AoA/AoD技术应用于蓝牙室内定位

蓝牙到达角(AoA)和出发角(AoD)技术给室内定位标准带来新框架。利用此技术，室内定位的基本问题可分为判断射频信号的到达角和离开角。现在有很多企业开始在AoA/AoD上投入研发力量。

定位功能是户外应用需求中备受关注的功能，定位技术中不乏有很多实用的应用，例如在世界各地被广泛运用的GPS。

在室内环境无法使用GPS等卫星定位时，需要更精确的室内定位技术。使用室内定位技术作为卫星定位的辅助定位，可以有效解决卫星信号到达地面时穿越建筑困难的问题，最终定位物体当前所处的位置。

蓝牙5.0标准发布以来，越来越多基于蓝牙5.0的应用被开发出来。现在，室内定位技术AoA/AoD建立室内定位新框架，利用蓝牙寻向算法，使室内定位更加精准简单。

蓝牙AoA/AoD技术使用外部追踪系统测量某个对象的位置或角度，追踪设备在室内环境中的位置。这种定位系统可以运用于仓库的物流追踪或商场顾客位置追踪，人们可以将其用于定位寻路。

AoA技术以接收器和发射器为基础。例如，一个多天线线性数组的设备作为接收器，另一个单天线的设备作为发射器，假设无线电波作为平面波面而非球形。如果在空中发送正弦波的发射器，位于与数组线垂直的法线，则数组中的每个天线将接收相同相位的输入讯号。如果发射器不在法线，则接收天线将测量信道之间的相位差，利用相位差信息估算到达角度。

无线电波以300,000km/s的光速传播。采用大约2.4GHz频率时，相应波长约0.125m。大多数估计算法中，两个相邻天线之间的最大距离是半波长。许多算法都须满足这项条件，否则将导致失真。理论上并没有最短距离限制，但实际上，最小尺寸受限于数组的机械尺寸，譬如天线各组件之间的相互耦合。

对于出发角，测量相位差的基本原理是相同的，但装置角色互换。在AoD中，被追踪的装置仅使用一个单天线，而发射器装置则使用多天线。发射装置依序转换发射天线，让接收侧了解到天线数组架构并转换序列。

从应用的角度，能发现这两种技术之间存在明显差异。在AoD中，接收装置根据多个目标角度和位置计算本身在空间中的位置。在AoA中，接收装置追踪各个对象的到达角度。

在蓝牙AoA与AoD中，相关的控制数据通过传统的数据信道传输。通常这些技术能测量出精确的角度和0.5公尺左右的定位精度，且高度依赖定位系统产生的数据。

此外，讯号噪声、频率抖动和信号传输延迟，也会对角度估算法造成很多影响。根据系统规模，如果在嵌入式系统中，对于RAM尤其是CPU的要求可能非常严格，许多高效能的角度估算法需要具备强大处理能力的CPU才能执行。

现在的室内定位技术中，很多运用的是RSSI进行定位。接收讯号强度指示(RSSI)测量接收讯号的讯号强度来获得RX和TX之间的近似距离。该信息可运用于来自不同发射器位置的多点距离测量，三角定位接收器的位置。此技术中，每个装置只需要一个天线，在室内环境却通常不够准确。

利用到达时间/飞行时间(ToA/ToF)，可测量RX和TX之间的讯号传输时间，并计算两端点的距离。再用此距离三角定位接收器的位置。

AoA/AoD是新兴技术，可用于资产追踪以及室内定位和寻路。这些相位基础的寻向系统，需要天线数组、RF开关来运行估计算法。设计适合的天线数组和角度估计算法，对RTLS系统至关重要。而效能强大的估计算法在运算上通常不便宜。其他定位技术包括RSSI基础方法和ToA基础方法，但目前，只有相位基础的AoA/AoD在蓝牙中具有标准架构。

蓝牙室内定位功能在市面上已有很多成熟的案例，例如在零售领域，将传统的灯具切换成具备蓝牙Beacon能力的智能灯后，可以帮助客户和员工在商场里导航，并更快、更容易地找到商品。商家也可以利用蓝牙信标进行个性化促销，以创造更好的购物者体验，增加销售额。

蓝牙室内定位功能也能给用户带来更有趣味的体验，在博物馆里，具备蓝牙功能的LED模组和传感器可以检测温度和湿度水平，以帮助保护无价的艺术品，同时减少维护和日常开销。这些智能设备可以提供兴趣点信息和寻路服务，以增强游客体验。

