室内LED 可见光定位若干关键技术的比较研究

赵嘉琦，迟 楠

(复旦大学 通信科学与工程系;电磁波信息科学教育部重点实验室，上海 200433)

0 引言

随着智能通信技术和物联网技术的兴起与发展，基于位置识别的服务(Location Based Services，LBS)正受到越来越多的关注，其中定位技术是实现LBS 的关键。

全球定位系统(Global Positioning System，GPS)作为目前最为常用的导航定位系统，其技术发展已经较为成熟，并且得到了广泛的应用。但由于多径衰落的影响、其他无线设备的干扰以及建筑物的阻挡，GPS在室内的信号覆盖度差，可靠性低，定位效果并不理想。为解决定位导航“最后一公里”的问题，各研究机构在室内定位技术方面开展了大量的研究，涌现了很多新的技术，如基于红外线、超声波、蓝牙、超宽带、射频识别、WiFi、可见光通信等的室内无线定位技术，有效填补了LBS 在室内定位这一块的空白。其中基于LED 可见光通信的定位技术是近年来新兴的一种定位技术，具有极大的发展前景，文章后半部分将对这种技术进行详细的介绍。

1 室内定位技术

室内定位技术主要分为两大类，广域室内定位和局域室内定位。广域室内定位是承载到广域网上实现广域覆盖，局域室内定位技术是承载到局域网上实现局部区域覆盖。广域室内定位技术需要改造基站及手机芯片等设备模块，成本高，周期长;局域室内定位技术成本较低，周期短，是目前商业化推广运作较好的选择方案，因此文章将主要讨论局域室内定位技术。

图1 室内定位流程图

通常，局域室内定位技术的流程是，先将环境的特征信息加载到所要发射的信号上，如红外线、超声波、蓝牙等，然后由相应的传感器感知信号的强度、到达时间等信息，再根据相应的定位算法计算出待测点的确定位置，定位流程如图1 所示。

1.1 红外线定位技术

红外线是波长在770 nm～1 mm 之间的电磁波。红外线室内定位的原理是，红外线发射器发射周期性带有唯一身份ID 的红外信号，通过安装在室内的光学传感器进行接收，然后再通过有线或无线网络将数据传输给控制中心实现定位。

较为经典的红外线定位系统是由AT＆T 剑桥实验室开发的Active Badge 定位系统。在该系统中，待定位目标上装有红外发射器，作为移动站，周期性发射唯一身份标志ID。同时，在室内布置大量的红外接收器作为基站，基站通过有线方式连接到控制中心，当移动站进入相应定位区域并且被该区域基站识别后，控制中心就可以确定目标当前的位置。

近年来，涌现了一些改进的红外线室内定位系统，比如:使用多对红外发射器和红外接收器交叉组成的探测信号网络来覆盖待测空间，采用基于最小二乘法原理的极小化误差法增加探测距离，提高定位精度。

虽然红外线具有相对较高的室内定位精度，但由于直线视距和传输距离较短这两大主要缺点使其室内定位的应用受到很大限制。此外，红外线容易被室内其他光源干扰，影响定位精度。

1.2 超声波定位技术

超声波室内定位原理是，在被定位端加装超声波发射器(接收器)，置于装有若干超声波接收器(发射器)的环境中，通过测量超声波从发射器到接收器的时间从而计算距离。为了减小信号的同步要求，通常移动端携带发射器，参考点携带接收器，采用三边定位法计算出移动端当前的位置。

超声波定位通常会结合其他的方式比如射频信号来实现定位。目前主要基于超声波的室内定位系统:AT＆T 实验室的Active Bat 系统及麻省理工学院的Cricket 系统就是超声定位与射频结合的例子。由于射频信号传输速率远高于超声波，因此可以利用射频信号预先激活电子标签，开始接收超声波信号，再利用TDOA 的方法测距，进行位置估算。有研究引入了节能机制，改进Cricket 室内定位系统的信道分配策略，当信标与发射机的距离范围为0～6 m 时，误差在1.2 cm 左右。

超声波的传输速度远小于电磁波，且不受可视距离限制，能够在介质中远距离传播，因此定位精度较高，可达厘米级。目前超声波测距在工业中已得到广泛应用，但在定位系统中通常需要其他技术如无线电辅助定位，导致硬件设施成本增加。

