室内导航：当卫星信号失效，我们如何精准找到你在楼里的位置？
TL;DR：室内导航依赖超宽带（UWB）等技术实现厘米级定位。核心挑战是非视距（NLOS）误差——障碍物遮挡导致信号反射、削弱，使定位轨迹混乱。研究者通过混合定位算法与轨迹优化方法，将定位精度提升至10-20厘米级别。
引言：为什么室内导航比室外更难？
北斗导航定位系统（BDS）和全球定位系统（GPS）已广泛应用于室外导航领域。然而，当卫星导航信号进入室内场景时，由于信号会受空间环境的影响而产生衍射、反射等信号干扰现象，形成多径和非视距传输现象，致使定位误差增大，造成定位不准或无法定位的结果。因此，卫星信号并不完全适用于室内场景的定位需求。
为了克服该难题，近年来出现了基于蓝牙、WiFi、ZigBee等近十多种定位技术。这些技术各有优缺点，缺点主要表现在：定位精度不高、信号传播距离不远、透射能力不强、功耗高或者稳定度不好等。而超宽带（UWB）技术凭借其独特优势，成为高精度室内定位领域的研究热点。
UWB技术：室内定位的“厘米级”利器
超宽带（UWB）作为一种新兴的无线通信技术，在无需载波的前提下，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技术最大的优势在于其定位精度极高，最低可达厘米级。
UWB基本定位算法包括四种：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定位算法利用了UWB信号较高的时间分辨率，在实际应用中最为广泛。
核心挑战：非视距误差如何“搅乱”定位？
由于室内环境和场景的复杂多变，使UWB信号在传输时受到室内障碍物的遮挡和削弱，从而产生非视距（NLOS）误差影响室内定位精度，也会使实际定位过程中的标签位置和轨迹路线产生混乱。
在NLOS传播条件下，算法误差明显大于LOS（视距）传播。这是因为信号在遇到墙壁、家具等障碍物时会发生反射和衍射，导致到达时间差测量值偏离真实值。此外，在室内环境中，TDOA误差并非服从理想高斯分布，在NLOS传播中误差会进一步上升。
算法优化：从单一到混合的演进
Chan算法与粒子群算法的结合
针对削弱NLOS误差同时修正人员行进轨迹的难点，研究者提出了混合定位算法。该方法选用基于信号到达时间差（TDOA）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，研究Chan算法解算初值，PSO算法进行迭代优化的混合定位算法。
在NLOS环境下通过设置阈值以对Chan算法计算出的位置坐标进行筛选，适合不同室内环境下定位。通过阈值筛选缓解PSO算法的压力，收敛速度更快，有效的提高了室内非视距环境下的定位精度。
TDOA/AOA混合算法
另一种优化思路是引入角度信息。有研究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，在一定范围内降低了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，以此保障算法收敛。
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，将其代入基于泰勒级数的TDOA/AOA混合算法后进行三维定位。与其他算法相比，优化后的混合算法在各种情况下均表现出了更为良好的定位精度。
Chan+Taylor+UKF组合算法
还有研究采用三级组合策略：首先通过Chan算法对接收的信号进行测算求解目标的二维位置，将获得位置估计作为Taylor的初始值进行迭代运算，最后使用无迹卡尔曼算法（UKF）来对结果进行修正，消除非视距传输误差和环境噪声对定位算法的影响。实验结果表明，该组合算法的定位精度达到10-20厘米。
轨迹优化：让定位路线更贴近真实行走
定位精度提升后，如何让运动轨迹更平滑、更符合实际行走路线，是另一个关键问题。研究者提出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，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。
实验数据：混合算法究竟提升了多少？
通过固定场景的实验数据和数据仿真结果表明，混合定位算法相比单一算法有显著提升：
| 测试条件 | 误差范围 | 轨迹点百分比提升 |
|---|---|---|
| 视距环境，标签静止 | 0~20cm | 22.4% ~ 33.7% |
| 非视距环境 | 0~50cm | 25.8% ~ 30.7% |
