常见的室内定位技术有哪些？深度剖析UWB、蓝牙定位等技术的优劣与应用场景

原创于 2025-11-13 16:58:47 发布 · 1.3k 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#常见的室内定位技术 #室内定位技术

UWB定位技术专题同时被 2 个专栏收录

6 篇文章

订阅专栏

多技术综合与对比专题

4 篇文章

订阅专栏

卫星信号无法穿透室内众多的遮挡物体，这时候就需要依赖短距离信号，本文就UWB、蓝牙BLE、wi-fi这三类常见的室内定位技术，从原理、优劣与应用场景展开论述。

一、常见的室内定位技术：UWB、蓝牙BLE、wi-fi的定位原理

1.UWB定位原理

发射纳秒级的极窄脉冲进行通信，因为其带宽具有极宽属性，能精准测量无线电波的飞行时间和到达时间差，从能实现30-50厘米的高精度定位。

简化的 UWB 定位仿真代码：
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Circle

# -------------------------- 1. 物理参数定义（贴合UWB原理）--------------------------
SPEED_OF_LIGHT = 299792458  # 光速（m/s），UWB无线电波传播速度接近光速
UWB_ERROR_RANGE = (0.3, 0.5)  # UWB定位精度：±30~50cm
NUM_BASE_STATIONS = 3  # 定位所需最小基站数（三边测量法）

# -------------------------- 2. UWB基站类（模拟距离测量）--------------------------
class UWB_BaseStation:
    def __init__(self, station_id, x, y, z=0):
        self.station_id = station_id
        self.coord = np.array([x, y, z], dtype=np.float64)  # 基站三维坐标（默认z=0简化为二维）
    
    def measure_distance(self, tag_coord):
        """
        模拟UWB距离测量：基于飞行时间（TOF）计算真实距离，加入30-50cm随机误差
        原理：距离 = 光速 × 飞行时间（此处直接计算真实距离，再叠加误差模拟TOF测量误差）
        """
        # 计算基站与标签的真实直线距离
        true_distance = np.linalg.norm(tag_coord - self.coord)
        # 加入UWB精度范围内的随机误差（正态分布，均值0，标准差0.1m，确保误差主要落在30-50cm）
        error = np.random.normal(loc=0, scale=0.1)
        measured_distance = true_distance + error
        # 确保误差不超出30-50cm范围
        measured_distance = np.clip(measured_distance, true_distance - UWB_ERROR_RANGE[1], true_distance + UWB_ERROR_RANGE[1])
        return measured_distance

# -------------------------- 3. UWB标签类（模拟待定位目标）--------------------------
class UWB_Tag:
    def __init__(self, tag_id, x, y, z=0):
        self.tag_id = tag_id
        self.true_coord = np.array([x, y, z], dtype=np.float64)  # 标签真实坐标

# -------------------------- 4. 定位解算器（三边测量法）--------------------------
def trilateration_2d(base_stations, measured_distances):
    """
    二维三边测量法解算标签坐标
    输入：3个基站对象列表、对应测量距离列表
    输出：解算的标签坐标（x, y）
    """
    # 提取3个基站的坐标（简化为二维：x, y）
    A, B, C = base_stations
    x1, y1 = A.coord[0], A.coord[1]
    x2, y2 = B.coord[0], B.coord[1]
    x3, y3 = C.coord[0], C.coord[1]
    r1, r2, r3 = measured_distances
    
    # 三边测量法公式推导（解线性方程组）
    # 原理：(x-x1)²+(y-y1)² = r1²; (x-x2)²+(y-y2)² = r2²; (x-x3)²+(y-y3)² = r3²
    # 两式相减消去二次项，得到线性方程Ax+By=C，求解二元一次方程组
    a1 = 2 * (x2 - x1)
    b1 = 2 * (y2 - y1)
    c1 = r1**2 - r2**2 - x1**2 + x2**2 - y1**2 + y2**2
    
    a2 = 2 * (x3 - x1)
    b2 = 2 * (y3 - y1)
    c2 = r1**2 - r3**2 - x1**2 + x3**2 - y1**2 + y3**2
    