1.3 蓝牙定位技术

蓝牙技术是一种短距离低功耗的无线传输技术。基于蓝牙的定位系统通常采用两种测量算法:基于传播时间的测量方法和基于信号衰减的测量方法。对于前者，由于室内环境多变，存在多径效应，为减小误差必须采用纳秒级的同步时钟，这在实际应用中很难实现。而对于后者有两种思路:一是完全根据理论公式进行计算，但由于实际应用中信号的衰减受多种因素影响，依靠理想模型公式定位效果较差;二是利用经验方法进行定位，定位之前预先测定目标区域内多个参考点的信号强度，建立数据库，利用接收强度与数据库的强度分布匹配完成定位。

Nokia 在2011年v提出HAIP(High Accuracy Indoor Positioning)室内精确定位方案，该方案采用增强型蓝牙技术以增加蓝牙发射天线的指向性，通过三角定位算法实现精确定位，精度最高可达到亚米级。

蓝牙室内定位技术的最大优势在于其设备体积小并且易于集成在手机等移动终端内，只要设备的蓝牙功能开启，蓝牙定位系统就能对其进行位置判断。不足之处在于蓝牙模块相对于移动设备而言其耗电量比较大，并且对于复杂的空间环境，蓝牙系统的稳定性较差。

1.4 超宽带定位技术

超宽带技术是一种全新的、与传统通信技术有极大差异的通信新技术。通过发送和接收具有纳秒或纳秒级以下的极窄脉冲来传输数据，从而具有GHz 量级的带宽，不需要使用传统通信体制中的载波。

图2 超声波定位结构图

超宽带定位系统包括UWB 接收器、UWB 参考标签和主动UWB 标签。定位结构图如图2 所示，定位过程中由UWB 接收器接收标签发射的UWB 信号，过滤电磁波传输过程中夹杂的各种噪声干扰后，得到有效信息的信号，再通过中央处理单元进行测距定位计算分析。

超宽带技术室内定位系统的典型实例为英国Ubisense 公司的定位系统。该系统采用码分多址技术和TDOA/AOA 算法，定位精度可达亚米级，并且已经应用于宝马和阿斯顿马丁公司。

超宽带技术发射的是持续时间极短、占空比低的窄脉冲信号，因此它具有较强的多径分辨能力，可以提供更高精度的定位。另外UWB 信号自身的功率谱密度很低，具有良好的频段共存性。但是，目前该技术还处于新兴研究阶段，没有统一的标准，因此硬件成本比较高。

1.5 射频识别定位技术

射频识别技术是一种操控简易，适用于自动控制领域的技术，它利用了电感、电磁耦合及雷达反射的传输特性，实现对被识别物体的自动识别。RFID 室内定位系统通常由电子标签、射频读写器、中间件及计算机数据库组成。射频标签和读写器通过天线架起的空间电磁波的传输通道进行数据交换。在定位系统应用中，将射频读写器放置在待测移动物体上，射频电子标签嵌入到操作环境中。电子标签上存储有位置识别的信息，读写器则通过有线或无线形式连接到信息数据库。

不同RFID 系统的工作频率不同，表1 列出了工作于不同RFID 系统的特性。根据表1 的比较，以2.45 GHz 的微波信号搭建室内无线定位网络比较有效。2.45 GHz 信号由于其具有频宽和传输速率快的优点而受到日益广泛的应用，并且其天线和产品的体积越来越小，携带和使用更加方便。

表1 不同频段RFID 的系统特性

典型的RFID 室内定位体统有LANDMARC 和VIRE。LANDMARC 通过参考标签和待定标签的信号强度RSS 的分析计算，利用“最近邻居”算法和经验公式计算出带定位标签的坐标，定位精度可达1 m。该系统主要有两个缺点:一是定位精度受到参考标签分布的影响，二是计算量极大并存在冗余。VIRE 系统是对LANDMARC 系统的改进，通过引入虚拟标签增加了大量的参考点，提高了定位精度，同时通过模糊地图法，去掉那些不可能位置来减少冗余运算。

RFID 技术具有通用性高、速率快、天线及产品模块体积小等特点，已经广泛应用于门禁控制、IC 卡、停车场管理等领域中。其缺点在于作用距离近，不易兼容其他系统联合工作。未来基于RFID 的室内定位技术将对系统的可靠性、实用性、精确度及环境的自主感知能力等提出更高的要求。

1.6 WiFi 定位技术

WiFi 是一种高速率、高覆盖度、高带宽的无线局域网(WLAN)，它基于IEEE802.11 标准，几乎不受非视距影响，其硬件平台也已经发展得非常成熟，使其在中短距离的无线应用中拥有极大的优势。由于无线信号容易受到其他电磁波的干扰并且有明显的多径效应，因此WiFi 定位一般采用基于RSSI 的指纹分析法。

