［读论文］ArrayTrack: A Fine-Grained Indoor Location System

这篇文章描述的是一种基于WiFi的室内定位系统，称为ArrayTrack。从作者对系统的命名中就能看出这种定位系统必然跟天线阵列有关。虽然从2000年的RADAR开始，室内定位的文章层出不穷，但这篇2013年的文章仍然能够发表在NSDI 2013上，还是有其突出的地方的。

由于我不是学通信出身，所以对其中许多问题只知道个大概，那么也只能是在high level去描述一下ArrayTrack这个系统。首先，从定位的基本原理上说ArrayTrack是基于Arrival of Angle (AoA)的，也就是说在待定位的区域先部署一系列节点（论文中即是带有天线阵列的AP），其中每一个节点都能测量出待定位设备（比如手机，称为client）的方向。一旦待定位设备能够被两个或更多的节点观测到，就能定出其具体位置了。比如下面的例子里，如果两个AP能够测量出带定位设备对应的夹角a和b，那么在假设知道AP1和AP2的坐标情况下，可以计算出待定位设备的坐标。

基于AoA的定位系统中最核心的部分是如何测量待定位设备的入射角，这也是这篇论文的重点。下图是从论文中摘出来的，左图描述了每个AP节点的结构，而右图说明了测量角度的基本原理。在完全理想的情况下，即client与AP之间无遮挡，信号传播也不受环境的反射、折射等影响，那么只需要两根天线就能测量出client与AP的相对角度。假设两根天线之间的距离是lambda/2，其中lambda表示client发出信号的波长，那么client与两根天线的距离差为1/2*lambda*sin(theta)，其中theta表示client与AP的相对角度。由于这个距离差，导致两根天线收到的信号波的相位有一定差异，这个差异为pi*sin(theta)。这样只要能测量出两根天线接收信号的相位差就能反算出theta。

这只是角度测量的基本方法，现实中的情况比这要复杂的多，其中最大的麻烦就是多路径效应，也就是说由client发出的信号最终是从多条路径传输到接收天线的，所以关键问题是判断那路信号是从client端直接传输到天线的。于是，ArrayTrack里采用了一些关键的机制，具体来说，包括：

• Spatial smoothing 2.3.2：先将M根天线分为N组，进行N次测量后将结果平均，这样做有利于降低多路径效应带来的噪声；
• Array geometry weighting 2.3.3：测量得到的角度在某个范围内比较靠谱，而超出这个范围后就很可能受到噪声的严重影响，所以给予不同测试结果不同大小的权重；
• Array symmetry removal 2.3.4：不要将天线排成一排，这样会导致镜面效果，无法区分究竟client在哪边；
• Multipath suppression 2.4：来自直接路径的信号相对其它路径更加稳定（不一定更强），利用这个特点可以突出直接路径的信号；
• AoA spectra synthesis 2.5：在有多个AP观测到client的情况下，综合考虑多个AP的测量结果最终确定client的位置。

作者最后用6个AP进行了测量，定位精度在1米以下。

总结：这篇论文之所以被NSDI收录，应该有以下一些原因：

1. 测量角度的基本原理虽然简单，但要在现有的硬件平台实现是有一定挑战的，尤其对纯做networking的人来说，评审通常喜欢看一些自己不那么懂的东西，从中学到一些知识；
2. 作者在基本原理的基础上进行了一些优化，特别是前面列举的一些关键机制，虽然说每个点都比较heuristic，但直观也有直观的好处，并且简单的机制可靠性往往较高，也容易被人接受；
3. 作者的实验相对充分，由于硬件做出来了，比那些只通过软件模拟的要可靠的多，这也是当前所有文章必备的一点；
4. 定位性能不错，在目前情况下能真正做到1米以下是非常困难的，这对真正做过定位的人来说，结果相对可信。
   

综上所述，这篇文章的优势非常明显。怎么说呢，如果要挑挑这篇文章的问题也不是没有办法，真实的环境下，AP往往部署在一些不那么显眼的位置，所以直接路径往往都没有。此外，AP如果真的用来定位，会不会影响数据通信呢？作者没有回答这样的问题。不过，这也不是学术圈子真正关心的问题，无所谓的。