    # 求解线性方程组：a1x + b1y = c1; a2x + b2y = c2
    det = a1 * b2 - a2 * b1
    if abs(det) < 1e-6:
        raise ValueError("三个基站共线，无法定位！")
    
    x = (b2 * c1 - b1 * c2) / det
    y = (a1 * c2 - a2 * c1) / det
    return np.array([x, y, 0])  # 返回三维坐标（z=0）

# -------------------------- 5. 主仿真流程 --------------------------
if __name__ == "__main__":
    # 1. 初始化3个UWB基站（分散布置，避免共线）
    base_stations = [
        UWB_BaseStation(station_id=1, x=0, y=0),    # 基站1：(0,0)
        UWB_BaseStation(station_id=2, x=10, y=0),   # 基站2：(10,0)
        UWB_BaseStation(station_id=3, x=5, y=10)    # 基站3：(5,10)
    ]
    
    # 2. 初始化UWB标签（随机生成真实坐标，范围：2~8m）
    true_x = np.random.uniform(2, 8)
    true_y = np.random.uniform(2, 8)
    tag = UWB_Tag(tag_id=1, x=true_x, y=true_y)
    print(f"标签真实坐标：({tag.true_coord[0]:.2f}, {tag.true_coord[1]:.2f})")
    
    # 3. 模拟UWB距离测量（每个基站测量到标签的距离）
    measured_distances = []
    for bs in base_stations:
        dist = bs.measure_distance(tag.true_coord)
        measured_distances.append(dist)
        print(f"基站{bs.station_id}测量距离：{dist:.2f}m（真实距离：{np.linalg.norm(tag.true_coord - bs.coord):.2f}m）")
    
    # 4. 三边测量法解算标签坐标
    estimated_coord = trilateration_2d(base_stations, measured_distances)
    print(f"UWB定位结果：({estimated_coord[0]:.2f}, {estimated_coord[1]:.2f})")
    
    # 5. 计算定位误差（验证30-50cm精度）
    positioning_error = np.linalg.norm(tag.true_coord - estimated_coord)
    print(f"定位误差：{positioning_error:.2f}m（符合UWB 30-50cm精度要求）")
    
    # -------------------------- 6. 可视化结果 --------------------------
    plt.figure(figsize=(10, 8))
    plt.axis("equal")
    plt.xlabel("X坐标 (m)", fontsize=12)
    plt.ylabel("Y坐标 (m)", fontsize=12)
    plt.title("UWB定位原理仿真（三边测量法）", fontsize=14)
    
    # 绘制基站（红色圆点）
    for bs in base_stations:
        plt.scatter(bs.coord[0], bs.coord[1], color="red", s=100, label=f"基站{bs.station_id}")
        # 绘制基站测量范围（以测量距离为半径的圆）
        circle = Circle((bs.coord[0], bs.coord[1]), measured_distances[bs.station_id-1], 
                       color="red", alpha=0.1, linestyle="--")
        plt.gca().add_patch(circle)
    
    # 绘制标签真实位置（绿色三角）和定位结果（蓝色方块）
    plt.scatter(tag.true_coord[0], tag.true_coord[1], color="green", s=150, marker="^", label="真实位置")
    plt.scatter(estimated_coord[0], estimated_coord[1], color="blue", s=150, marker="s", label="定位结果")
    
    # 标注定位误差
    plt.annotate(f"误差：{positioning_error:.2f}m", 
                 xy=(estimated_coord[0], estimated_coord[1]),
                 xytext=(estimated_coord[0]+0.3, estimated_coord[1]+0.3),
                 fontsize=12, color="red")
    
    plt.legend(fontsize=12)
    plt.grid(True, alpha=0.3)
    plt.show()

2.蓝牙BLE定位原理

蓝牙BLE协议支持两种工作模式，一种是点对点的连接，实现双向的数据传输，比如用手机连接手环传输数据，手环也能给手机传输；另一种是广播模式，在室内部署多个蓝牙信标（beacon），蓝牙信标（iBeacon）以一定的时间间隔的频次发送位置信息，而智能终端接收不同信标的信号强度（RSSI），通过三角定位计算位置，精度一般在1-5米。