室内导航：当卫星信号失效，我们如何精准找到你在楼宇中的位置？

TL;DR：室内导航依赖超宽带（UWB）等技术弥补GPS信号在室内的不足。核心挑战是非视距（NLOS）误差，研究者通过TDOA/AOA混合算法、Chan-PSO混合定位以及轨迹优化方法，将定位精度提升至厘米级，并让运动轨迹更平滑真实。

引言：为什么室内导航如此困难？

当你在大型商场、医院或机场里打开手机地图，期待它像在室外一样精准指引方向时，往往会发现定位图标飘忽不定，甚至完全失效。这并非手机故障，而是卫星导航信号进入室内后，会因建筑物的遮挡产生衍射、反射等干扰，形成多径和非视距（NLOS）传输现象，导致定位误差急剧增大，甚至无法定位。正如《基于DOA与TDOA的室内定位算法研究及实现》中所述，北斗和GPS等系统“并不完全适用于室内场景的定位需求”。

为了克服这一难题，蓝牙、WiFi、ZigBee等近十多种室内定位技术相继出现，但它们各有短板：定位精度不高、信号传播距离不远、透射能力不强、功耗高或稳定度不好。在此背景下，超宽带（UWB）技术凭借其独特优势脱颖而出，成为实现高精度室内定位的关键方案。

UWB：室内定位的“精准标尺”

超宽带（UWB）是一种新兴的无线通信技术。它无需载波，可直接产生纳米级以下的窄脉冲激励天线，具有低功耗、抗干扰能力强、穿透性强等特点。与ZigBee、RFID、WiFi等室内定位技术相比，UWB最大的优势在于其定位精度极高，最低可达厘米级。

UWB的基本定位算法包括测量信号的到达时间（TOA）、到达时间差（TDOA）、波达角度（AOA）及接收信号强度（RSSI）。其中，TOA和TDOA算法利用了UWB信号较高的时间分辨率，在实际应用中最为广泛。而TDOA相比TOA，只需要参考节点间保持时间同步，降低了硬件成本，增加了实用性。

核心挑战：非视距（NLOS）误差

尽管UWB技术精度极高，但室内环境复杂多变，障碍物众多。UWB信号在传输时受到室内障碍物的遮挡和削弱，会产生非视距（NLOS）误差，这不仅影响室内定位精度，也会使实际定位过程中的标签位置和轨迹路线产生混乱。研究表明，算法在NLOS传播下的误差明显大于视距（LOS）传播。

因此，如何削弱NLOS误差，同时修正人员行进轨迹，成为UWB室内定位研究的核心难点。

算法突破：从单一到混合的进化

1. TDOA/AOA混合定位：增加角度信息

单纯的TDOA算法在NLOS环境下误差会上升。为了进一步提高精度，研究者提出了TDOA/AOA联合定位方案。AOA（波达角度）的引入增加了角度信息，使精度有所提高。有文献采用二元天线，利用几何原理，通过天线间的TDOA信息得到到达角估计值，降低了复杂度且定位精度极高。

《室内环境下基于UWB的TDOA&AOA三维混合定位算法》一文中，作者提出基于泰勒级数的TDOA/AOA混合算法。首先利用wylie鉴别算法分辨参考节点与目标节点间的LOS和NLOS传播，在一定范围内降低NLOS传播导致的估计距离的误差。通过统计得到LOS和NLOS传播的平均时延值后，对到达距离差进行重构，得到较为准确的初值估计，以此保障后续算法的收敛。同时推算出可靠度最高的参考节点与目标节点的方位角、俯仰角信息，代入算法后进行三维定位，在各种情况下均表现出了更为良好的定位精度。

2. Chan-PSO混合定位：先解算初值，再迭代优化

《超宽带室内定位及优化算法研究》则选用了基于TDOA的定位方法，在分析研究Chan和粒子群（PSO）两种单一算法的基础上，提出了混合定位算法：先用Chan算法解算初值，再用PSO算法进行迭代优化。

在NLOS环境下，该方法通过设置阈值对Chan算法计算出的位置坐标进行筛选，以适应不同室内环境。通过阈值筛选缓解PSO算法的压力，收敛速度更快，有效提高了室内非视距环境下的定位精度。

3. 轨迹优化：让移动路径更真实

定位不仅是静止的坐标点，更是动态的轨迹。该研究还提出了基于矢量图区域分类的节点轨迹优化方法，采用引射线法的碰撞检测方法对标签位置进行检测和约束，并使用基于运动递归函数的轨迹预测方法和Savitzky-Golay滤波算法对人员行进轨迹进行预测和平滑优化，使得轨迹路线与实际路线更为一致。

实验验证：精度提升了多少？

通过固定场景的实验数据和数据仿真，上述混合定位算法展现了显著优势。以下数据来自《超宽带室内定位及优化算法研究》摘要：