智能手机Wi-Fi往返时间测距室内定位方法
白羽1，柳景斌1，杨晨云鹂2，姚尧2
（1. 武汉大学 测绘遥感信息工程国家重点实验室，武汉 430079；
2. 武汉市梦芯科技有限公司，武汉 430075）
摘 要：针对室内活动场景下，额外布设定位基站成本较高，应用范围有限，基于手机的室内高精度位置服务需求难以满足的问题。考虑到Wi-Fi在全球网络中的广泛部署及智能手机内置多种运动传感器，本文实现了基于Wi-Fi RTT测距信息和手机内置多传感器的实时室内定位方法，并在室内进行静态和动态定位实验，实验结果表明：该算法无论是定位精度还是定位准度都优于仅依赖于Wi-Fi RTT测距信息的Wi-Fi RTT LS算法和Wi-Fi RTT UKF算法，平均定位误差为1.16 m，最大定位误差为2.14 m。
0 引言近年来，随着移动定位技术的日臻完善，定位精度的日益提高，基于位置的服务（location based services，LBS）也在人们的日常生活中得到了广泛的应用[1]。在室外，全球卫星导航系统（global navigation satellite system，GNSS）能够方便快捷的提供准确的位置信息[2]，而室内由于GNSS信号受到墙体等建筑物的遮挡，衰减较大，定位精度较差，仅依靠GNSS定位无法满足室内导航定位的需要[3]。然而，据美国环境保护局（Environmental Protection Agency，EPA）统计，人们平均有高达87%的时间待在室内空间[4]。这意味着大部分时候，人们都需要依靠室内定位技术获得位置服务。此外，随着经济的快速发展，产业多元化的推进，人们的室内活动场景也变得越来越复杂，室内位置服务的需求也随之不断增长，可以说，室内位置服务蕴含着巨大的应用和商业潜能。
现有的室内定位技术，主要包括超宽带[5]（ultra wide band, UWB）、近场通信[6]（near field communication，NFC）、射频识别[7]（radio frequency identification，RFID）、蓝牙[8]、ZigBee[9]、Wi-Fi[10-11]、超声波[12]和多传感器[13-14]等。其中ZigBee、UWB、RFID、蓝牙、NFC和超声波定位技术都需要额外布设相应的基础设施，成本较高，应用范围有限。与之相对的是，Wi-Fi网络承载着一半以上的互联网流量[15]，Wi-Fi设备无需额外成本，已经广泛部署于室内环境中。此外，随着微机电系统（micro-electro-mechanical system，MEMS）的进一步发展，磁力计、陀螺仪、加速度计等传感器成本降低，大部分智能手机都集成了多种低成本传感器，基于多传感器的室内定位技术也逐渐运用在智能手机上，但其定位结果存在误差累积的问题，不适用于长时间单独定位。
相对而言，Wi-Fi定位技术因其无需额外布设成本，可实现长时间定位等优点，逐渐成为室内定位领域的研究热点。目前，Wi-Fi主要通过传播模型定位法[16]和位置指纹法[17-18]来实现定位。传播模型定位法通常是依赖于Wi-Fi信号的信号强度（received signal strength index，RSSI）特征，众所周知，RSSI容易受到复杂环境的干扰，其精度是有限的。至于位置指纹法，不仅难以维护，而且早期的位置指纹法也是将RSSI作为位置特征，同样存在精度有限的问题。将Wi-Fi RSSI信息与智能手机内置多传感器相结合[19-20]，能够有效提升定位精度，改善定位性能。
为了改善Wi-Fi定位的准确性，IEEE 802.11-2016标准对IEEE 802.11v定时测量协议进行了扩展，提出精细定时测量（fine time measurement，FTM）协议，该协议是一种传播时间（time of flight）测量协议，通过测量信号从Wi-Fi接入点到设备处再从设备处返回到Wi-Fi接入点的往返时间（round trip time，RTT）确定设备到Wi-Fi接入点的距离。如果有三个及以上已知坐标的Wi-Fi接入点，则可以通过距离交会的方法确定设备的位置。与IEEE 802.11v定时测量协议相比，FTM协议对时间戳的分辨率提出了更精确的要求，这也将带来定位精度的提高。虽然基于FTM协议的RTT已经有较精确的时间分辨率，但仍然无法避免非视距（non-line-of-sight，NLOS）的影响，在复杂的室内环境下，RTT的准确性难以保证。相比起来，基于客户端内置运动传感器的多传感器定位技术具有完全自主定位导航能力，不受复杂室内环境的影响，短时间内定位精度高。因此，本文将Wi-Fi RTT测距数据与多种传感器数据通过无迹卡尔曼滤波（unscented Kalman filter，UKF）进行融合用于室内定位研究，一方面能够避免误差累积的影响，另一方面能够减少NLOS对定位结果的影响，增强定位结果的可靠性、提高定位精度，改善定位性能，从而实现更优的室内定位体验。
