤差較大。

與RSS特征維數低、空間分辨率低、時間穩定性差的特點相比，CSI可以提供多路副載波的相位和幅度信息，不僅反映了信號傳播過程的衰減，還反映了此過程中的散射和折射。副載波i的信道頻率響應CSIi可以用極坐標的形式寫為：

其中，|CSIi|和 ∠C SIi分別表示第i個副載波的幅度和相位。當前，許多IEEE 802.11網卡都可以為OFDM系統提供子載波級信道數據，這些數據可以轉化為更加豐富的多徑信息，實現更高的定位精度。

CSI還可以用于AOA測距中。MUSIC算法適用于多傳感器或多天線情況下，然而商用Wi-Fi設備天線數量有限，室內多徑現象嚴重，為此Gjengset等人[22]提出了一種基于CSI的幅度和相位數據進行陣列信號角度測量的相位器系統，該系統通過共用一根天線消除了不同網卡之間的相位差，定位誤差小于1 m。Ahmed等人[23]提出了一種利用多個包的CSI值提高精度和速度的改進矩陣束（modified matrix pencil，MMP）算法，同時基于角度和時間進行測距，從Wi-Fi CSI中估計得到所有主要多徑分量的AOA和TOF，在相同的估計精度下，該方法執行速度比2D-MUSIC算法快近200倍。

2.1.4 基于視覺的定位方法

現代建筑中無處不在的LED光源為基于可見光通信（visible light communication，VLC）的室內定位技術提供了實施基礎，且不需要依賴其他專有定位設施。根據所使用的光接收機不同，定位方法可分為基于攝像機的定位和基于傳感器的定位。前者因成像幾何可以實現高精度定位并且兼容性較強，Lumicast[24]基于智能手機的前置攝像頭即可實現厘米級精度定位。后者使用光傳感器來測量已知位置的LED發射器的入射光AOA或RSS，并通過VLC識別碼將其唯一ID與每個光測量與特定地標相關聯，利用這些關聯量的幾何約束來確定目標位置。然而，LED部署密度、幾何布局、攝像機的視場和最遠視野、周圍環境對LOS的臨時遮擋都將影響LED定位的精度。

2.2 基于非測距的室內定位技術

2.2.1 慣性導航定位

慣性導航定位技術依賴于現代智能手機內置的各類傳感器，如加速度計、陀螺儀、磁力計等，其中包含了大量瞬時運動測量信息，通過這些智能手機IMU，可抽象地描述用戶的運動狀態，如行走的節奏、軌跡、運動狀態等。通過慣性導航系統可進行行人航跡推算（pedestrian dead reckoning，PDR），其中包含3個方面：步頻檢測、步長估計以及航向推算。

利用行人行走時加速度計檢測到的計數周期性可進行行人步頻檢測，其方法分為時域分析法、頻域分析法和特征聚類法。航向推算依賴于手機內置陀螺儀或磁力計，陀螺儀通過將3D角速度隨時間積分成轉向角度來推測行人航向變化，磁力計直接測量手機相對于磁北的絕對航位。然而兩者均有劣勢，陀螺儀受初始方向偏差影響，最后的積分結果隨時間漂移產生較大誤差。磁力計受室內磁場干擾也會產生較大誤差。因此，將二者結合使用可提升PDR的魯棒性和準確性[25]。Wang等人[26]研究特殊地標（如樓梯、電梯、玄關等）獨特的步態，借助已知位置的地標進行機會磁軌跡匹配和室內路標識別，以提高定位精度。當前，大多數PDR算法都默認行人行走時手機是水平且指向行走方向的，為了解決手機方位與默認指向不一致帶來的推算誤差問題，Wang等人[27]提出了一種與設備方向無關的航向估計方法。

由于慣性導航定位技術屬于相對定位技術，需要確定其初始位置及行進方向，因此常配合其他絕對定位技術輔助定位。

2.2.2 指紋定位方法

基于位置指紋的室內定位技術也被稱為基于數據庫的定位技術，其中，指紋表示每一個地理位置點上包括信號、場強等各類特征在時空中對應的數據分布，理論上，此數據分布具有唯一性。借助地理位置與位置指紋的唯一性匹配，可以通過各種匹配算法，在已知當前位置的各特征數據分布下求解其位置估計。指紋定位技術由于其不受室內多徑效應影響（甚至依賴于室內環境與多徑效應的潛在關系），不需要已知基站位置和計算信號傳播時間和到達角，在室內部署中可行性高，具有易實現、易測量、成本低等特點。

