《位置计算：无线网络定位》学习小结

Posted 2021-01-21 sunnypoem

第一章：无线定位概述

单跳定位：WiFi，GPS，NBIOT等单跳网络结构的定位

多跳定位：传感网、物联网等无线自组织网络的网络定位（多跳定位）

 

无论何种定位技术，都离不开以下3个主要环节：

（1）物理测量。

对物理世界的测量手段包括WiFi，GNSS，BlueTooth，Qcell，NBIoT，UWB，红外，光波，声波，超声波。测量结果的表示包括：距离、时间、方向、区域、连接关系和信号指纹。只要信号具有位置区分性，都可以用来定位。

（2）位置计算。

测量结果不同，定位的计算方法也不同。测距方法通常使用最小二乘法，指纹方法通常使用最相似匹配估计位置。

（3）数据处理。

数据处理贯穿定位每个环节。例如，如何应对环境因素造成的随机误差？如何剔除明显的错误数据？这些都是误差控制。从最简单的取平均值到复杂的鲁棒统计，都是处理误差和发现异常的有效手段。传感网中，节点过少如何量化，这是网络定位的可定位性问题，需要利用图刚性理论进行分析。节点间距离信息过多？需要优化算法尽量满足所有的观测值，也需要统计方法估算定位计算所能达到的精度。

 

好的定位方法不单单追求定位精度，而是以满足应用需求，适应环境特点为追求目标。

第2章 物理测量

物理测量方法按照测量精度从高到低排列：

目标的精确位置、目标与参考点之间的距离、目标与参考点之间的距离、目标所在区域、目标与参考点之间的网络跳数、目标邻居节点信息

2.1 距离测量

很多物理测量都直接或者间接包含着距离约束。例如，信号强度随距离增加而衰减，信号的传播时间随距离的增加而延长。

2.1.1 基于信号强度的测距模型（RSS）

Received Signal Strength

在自由空间中，信号强度已被证明与传播距离的平方线性负相关。然而，在真实环境中，信号的反射、散射、遮蔽等通常会对接收者采集的信号强度产生干扰。

人们普遍认为更精确的信号衰减模型会极大地提高测距方法的精度，然而至今没有实质性突破。特别对于室内环境，上述传播模型不能精确描述信号在小尺度空间中的多径传播特性。

研究者将目光转向更细粒度的信道模型---信道冲激响应（CIR）。分离出LOS路径。

2.1.2 基于信号到达时间的测量模型（ToA）

Time of Arrival

对于已知传播速度的信号来说（声波、电磁波），只要知道信号传输时间，便可计算传输距离。该方法的核心是如何精确测量信号的传播时间。有信号单程和双程传播时间的测距。

该方法通常要求测距双方之间存在信号传播的直接路径。多径效应可以利用基础的展频技术来消除。

2.1.3 基于信号的到达时间差的测距模型（TDoA）

Time Difference of Arrival

测量精度依赖两个条件：一、接收者可以精确地测量信号的到达时间；二、接收者之间需要严格的时钟同步。

2.2 角度测量(AoA)

Arrival of Angle

通过信号到达天线阵列的相位差或时间差来算出信号的到达角度。在实际环境中通常充分利用多天线提供的冗余信息，采用基于信号子空间的分析方法如MUSIC算法进一步提高到达角的估计精度。

2.3 区域测量

覆盖区域的交区域。圆环的交，扇形的交等。

2.4 跳数测量

2.5 邻居测量

第3章 单跳位置估计

3.1 基于距离的定位方法

多边测量是一种根据距离定位物理的过程。问题等同于求解超定线性方程的数值解。

3.2 基于到达时间差的定位方法

与一般计算最小方差解的方法不同。研究者设计了多种方法来处理TDoA定位中的非线性方程组。例如，准确而鲁棒的泰勒级数法；Chan提出使用两次最小方差估计的封闭非迭代算法。

3.3 基于到达角的定位方法

求解与各参考节点角度误差方差最小。极大似然估计求解。

3.4 基于信号指纹的定位方法

基于信号指纹的定位方法直接使用接收信号强度来进行位置估计。在室内环境中，RSS容易受阴影衰落和多径效应的影响，直接将RSS映射为信号传播距离可能引入较大误差。

基于指纹方法的合理性在于无线信号强度在空间中的分布相对稳定，因此在同一个位置上的RSS测量值相对稳定且与其他位置上的RSS测量值有所区别。

3.4.1 离线测量方案

就是先人工采集好指纹，然后交付一个区域的定位功能。

缺点是容易受动态环境影响。环境的变化使得数据库创建阶段收集的信号和指纹的位置关联关系失效。

3.4.2 在线测量方案

投入一些位置已知的硬件设备，后期持续更新数据库。

 

第4章 室内定位

4.1 室内定位的特点

基础服务框架不同。不同与GPS，BDS，GLONASS，Galileo全球定位系统。室内无线基础设施如WLAN，BlueTooth，Qcell，ZigBee，RFID等多种多样。

好在移动规范标准化了Qcell定位的接口。这样基于运营商室内定位接口至少统一了。

环境变化程度不同。更换了一个AP或者Qcell的PRRU换了插口，如果基于指纹定位，那么之前的位置关联信息就需要变化来适应。

定位精度要求不同。室内5米以内的精度才有更多的应用场景。太差了也没有必要定位了，除非安防或者数据统计作用。

4.2 室内定位技术

基于专用设备的定位：红外、超声波、VHF、UWB、RFID等不同的技术或设备。

基于WiFi信号测距的定位：根据无线信号传播模型计算接收机与参考点之间的距离。首先需要确定传播模型的参数，可以通过AP之间相互测试来完成参数的确定。

基于WiFi信号指纹的定位：

现场勘测指纹：

RSS作为指纹的问题是精度有限，主要原因来自两个方面。

（1）室内环境对无线信号传播造成的多径、衰减等干扰，以及室内环境变化导致的RSS的时变性。

（2）RSS是发射信号在接收端能量的体现，在空间上的区分能力有限，通常在1m以上。

更为底层的物理层信息来提取RSS进行室内定位。例如CIR剥离多径信息。

 

无需现场勘测生成指纹：

WILL充分结合智能手机用户的移动性和无线信号自身的穿墙衰减效应，实现了无需人工勘测的房间级定位。

LiFS通过数据挖掘用户的移动性来实现室内绝对定位。LiFS自动收集无线信号指纹，以及伴随用户的移动数据。根据同一位置上的指纹相似性，LiFS将不同的用户或者同一用户在不同时间收集的位置数据拼接在一起，得到目标区域中两两位置之间的距离。将这些距离作为输入，利用Multi-Dimensional Scaling算法生成指纹空间。接下来，LiFS对室内平面地图进行均匀采样，并设计任意两点之间的步行距离，同样通过MDS算法得到无压力平面图。利用相关图论理论，通过数据挖掘指纹空间和无压力平面图在空间相似性，LiFS将指纹空间和无压力图匹配到一起。

 

结语：

在图书馆找书时看到这本书，里面的内容恰好包含了自己这三年工作的内容。只不过，现实中自己编写实现的程序没有这本书中的公式复杂，但该书从理论角度阐述了可定位背后的理论根据。所以，本小结也算读这本书引起的共鸣吧。