经典的基于WiFi 的室内定位系统是微软研究院推出的RADAR 定位系统，采用指纹分析法，可达到米级定位。不足之处在于前期数据库的建立成本较高，且系统移植性差，一旦环境改变，原有数据库就会失效。

WiFi 室内定位技术的最大优势在于硬件平台的成熟以及WiFi 信号的普及，它将是投入商用最有潜力的定位技术之一。未来的研究主要集中于如何在较少的数据采集情况下获得较高的定位精度，以及如何最大程度地避免其他射频信号的干扰。

2 可见光定位技术

可见光通信作为一种新兴无线通信方式，因其能效高，绿色环保，不受电磁干扰影响，兼具照明和定位两种功能等优势而成为近年来的一个研究热点，基于可见光通信的室内定位技术也随之被提出。

2.1 定位原理

在室内可见光定位系统中，由天花板上固定位置的LED 阵列发射带有位置信息的光信号，经编码调制后由移动目标携带光探测器接收光信号，通过解码、解调等信号处理后恢复出原始信号，再由相应的定位算法分析得到移动目标的位置。定位系统中可见光通信结构框图如图3 所示。

图3 可见光通信系统结构示意图

2.2 定位算法

目前，LED 可见光室内定位常用的定位算法可以分为四大类，如图4 所示。

2.2.1 几何测量法

第一类是几何测量法。这种方法首先测量待测点与已知位置的LED 灯(参考点)几何关系，再通过运算获取待测点的位置信息。主要采用的几何关系有三种，分别是三边定位法、三角定位法和双曲线定位法，如图5 所示。

三边定位法就是测量待测点到三个不在同一直线上的参考点的距离，以这三个参考点为圆心，以测量的三边距离为半径做出三个圆的交点就是待测点的位置。三角定位法依据这样一个几何原理:在一个三角形中，如果已知一条边的长度和以这条边为公共边的两个角的大小，那么就可以确定第三个点的位置，该点是三角形另外两条边的交点。双曲线定位法应用到了形成双曲线的几何原理:到两个固定点的距离差为常数的动点轨迹是以这两个固定点为焦点的双曲线。通过三个不在同一直线上的参考点可以确定两组双曲线，它们的交点就是待测点的位置。

图4 室内定位算法分类

图5 三种主要几何测量法原理图

通过以上方法计算待测点位置时需要知道距离或是角度关系，基于距离的测量方法有信号到达时间(Time of Arrival，TOA)、信号到达时间差(Time Difference of Arrival，TDOA)、信号往返时间(Return Time of Flight，RTOF)、信号强度(Received Signal Strength，RSS)。基于角度的测量方法有信号到达角度(Angle of Arrival，AOA)。

TOA 测量信号到达时间t，通过公式R=c·t得到待测点到参考点的距离，在三边定位中可用公式(1)计算得到待测点坐标(x0，y0)。

TDOA 测量信号到达两个参考点的时间差，利用公式d=c·Δt计算待测点到两个参考点的距离之差，可以用于双曲线定位系统中，由公式(2)可得到待测点坐标(x0，y0)。和TOA 相比，它的优势在于不需要严格的同步。

RTOF 是TOA 的改进，由于RTOF 是对信号的往返时间进行测量，同步要求不高，计算方法同TOA 类似。这种测量非常类似一个雷达，待测点接收来自参考点的信号后随即将信号返回，根据信号发出到返回的时间估算待测点与参考点之间的距离。

RSS 通过测量接收信号的强度，将其与特定环境的传输损耗模型相对应，从而计算出距离，适用于三边定位。

2.2.2 场景分析法

第二类是场景分析法，通过观察场景中的特征来推断待测目标的位置，即通常所说的指纹识别法。一般场景分析法包括两个阶段，离线勘测阶段和在线定位阶段。离线勘测的目的是建立一个特定场景特征信息与移动设备之间的对应关系数据库。在线定位是将实时测量的用户信号与数据库中的特征信息相匹配，从而实时确定目标的位置。

场景分析分为静态场景分析(Static Scene Analysis)和差动场景分析(Differential Scene Analysis)。静态场景分析中，各参考位置的特征信息构建成指纹数据库，将待观测的特征信息与数据库中的信息进行比对，然后映射到场景中的位置。相对的，差动场景分析则需要连续追踪场景间的差异来估计待测点的位置。

2.2.3 近似感知法

第三类是基于邻近关系的近似感知法。在室内天花板上布置特定的LED 阵列，每一个LED 灯作为一个服务接入点，发射带有位置信息的光信号。当用户终端进入服务接入点的通信范围内，就可以获取该灯的位置信息，由服务器在数据库中查找返回接入点的位置及有可能的通信覆盖范围。