傳統指紋定位技術包含主要的兩個階段：離線訓練階段和在線匹配階段。以信號RSSI為例，離線階段首先將定位區域劃分為足夠大密度的網格，并在各個網格坐標點采集來自不同Wi-Fi接入點（access point，AP）的RSSI指紋數據，保存每個位置的多維指紋至指紋數據庫。在線階段，定位終端將采集到的RSSI多維數據輸入定位系統，定位系統通過定位算法找到與該數據最匹配的離線指紋數據，并輸出對應位置坐標。理論上，即使采集到的數據具有時變性，且受環境因素影響，只要訓練樣本充足，算法合理，在離線階段利用人工神經網絡等方法調整網絡權重，就可以提高定位精度，具有較好的容錯性。定位算法可以基于最小化歐幾里得距離來計算：

其中，ri為在線階段測得的指紋數據，為離線指紋數據庫。

基于距離的確定性算法（如KNN、WKNN、SVM等）通常較為簡單，擁有較好的魯棒性，這種方法對一段時間內每個位置上每個AP的指紋數據通常只保存一個確定的值，如均值。然而，實際上無線環境是時變的，確定性算法無法反映一段時間內數據的分布趨勢。通過在給定用戶位置處RSS測量值的概率分布估計p(x|r1,…,rn)，可以運用貝葉斯定理，最大化后驗概率得到最有可能的位置估計。

其中，先驗分布p(x)包含關于用戶個人的附加信息，比如對某個特定位置的傾向。大多數公共場所中，假設沒有關于用戶位置的先驗信息，并且所有位置可以以相等的概率被訪問，在這樣的條件下，求解位置等價于最大似然估計。概率參數定位算法中兩個最常用的例子為覆蓋區域（coverage area，CA）模型和路徑損耗（path-loss，PL）模型。前一種方法使用橢球概率分布對可以接收AP信號的區域進行建模，給定所有AP的覆蓋區域，可以將用戶位置計算為橢球中心的加權平均值，其權重由橢球形狀參數確定；后一種方法基于根據指紋數據校準的RSS功率損耗模型。

對于指紋數據而言，數據差異性是在線階段定位算法進行回歸匹配的基本，粒度越細的指紋表示越能區分兩個相似指紋，所提供的定位性能也就越好，同理，數據維度越高，也能獲取更好的定位性能。此外，特征的選取也將大大影響定位精度。常見指紋包括Wi-Fi、4G/5G、藍牙等信號信息、地磁、重力場、光強、溫濕度等。基于Wi-Fi或藍牙的定位常使用RSSI作為指紋，由于Wi-Fi和藍牙的分布廣泛、易于部署、低功耗等特點常被用于指紋定位，但其易受環境影響，RSSI波動無法忽略，因此，魯棒性更高的CSI可以提供更高的定位精度。

此外，現有定位終端（如智能手機、可穿戴設備、傳感器等）多種多樣，不同設備具有不同的Wi-Fi芯片組敏感性、不同的天線安裝位置以及不同的操作系統，以致不同設備獲取的環境數據存在差異。設備異構性將會影響室內定位的性能。解決設備異構性的方式包括設備的離線校準和在線校準與適配[28]。

2.2.3 無須構建指紋庫的定位方法

指紋定位離線階段的勞動密集型數據采集工作耗時耗力，當信號AP變化、甚至室內環境變化時都必須重建指紋庫。為此，研究者提出了無須構建離線指紋庫的方法，包含即時定位與建圖（simultaneous localization and mapping，SLAM）技術、內/外插（extrapolation and interpolation，TIX）技術和眾包技術。

在SLAM中，人的路徑和地標位置都是在線估計的，而無須任何先驗環境信息。移動機器人使用SLAM技術在未知環境中建圖，同時確定其在已建圖中的位置。根據機器人所使用傳感器的不同，可將SLAM技術分為激光SLAM、視覺SLAM及多傳感器融合SLAM[29]。

TIX需要至少3個AP測量接收的信號捕捉用戶的位置，被測終端向定位服務器發送定位請求，服務器接收請求后向所有客戶端和AP請求RSS測量值。即每個AP報告其他（n-1）個AP的RSS值，定位終端報告所有AP的n個RSS值。定位服務器使用信號空間鄰近度（proximity in signal space，PSS）方法，根據AP之間的RSS測量值來為每個觀察的AP生成多個距離映射曲線，此曲線將RSS值映射到AP間的距離。常用映射方法包括三角內插法及三角外插法，通過定位終端與已知位置AP之間的相對距離來進行位置估計。然而，隨AP數量增加，TIX計算過程將變得復雜耗時[30]。

