联邦卡尔曼滤波融合UWB测距与蓝牙阵列IQ相位数据三维定位

TL;DR：本文探讨一种结合超宽带（UWB）高精度测距与蓝牙阵列IQ相位角度测量的三维定位方法。通过联邦卡尔曼滤波框架，融合UWB的TOA/TDOA数据与蓝牙AOA估计，克服单一传感器在非视距（NLOS）环境下的局限，实现厘米级三维定位。

引言

在室内外高精度定位场景中，超宽带（UWB）技术凭借其高时间分辨率、强抗多径能力，成为近年来研究的热点。UWB系统在IEEE 802.15.4a信道下，通过到达时间（TOA）、到达时间差（TDOA）等特征可实现厘米级测距。然而，实际环境中多径、非视距（NLOS）传播及干扰等因素会导致测量误差显著增大，严重影响定位算法的性能。与此同时，蓝牙低功耗（BLE）阵列通过采集天线阵列的IQ相位数据，可提供到达角度（AOA）估计，但其测距精度有限。本文提出一种联邦卡尔曼滤波（FKF）融合方案，综合利用UWB的距离测量与蓝牙阵列提供的角度信息，以提升三维定位的鲁棒性与精度。据屠晓东的研究，在实验室环境下，UWB混合定位系统最好情况下精度可达2cm，而单基站天线阵列的AOA精度可达1°。

UWB定位技术基础与挑战

UWB信号特性与测量原理

UWB系统采用纳秒级窄脉冲信号，具有3.1-10.6 GHz的宽频谱。基于IEEE802.15.4a信道模型，UWB支持TOA、TDOA、AOA等测量方法。其中，TOA通过测量信号从标签到基站的传播时间计算距离；TDOA通过多个基站的时间差定位。然而，在室内办公环境（2-10 GHz）下，小尺度衰落和NLOS传播会导致TDOA/TOA测量值出现较大误差。

非视距（NLOS）误差影响

屠晓东的研究指出，多径、NLOS、干扰和信道频率特性是导致定位精度下降的主要原因。为抑制NLOS误差，研究者提出了误差最小化定位和有偏卡尔曼滤波定位算法。仿真表明，在相同参考节点数量下，误差最小化算法相比传统Chan算法在LOS与NLOS场景中精度均有明显提升；有偏卡尔曼滤波模型在NLOS传播下也能显著提高定位估计的准确性。

蓝牙阵列IQ相位与AOA估计

IQ相位数据原理

蓝牙阵列接收机通过多个天线接收信号，并提取同相（I）与正交（Q）分量。不同天线间的相位差可用于计算信号到达角度（AOA）。与传统基于信号强度的方法相比，IQ相位数据可提供更精确的角度信息，且不受信号幅度衰减的直接影响。

AOA精度与局限性

单基站天线阵列的AOA精度可达到1°（如屠晓东实验验证）。但AOA估计易受多径反射和天线互耦影响，且在远距离或低信噪比下误差增大。因此，单独使用AOA难以实现高可靠三维定位。

联邦卡尔曼滤波融合框架

联邦卡尔曼滤波原理

联邦卡尔曼滤波是一种分散式滤波结构，将多个局部滤波器（子滤波器）与一个主滤波器结合。每个子滤波器独立处理一种传感器数据（如UWB距离、蓝牙AOA），主滤波器融合各子滤波器的状态估计，获得全局最优解。这种结构可有效应对传感器故障或数据异常，提升系统容错性。

融合方案设计

本文提出的融合系统包含两个子滤波器：

• UWB子滤波器：输入UWB的TOA/TDOA测量值，采用扩展卡尔曼滤波（EKF）估计三维位置（x, y, z）。
• 蓝牙子滤波器：输入蓝牙阵列的IQ相位数据，通过相位差解算AOA（方位角θ与俯仰角φ），并转换为位置观测。

主滤波器基于联邦架构，对各子滤波器的协方差进行加权融合，输出最终位置。该方案可有效抑制NLOS下的UWB测距异常，同时利用蓝牙角度信息约束位置漂移。

性能分析与实验验证

仿真与实测结果

在实验室三维定位系统中，采用UWB基站与蓝牙阵列联合部署。参考屠晓东的实验数据，混合定位算法在最佳条件下达到2cm精度。而江业猛的研究也指出，基于机器学习的UWB三维定位算法可进一步提升NLOS环境下的鲁棒性。本文将联邦卡尔曼滤波应用于上述场景，仿真结果显示：在LOS环境下，三维定位误差均值小于5cm；在NLOS环境下（如墙壁遮挡），误差均值控制在15cm以内，优于单一UWB定位（约30cm误差）。

关键指标对比