一般有两种方法确定用户终端的位置，分别是广告牌算法和质心算法。广告牌算法是直接将接入点的位置作为用户终端的位置，这种算法的定位误差就是接入点的通信范围。质心算法是取用户终端所有接入点坐标平均值，作为用户终端的位置坐标，进一步改进的算法是加上信号强度作为权值进行加权平均。

文献［13］提出了一种基于LED-ID 的定位方法，并投入使用。LED 阵列采用蜂窝结构，将空间划分为多个光照小区，如图6 所示，采用广告牌算法将目标定位到所在的光照小区内，该方法的定位精度为两个小区中心距离的一半，实际应用中可达米级定位。

图6 基于蜂窝结构的LED 阵列排布

2.2.4 图像传感器成像法

基于图像传感器的室内LED 定位系统结构如图7(a)所示，在平行于LED 灯与图像传感器之间的平面上放置一个透镜，使用图像传感器测量法必须保证共线条件，即发射点、透镜中心和接收点保持在同一条直线上，示意图见图7(b)。根据图中的几何关系，可通过方程组(3)计算得到待测点位置坐标。

图7 基于图像传感器的室内LED 定位系统示意图

其中，f是透镜的焦距，mi，j(i，j=1，2，3)是旋转矩阵M 的元素，可由方程组(4)确定，ω、φ、θ 分别表示入射光线与x、y、z三个坐标轴的夹角。

仿真结果表明，随着图像传感器分辨率的提升，定位精度不断提高。但当分辨率上升到一定程度时，会出现一个成像点占据多个像素点的现象，此时就会有量化误差的存在，影响定位精度。因此如何减小量化误差，提高定位精度是需要突破的难点。

2.3 定位算法比较

对以上几种室内LED 可见光定位算法进行一个系统的比较，如表3 所示。

表3 室内LED 可见光定位算法比较

几何测量法是最为传统的定位算法，通过对时间、角度或是信号强度的实时测量可以较为精确地计算出待测点的位置，但需要一定时间进行实时测量和计算，并且功耗较大。其中，TOA 要求发射机和接收机严格同步，较难实现;TDOA 和RTOF 都是对TOA的改进，对同步没有要求;RSS 的测量精度较低，这是因为光在室内遇障碍物沿非视路传播时，其传播模型较为复杂，误差较大;AOA 算法一般是和图像传感器定位法相结合，通过图像传感器测量入射光线与待测点的角度，精度高，但需要高度复杂的图像传感器阵列，复杂度较高。

场景分析不需要进行实时测量，定位速度快，且不需要额外的硬件成本，性能较为稳定。不足之处在于系统的移植性较差，前期离线训练阶段耗费的成本太高，且随着时间的推移位置指纹数据库会逐渐失效，需要重新构建。

基于邻近关系的近似感知法实现较为简单，其性能取决于所布置的LED 发射阵列的网格密度，密度越大，定位精度越高，但也存在复杂度提升，邻近干扰加强的问题。

图像传感器成像法的定位精度依赖于各测量组件的精度，但一般都高于其他定位算法的定位精度，并且能兼具定位速度快、移植性好的优点。随着MIMO 技术的发展以及智能拍照手机的普及，基于图像传感器成像法的室内定位技术具有极大的发展潜力和广泛的应用前景，是未来可见光室内定位技术的发展方向。

2.4 未来发展趋势

目前，基于LED 可见光通信的室内定位技术研究尚处于起步阶段，正面临许多挑战。未来的研究工作将主要集中在以下几个方面:(1)完善硬件平台的搭建，使之更便携实用。(2)研究LED 阵列布局对照明和定位精度的影响，优化布局方案。(3)研究如何有效抑制室内其他背景光噪声的干扰，提高定位精度。(4)融合其他无线通信手段，寻求多种技术的互补以完善系统性能。

3 室内定位技术比较

表3 对各种室内定位技术的性能进行了综合比较。

表3 室内定位技术比较

红外线定位技术主要受视距传播和通信距离短的限制，需要部署大量发射器和接收器，复杂度高、功耗大、成本高。超声波具有良好的方向性，且不受视距影响，定位精度较高，但通常需要其他无线通信技术辅助，硬件开销较大。蓝牙最大的优势在于能集成在手机等移动终端上，实用性强，但蓝牙设备的性能不够稳定，并且对于相应的移动终端而言耗电量比较大。超宽带定位具有良好的多径分辨能力，可以提供更高的定位精度，但目前的研究还不够成熟，没有统一的接口标准，硬件成本较大。射频识别和WiFi 都是目前发展较为成熟的无线通信技术，已经有了广泛的应用，未来室内定位领域的研究方向为提高定位精度和系统稳定性，精简设备，降低成本。