眾包即通過將傳統勞動密集型任務外包給一群人，通過集體協作完成大規模任務。Walkie- Markie是一個基于眾包的室內定位系統，它將大量用戶通過智能手機IMU獲得的軌跡與稱為Wi-Fi標記的特殊地標相結合，自動生成建筑物的室內地圖[31]。該系統利用RSS在靠近Wi-Fi AP時的趨勢臨界點標記AP位置以及AP的MAC地址，相對而言不受設備異構性及環境因素的干擾。大量用戶的參與將使地圖構建更加方便和準確。然而此類眾包解決方案大多依賴于基礎設施提供的數據參考，限制了方案普適性。He等人[32]提出了一種基于慣性感知的眾包方案SenseWit，利用IMU記錄行人行為偏好數據并據此標記特殊位置（如轉角、門口、飲水機）。此外，設計了一種高效的路徑捆綁算法來將所標記的路徑捆綁生成平面布局圖。

2.3 融合室內定位方法

融合室內定位（fusion-based indoor positioning，FBIP）方法通過結合不同定位技術之間的互補性可以增加現有單一定位技術的定位性能。現有FBIP可以分為3個部分：信源、算法和融合權重。信源指待融合的數據，通過算法來獲取定位結果，合理分配權重以有效地合并定位結果以產生最優的位置估計。信源數據可以通過前述任意室內定位技術提供，各室內定位技術的比較見表2。

表2 各室內定位技術的比較

不同信源數據的融合定位可以分為同構定位系統以及異構定位系統，同構定位系統從獨立網絡（如WLAN、GSM、ZigBee等）中獲取多個相同或不同種類的測量值（如TOA、AOA、RSS信息）。例如，Li等人[33]提出一種將AOA和TOF混合度量引入RSS指紋識別系統的融合定位方法，并仿真證實了融合方案擁有更好的精度和覆蓋范圍。異構定位系統能夠更好地利用用戶的環境信息，組合來自多個不同網絡的同類型測量值，以補償獨立網絡的限制。例如，Gan等人[19]采用偽衛星技術與PDR結合以降低室內外無縫定位應用成本。

考慮上述不同來源數據，如何將它們有效地融合是提高FBIP系統性能的關鍵。常見融合定位算法包括最小二乘法、最大似然法、最小均方誤差法等，它們既可用于幾何定位系統也可用于指紋定位。指紋定位中常用機器學習進行指紋指紋匹配，包括KNN、隨機森林、支持向量機、神經網絡等算法。常用狀態估計方法包括隱馬爾可夫模型、卡爾曼濾波、擴展卡爾曼濾波和粒子濾波。

3 協作式室內定位

室內環境具有復雜幾何形狀的各種動態場景，包括住宅、辦公室、倉庫、醫院、商場等，針對終端用戶的應用也多種多樣，對精度、時延、成本與覆蓋范圍均有不同要求，因此，室內場景的特殊性和應用的多樣性使得單一的室內定位系統無法成為通用解決方案，而是不同的定位技術并存。

協作定位是一種基于不同設備或不同IPS之間的直接或間接交互來進行位置估計的方法。與傳統的室內定位系統相比，協作式室內定位系統（collaborative indoor positioning system，CIPS）帶來多方面優勢：CIPS可以通過不同網絡間共享用戶的位置來擴大獨立IPS的覆蓋范圍，通過不同設備間協作減少昂貴或復雜的定位基礎設施的部署，并且通過多系統融合提高用戶的定位精度。CIPS削減了由于AP布局不佳而造成的定位模糊性，還可以利用周圍用戶作為輔助節點以減少NLOS環境中的定位誤差。需要與融合定位方法區別開來的是，CIPS是基于多個獨立的用戶或設備之間交換信息并計算彼此之間的相對距離以提供用戶位置集合的系統，而融合定位方法基于單個用戶或設備的多種傳感器信息或多種定位技術進行協同定位決策，本質上仍是單一IPS。

協作定位可以根據其協作端的不同分為網絡間協作與設備間協作，前者主要指室內通信網絡與室外衛星網絡的協作定位，后者主要利用不同設備間的位置信息共享實現協同定位。此外，由于CIPS與單一IPS相比，組成架構更加復雜，參與者（用戶或設備）更多，通常可以根據其架構特點分為集中式CIPS和分布式CIPS。這兩種協作定位架構都是基于不同設備或網絡間的數據共享和信息協作完成位置估計任務。