当然，实现Wi-Fi RTT测距需要Wi-Fi接入点和移动客户端的共同支持。目前，已经有万禾（Compulab）提供的室内定位设备（Wi-Fi indoor location device，WILD）Wi-Fi路由器支持Wi-Fi RTT功能，可用于实验测试，本文实验均基于该设备。此外，谷歌于2018年8月向公众发布的Android Pie系统引入了对Wi-Fi RTT功能的平台级支持，并承诺在谷歌Wi-Fi mesh路由器中添加对Wi-Fi RTT的支持。至此，有基础设施和移动客户端支持，利用Wi-Fi RTT测距数据进行安卓端室内定位方法研究成为可能。本文实现了基于Wi-Fi RTT测距和手机内置多传感器的室内定位方法，并与仅依赖于Wi-Fi RTT测距信息的Wi-Fi RTT 最小二乘（least squares，LS）算法和Wi-Fi RTT UKF算法进行了实验对比。
1Wi-Fi RTT测距原理及误差分析1. 1 Wi-Fi RTT测距原理
在计算机网络中，RTT是指数据从发送端发送，到接收端确认数据，最后接收端的确认信息返回到发送端所经历的时间延迟。Wi-Fi RTT则是针对Wi-Fi信号的往返时间延迟，基于FTM协议获得Wi-Fi RTT信息的具体流程如图1所示。
移动定位终端先向Wi-Fi接入点发出FTM请求，Wi-Fi接入点接受该请求并返回确认字符（Acknowledge, Ack），并向移动定位终端发送FTM反馈（FTM1），此时时间为。移动定位终端收到FTM1，此时时间为，返回Ack，此时时间为。Wi-Fi接入点收到移动定位终端返回的Ack，此时时间为。至此获得一个Wi-Fi RTT信息的流程结束
然而在实际测量中，测距系统在网络上存在排队时延。据论文[21]所述，不同的RTT测量系统会使用不同方法对该误差进行改正，但改正后的测距结果可能出现负值。本文对所使用的Wi-Fi RTT基站测距性能进行分析，具体见文章1.2 Wi-Fi RTT测距误差分析部分。
通常在一个测距周期内，会进行多（假设为）次以上获得Wi-Fi RTT信息的流程，得到个Wi-Fi RTT信息，通过求均值的方法可以提高一个测距周期内Wi-Fi RTT信息的精度。
RTT信息的获取频率受到处理器的硬件性能及Wi-Fi信号带宽的限制，因此，增大值减小测量噪声的同时，也会花费更多的时间。
得到一个测距周期内Wi-Fi RTT均值信息后，可求移动定位终端与Wi-Fi 接入点间的距离。
1. 2 Wi-Fi RTT测距误差分析
Wi-Fi RTT测距实验在诗琳通地球空间信息科学国际研究中心的五楼走廊进行，楼道全长约55 m，总测试距离为48 m。以1.2 m为测距间隔，共选取40个距离测试点。实验过程中将Wi-Fi RTT基站和google pixel3测试手机分别平放在高度为0.97 m的脚架上，固定
Wi-Fi RTT基站位置不变，移动google pixel3测试手机，在每个距离测试点上采集1~2 min的静态测距数据（约200组数据），实验环境如图2所示。
(a) 较近距离 | (b) 较远距离 |
图2 Wi-Fi RTT测距实验环境 | |
对每个距离测试点的测距数据进行统计分析，呈现长走廊Wi-Fi RTT测距图，如图3所示。坐标横轴为Wi-Fi RTT基站与测试手机的真实距离，代表40个不同的距离测试点，坐标纵轴为测量距离，灰色格网一个格子的横纵长度均为1.2 m。三角形折线代表真实距离，即横纵坐标值相等。正方形折线代表不同距离测试点上的测量距离均值，不同距离测试点上的竖直虚线代表测量距离的波动范围，即该距离测试点测量距离的最大值与最小值，可以一定程度上表示该点距离测量值的集中度。