各科技公司在AoA/AoD技术应用的投入，势必将会为室内定位应用方案带来更多更合适的选择。

附：AoA/AoD估计算法原理

透过寻向剖析AoA/AoD理论

角度估算方法和天线数组对定位系统的正常运作至关重要。定位寻向(Direction Finding)理论的历史可追溯至一百多年前，试图采用定向天线解决这个问题，而当时显然是单纯的模拟系统。接下来的数年中，测试方法转移到数字世界，但基本原理仍然非常类似。这些寻向方法已被广泛的应用，例如医疗器材、安全和军事设备。

在本段落中，将讨论一些典型天线数组和估计算法的基础概念。藉由寻向，进而涉及估算到达角和出发角的基本问题。

天线数组

用于寻向的天线数组可分为几种类型。这里讨论的是最普遍的均匀线性数组(ULA)、均匀矩形数组(URA)和均匀圆形数组(UCA)。线性数组是一维数组，这是指数组中所有天线皆位于一条在线，而矩形和圆形数组则是二维数组，意味天线分布于两个维度(在一个平面上)。透过一维天线数组，假设被追踪的装置始终在同一平面上移动，便能可靠测量出方位角。但透过二维数组，能进一步测量出3D半空间中的方位角和仰角。假若数组扩展成完整的3D数组(天线分布于三个直角坐标上)，便能测量完整的3D空间。

设计用于寻向的天线数组不是一项简单的任务。天线置于数组中时会彼此影响，这称为互相耦合。多数情况下，设计者无法控制发射端的极化。这为设计人员带来额外的挑战。在物联网(IoT)应用中，通常默认这些装置很小，甚至在高频段中运作。估计算法通常具备某些数组特性，例如ESPRIT估计算法，数学假设上数组被分为两组相同的子数组。

角度估计算法

接下来，看看输入IQ数据来估算到达角的数学/算法问题。问题定义很简单：估算发射(窄频)讯号抵达接收数组的到达角。虽然这项陈述看似微不足道，但是对这个问题而言，寻找到一个强效(且在现实中运行)的解决方案并不容易，强大的硬件处理能力也相当关键。

接下来，将介绍两种不同解决方法。第一种是基本的，经典波束成形器。第二种是较先进的技术，多重讯号分类(MUSIC)。在此不会用任何定理或原因验证这些方法的工作原理，仅用高视野来探讨算法如何运作。
经典波束成形器

从均匀线性数组的数学模型谈起。假设每个天线对应一个IQ样本的数据向量称为x。在测量中，每个天线都可以看到相移(可能为0)加上一些噪声n，所以x可以计算时间函数t：

其中，s代表空中的发射讯号，a是天线数组的导引向量。

d是相邻天线之间的距离；λ是讯号波长；m是天线数组中的组件数量，θ代表到达角。

导引向量(2)描述各个天线上的讯号，因为到达发射器的距离变化而相移。藉由(1)，可以计算出所谓的样本共变异数矩阵Rxx近似值：

H代表Hermitian转置矩阵。

可看到样本共变异数矩阵(3)将作为估计算法的输入数据。

经典波束成形器的概念是最大化输出功率作为角度的函数，类似机械雷达的运作方式。若要将功率最大化，最终可得出以下公式：

为了找出到达角，须要代入到达角θ并计算功率P的最大值。产生最大功率的角度或θ对应的到达角。

多重讯号分类(MUSIC)

这种估计算法是所谓的子空间估算，其中盛行的一种算法称为MUSIC(多重讯号分类)。这个算法的概念是对共变异数矩阵Rxx进行特征分解：

其中，A是包含特征值的对角矩阵，V是包含Rxx的对应特征向量。

假设，尝试计算一个发射器采用n天线线性数组的到达角。可以证明，Rxx的特征向量或者属于所谓的噪声子空间或属于讯号子空间。如果特征值按升幂排序，对应的n-1特征向量跨越噪声子空间，该子空间与讯号子空间正交。从正交信息，可以计算伪频谱P：

在经典波束成形器中，不断代入期望θ值来计算P的最大值，其对应于我们期望测量的到达角(参数θ)。

理想情况下，MUSIC在良好的SNR环境中具有出色的分辨率，而且非常准确。另一方面，当输入讯号高度相关时，特别在室内环境中，效能较弱。多径效应使伪频谱失真，导致在错误的位置产生最大值。

空间平滑化

空间平滑化是解决由多径(产生相干讯号时)所引发问题的一种方法。可以证明，利用原始共变异数矩阵的子数组可以计算出平均共变异数矩阵，让讯号共变异数矩阵「去相干」。对于二维数组，公式可写成：

其中，MS和NS分别是x和y轴上的子数组数，Rmn代表(m，n)：子数组共变异数矩阵。

由公式得到的共变异数矩阵便是共变异数矩阵的「去相干」版本，输入到MUSIC算法便能产生正确结果。空间平滑化的缺点是它缩减了共变异数矩阵的大小，降低估算的准确性。