3.1 集中式協作定位

以設備間協作為例，傳統的基于設備的集中式CIPS架構如圖1所示，存在一個中心服務器，用于接收從各傳感器/節點/用戶處收集來的數據并進行數據處理、模型訓練、決策優化等任務。中心服務器可以通過估算被定位終端與其通信范圍內的已知位置設備間距離來確定其坐標。

圖1 基于設備的集中式CIPS架構

Cullen等人[34]提出一種基于集中式協作架構CAPTURE的突破當前IPS定位范圍限制的解決方案。CAPTURE利用傳統通信網絡中的“機會信號”向使用這些網絡的設備發送數據，并與其他設備協作以對丟失設備進行位置估計。CAPTURE使用RSSI估計設備間的距離以確定丟失設備的坐標值。為使CAPTURE可以在網絡內協作定位未知設備，在此設備附近必須存在至少3個參考設備，其中每一個都必須在預先存在的IPS中對其位置具有先驗知識，參考設備可以是固定服務點、LED以及其他移動用戶。該架構中，中心服務器用于存儲設備收集的所有數據并通過定位算法確定未知設備坐標。

Vaghefi等人[35]提出了一種基于半定性編程（semidefinite programming，SDP）的新型傳感器跟蹤算法，具有減輕NLOS影響的能力，并將其擴展到協作定位網絡，同時考慮了節點間的連通性限制。仿真結果表明，在典型的室內環境中，源節點之間的協作可以使定位性能提高33%以上。Zhu等人[36]提出了一種集中式智能指紋定位架構。該架構由終端層、IoT設備層、IoT云組件層、定位決策層、云服務和定位App組成，其面向智能技術，具有自適應和自學習能力，并且結合廣義學習、混沌理論等多學科交叉方法解決定位安全問題。

集中式CIPS架構依賴于中心服務器，架構缺乏可擴展性，并且在中心服務器故障或遭受攻擊等特殊情況下可能導致整個系統崩潰，魯棒性不足。因此近年來，分布式架構逐漸在研究中占據主導地位。

3.2 分布式協作定位

以設備間協作為例，傳統分布式CIPS架構如圖2所示。在分布式架構中，各終端除了獲取和共享數據外，也同時進行數據處理，確定自身位置。再利用RSSI映射得到設備間距離，用于進行未知設備位置估計。

圖2 基于設備的分布式CIPS架構

Li等人[37]提出一種協作鄰近方法減少定位所需的藍牙信標數量。該方法可以通過使用參與定位的用戶終端來臨時增加定位區域中的藍牙信標數量，其主要利用藍牙技術的雙向通信特性，即手機中的藍牙模塊不僅負責外部信號的接收，同時還作為信標節點向外廣播藍牙信號，并將校正后的位置坐標廣播給其他終端作為參考節點。Qiu等人[38]提出了CRISP系統用以改善智能手機定位性能，其利用多個智能手機交互的機會，每個智能手機在估計自身位置的同時與附近的終端共享位置信息，并實現米級定位精度。該系統定期測量用戶設備上的IMU，通過引入平均速度預測改進PDR定位，用于系統的非協作定位階段。在協作定位階段，CRISP會定期向周圍其他終端廣播藍牙、ZigBee和Wi-Fi信號，并檢測和分析接收其他設備的RSSI值變化，用戶通過RSSI估計自己到其他設備間的距離用以估計自身坐標。

相較集中式CIPS架構，分布式CIPS架構避免了通信擁塞、響應時延以及對中心服務器的依賴，成為如今CIPS發展更合適的選擇。然而，由于用戶設備終端計算能力的限制，定位算法復雜度需納入CIPS考量標準中，并且由于設備異構性，定位方案可能并不適用于所有用戶。

4 6G室內定位候選技術

4.1 太赫茲輔助的室內定位技術

太赫茲具有豐富的頻譜資源，其大帶寬、高速率、高分辨率、強抗干擾能力等特性可以為復雜多徑環境下的室內定位提供更高精度、更低時延的解決方案。

太赫茲卓越的時間分辨率和大編碼容量，有利于TOA、TDOA等基于時間的定位技術的性能提升。El-Absi等人[39]提出了一種基于回環TOF的無芯片RFID定位系統，其中回環TOF測距的精度受多徑傳播的影響，相應的，帶寬越大，回環TOF測距的精度也越高，利用太赫茲的大帶寬優勢，可以突破此前基于UWB的功率限制和多徑影響，實現毫米級定位精度。在靜態室內環境下，太赫茲通信的信道響應可被描述為一條視距傳播路徑、Nrfe條反射路徑和Ndif條衍射路徑，用戶移動將導致太赫茲的波束空間快速變化并反映在其CSI信息中。Fan等人[40]提出了一種基于SBi-LSTM的3D太赫茲室內定位方法，提取并利用了太赫茲的CSI信息，在基于射線追蹤生成的仿真環境下驗證了該算法對室內NLOS定位的魯棒性和收斂性，實驗結果表明此方案可將定位平均誤差降低至0.27 m。

