室内定位综述

本篇文章是作者研究生毕设的前稿，每周更新补充，主要是中外关于室内定位的论文综述，偏向于TDOA方向，也会更新些其他的方向。-------有不当的地方欢迎有人指正♂^=^♀。

 

2016.7.20

1.Contributed ReviewSource-localizationalgorithms and applications usingtimeofarrival        

  measurements （2016，美国太平洋西北国家实验室,SCI）

2.基于TDOA的高精度无线定位方法的研究与实现  （2010，东南大学，硕士论文）

室内定位的重要性及市场前景就不在此再次赘述，直接提取论文的实质内容。

 

【1】作为综述提出了一些总纲性的东西。提出现在室内定位遇到的问题主要有四个方面，如下：

（1）：LOS(视距信号)传播基本不可能

（2）：多径效应强烈

（3）：GPS信号弱

（4）：用于定位的传感器节点成本高

其中，尤以1、2的问题更为重要。

 

下表是一些常用的定位方式的优缺点对比，以后会陆续补充。（相对应的论文会陆续补充）

定位方式	特点	优势	缺点	应用与适用性
TOA	通过时间、速度直接计算源和接收机的距离	精度高	需要视距传播；定位源和所有的传感器都需要同步；成本高昂；系统复杂	多在蜂窝网络应用；3D定位中经常辅以GPS
TDOA	通过一系列传感器得到TOA的差值	精度高；相较TOA只需要所有的传感器进行时间同步	需要视距传播	在WSN中多有应用；3D定位中经常辅以GPS
AOA	通过传感器测量到达角度，需要预先知道传感器的方向	至少只需要两个接收传感器；不需要时间同步	需要智能天线；硬件环境大而贵；需要视距传播；容易被多径效应和阴影衰落影响	在雷达场景中多有应用；更适合作为定位的传感器而不是源；作为源时，需要一个天线阵列
RSS	建立传播模型，将RSS强度与距离建立关系，从而估计距离	不需要时间同步；搭建简单并且成本低	精度低；需要精确的信号衰减模型；容易被多径效应和阴影衰落影响	经常应用于不需要高精度定位的应用中
混合	TOA/RSS和TDOA/RSS	相近的简单硬件环境	/	适用于NLOS及室内环境
	TOA/AOA和TDOA/AOA	当传感器和定位源相近时效果良好；在单传感器情况下也可定位	/	适用于NLOS及室内环境
	TDOA/FDOA	在源位置及速度估计上彼此互补	/	应用于移动的源的定位
	TOA/TDOA	彼此的数据可以相互融合	/	适用于NLOS

 

其中RSS方式作者的学长学姐做的就是这个方向。因为他们的缘故我也有涉及。总的来说RSS跳变不稳定，值和距离的关系并不是十分确定，受障碍物的影响也非常大。在视距情况下，用四个信标定位，静止状态误差在2m以内。隔个柱子误差就会上升到3-5m。硬件用的是TI家的CC2640.

 

【1】中提到现今已有的多数研究只着眼于静止低位，对于移动点的定位还需要更多的研究。

 

在移动点定位中常用到的算法（相对应的算法每周会有渐进的更新和介绍）

算法	特点
Kalman	线性、高斯噪声
Extended Kalman	非线性问题
Unscented Kalman	非线性问题
Particle filiter	非线性、非高斯
Monte Carlo	非线性、非高斯、计算量大

要做一个室内定位的项目，首先要选定一个总的方式，如上所述的TOA、TDOA等等。明确定位目标的状态是静止还是移动。