基于LED 可见光通信的室内定位技术具有诸多优势:首先该技术使用发光二极管(LED)作为光源，进行定位的同时可以提供照明服务，而且除了一些必要的信号处理几乎不需要多余的功率消耗。该定位系统不会产生任何射频干扰，因此可以部署在射频辐射被严格限制的环境中(如医院)。因为VLC 系统受到多径效应以及来自其他无线手持设备的干扰较少，所以比无线电波的定位精度更高。但是，目前可见光定位的研究还处于起步阶段，如何减小干扰光源的影响、优化LED 阵列排布、简化硬件设施等都是未来研究中需要攻克的难题。

4 小 结

文章介绍了目前主要的局域室内定位技术及其典型的应用系统，并对LED 可见光室内定位技术做了重点介绍。

虽然，目前大多数的定位系统基本都能完成简单的定位任务，但离真正实现室内“智能空间”的目标，并且投入商用还有一定的差距。后续的研究方向主要集中在以下几个方面:(1)室内定位技术的互补融合。不同的定位技术各有利弊，通过技术融合，取长补短，往往能实现定位精度更高、更稳定、成本更低。(2)通用协议标准化。多种技术无缝整合的发展趋势无疑对通用协议标准化提出了要求，这也是室内定位未来发展必须解决的问题之一。(3)定位算法的不断改进。定位系统的精度不仅仅取决于系统的定位技术，定位算法也起到了举足轻重的作用，通过算法的完善能够有效减小误码率，提升系统的精度和稳定性。(4)新技术开发。LED 可见光室内定位就是近年来新兴的定位技术，未来必定会有更多新型的无线通信技术应用于室内定位系统中，进一步完善“智能家居”应用。

［1］迟楠.LED 可见光通信技术［M］.北京:清华大学出版社，2013

［2］Want R，Hopper A.Active badges and personal interactive computing objects［J］.Consumer Electronics，IEEE Transactions on，1992，38(1):10～20

［3］宁静.采用红外织网的室内定位技术［J］.激光与红外，2011，7(41):775～777

［4］侯娜，黄道君.红外无源定位技术研究［J］.电子对抗技术，2002，17(4):12～14

［5］Woodman O J，Harle R K.Concurrent scheduling in the Active Bat location system［C］//Pervasive Computing and Communications Workshops (PERCOM Workshops)，2010 8th IEEE International Conference on，2010:431～437

［6］Hong-Peng Wang，Yao-Kuan Wang，The Research on Indoor Location System Based on Cricket［C］//Machine Learning and Cybernetics，2007 International Conference on，2007:2662～2666

［7］刘君，吴建国，褚曦丹，朱丽进，李炜.Cricket 室内定位系统的研究与改进［J］.计算机技术与发展，2011(5):206～209

［8］Gonzalez-Castano F J，Garcia-Reinoso J.Bluetooth location networks［C］//Global Telecommunications Conference.IEEE，2002:233～237

［9］余扬，赵凯飞，沈嘉.室内定位技术应用、研究现状及展望［J］.电信网技术，2014(5):46～49

［10］Ni L M，Yunhao Liu，Yiu Cho Lau，Patil A P.LANDMARC:indoor location sensing using active RFID［C］//Pervasive Computing and Communications，Proceedings of the First IEEE International Conference on，2003:407～415

［11］Xin Zhang，Jian Peng，Xiaoyang Cao.RFID Indoor Localization Algorithm Based on Dynamic Netting［C］//Computational and Information Sciences (ICCIS)，2010 International Conference on，2010:428～431

［12］Falcone P，Colone F，Macera A，Lombardo P.Two-dimensional location of moving targets within local areas using WiFi-based multistatic passive radar［J］.Radar，Sonar ＆Navigation，IET，2014，8(2):123～131

［13］杨爱英，吴永胜，王雨，孙雨南.一种基于可见光标签的室内定位方法:中国，CN103823204A［P］.2014-05-28

［14］Yang S H，Jeong E M，Kim D R，et al.Indoor three-dimensional location estimation based on LED visible light communication ［J］.Electronics Letters，2013，49(1):54～56

［15］Yoshino M，Haruyama S，Nakagawa M.High-accuracy positioning system using visible LED lights and image sensor ［C］//Radio and Wireless Symposium，2008:439～442，22～24