4.2 基于大規模多天線的室內定位技術

大規模多輸入多輸出（multiple input multiple output，MIMO）使用大量基站天線及測量的CSI信息在空間上復用用戶終端，具有高頻譜效率、高方向性和低復雜度等優勢，因此具有提供精確定位的潛力。其中，大規模MIMO的CSI信息可以被提取并用于用戶定位。由于大規模MIMO系統本身依賴于CSI進行通信，因此使用CSI定位并不會在系統中引入額外開銷。Garcia等人[41]基于大規模MIMO提出了一種直接定位方法，解決了NLOS場景下窄帶定位問題。Lin等人[42]針對毫米波大規模MIMO系統提出了一種基于混合RSS-AOA的三維室內定位方案，通過大量仿真驗證了該方案即便對于干擾較大的區域也能獲得分米級的定位精度。此外，將太赫茲與大規模MIMO相結合，可以更大程度地提升信號分辨率，如角度分辨率和距離分辨率，有利于AOA的感知精度提升，同時還具有大連接的優勢，可以提高工業物聯網場景下的定位容量，為海量設備的LBS提供支撐。

4.3 基于可重構智能表面的室內定位技術

可重構智能表面（reconfigurable intelligent surface，RIS）由大量低成本的無源單元組成，可以在偏置電壓的控制下重新配置其物理參數，因此可以充當可控的發射器或接收器。Ma等人[43]利用RIS標記信道和代替傳統主動定位錨點的能力，提出了一種室內RIS輔助定位方法，使用RIS標記信道并將UWB信號用于多徑識別，仿真表明基于RIS的單錨點TOA定位可實現米級的定位效果。在遮擋場景下，利用RIS主動修改入射電磁波的能力，可以避免NLOS阻塞，提高定位的精度和連續性。例如在工業互聯網場景下，通過RIS創建穩健的多路徑信道，可以動態地跟蹤定位目標的移動，有望實現高移動性場景下的精準定位。

5 6G室內定位面臨的挑戰

6G在此前通信技術的基礎上向著更高通信頻率、更大帶寬和更大規模的天線陣列發展，基于太赫茲和可見光的高頻接入技術可以使室內定位解決方案具有良好的距離分辨率和角度分辨率，更大程度地削弱NLOS對定位精度的影響[44]；大規模天線陣列和先進的波束空間處理技術將推動更高精度的用戶目標同步跟蹤及環境地圖繪制，用以實現無線環境圖自動化更新繪制；新型材料和可重構表面將允許網絡運營商控制并重塑室內環境電磁響應，成為定位技術潛在的發展方向。此外，6G網絡的更高精度的時間同步也將從源頭緩解需要嚴格時間同步的定位技術（如TOA、TDOA等）的計算誤差。另一方面，在單一定位技術日趨成熟的情況下，基站間融合室內定位以及不同網絡間協作室內定位是進一步提高室內定位精度和魯棒性的有效途徑。然而與室外衛星定位完整的體系結構相比，室內定位平臺仍不成規模，無法統一實施部署。

總體而言，6G室內定位發展仍存在以下機遇與挑戰。

·安全與隱私：當前對于室內定位系統涉及的安全與隱私問題尚未有成熟的解決方案，尤其是基于網絡和云的定位方案（如CIPS），容易因協作過程中不夠安全的數據交換泄露用戶自身的位置，虛擬運營商和服務供應商數量的增多也將給6G定位鏈加入不安定因素[45]。

·標準化缺乏：不同的室內定位系統仍舊依賴特定環境而設計，在部署難易程度、覆蓋范圍、維護成本、定位精度等方面存在各自的不足之處，室內定位標準尚未成熟統一，缺乏解除環境依賴性的普適解決方案。

·硬件約束：當前太赫茲器件，如功率放大器、相控天線、射頻模塊等硬件設施都未成熟，無法滿足大范圍定位需求，此外，大規模MIMO技術也受限于高集成度的射頻電路的優化挑戰[46]。