4、定位数据基础：GPS、UWB、Wi-Fi、蓝牙等定位技术的原理与精度对比
在Edge AI传感器融合系统中，定位数据是连接物理世界与数字模型的时空锚点。无论是自主移动机器人（AMR）的路径规划、AR设备的姿态注册，还是工业资产追踪，单一传感器（如IMU）的积分漂移问题必须依赖位置参考来周期性校正。本章将深入剖析GPS、UWB、Wi-Fi、蓝牙（BLE）四种主流定位技术的内在机理、精度边界与适用场景，并给出在多传感器融合架构中的选型与数据预处理策略。
4.1 核心原理：从物理测量到位置解算
定位技术的本质是将物理信号（电磁波、声波、光）的传播特性转化为几何约束，再通过数学方法求解目标坐标。根据测量量的不同，可分为测距式、测角式和指纹式三大类。理解这些原理是正确选型与融合的前提。
- GPS/GNSS（全球导航卫星系统）：基于卫星发射的扩频码与载波相位，接收机通过测量信号到达时间（ToA）计算与至少4颗卫星的距离（伪距），利用空间后方交会解算出三维坐标。其误差源包括电离层/对流层延迟、星历误差、多径效应和接收机钟差。RTK（载波相位差分）技术可将精度提升至厘米级，但需要基准站或网络RTK服务。
- UWB（超宽带）：采用纳秒级窄脉冲信号，带宽超过500MHz。通过测量信号飞行时间（ToF）或到达时间差（TDoA）实现测距。由于脉冲极窄，多径分辨能力强，测距精度可达±10cm。典型方案包括双边双向测距（DS-TWR）和到达相位差（PDOA）。
- Wi-Fi定位：主要利用RSSI（接收信号强度指示）进行三边定位或指纹匹配。三边定位需要已知AP坐标并建立信号衰减模型，但室内多径和人体遮挡导致模型误差大；指纹定位则预先采集各位置点的RSSI向量，在线阶段通过KNN或概率算法匹配，精度依赖指纹库密度。
- 蓝牙BLE定位：与Wi-Fi类似，基于RSSI的iBeacon方案是主流，但BLE 5.1引入了到达角（AoA）/出发角（AoD）测量，通过天线阵列相位差计算角度，结合测距实现更高精度。BLE的功耗极低，适合纽扣电池供电的标签。
4.2 精度对比与误差特性分析
精度是定位技术选型的首要指标，但必须结合误差的统计特性与时间相关性来评估。下表从多个维度对比四种技术，帮助工程师建立量化认知。
| 技术类型 | 典型精度 | 更新率 | 延迟 | 覆盖范围 | 主要误差源 | 成本/功耗 |
|---|---|---|---|---|---|---|
| GPS (单点) | 1-5m (CEP50) | 1-10Hz | 1-3s (冷启动) | 全球室外 | 电离层、多径、钟差 | 中/高 |
| GPS (RTK) | 1-3cm | 5-20Hz | 0.1-0.5s | 需基站覆盖 | 整周模糊度、链路中断 | 高/高 |
| UWB (ToF) | 10-30cm | 10-100Hz | <10ms | 10-100m (视距) | NLOS误差、时钟偏移 | 中/中 |
| Wi-Fi (指纹) | 3-10m | 0.1-1Hz | 0.5-2s | 室内AP覆盖 | 指纹库陈旧、环境变化 | 低/低 |
| BLE (AoA) | 0.5-2m | 1-10Hz | 0.1-0.3s | 10-50m | 天线阵列校准、反射 | 低/极低 |
从误差特性看，GPS误差是慢变的、空间相关的，适合用卡尔曼滤波平滑；UWB误差在视距（LOS）下接近高斯白噪声，但非视距（NLOS）会产生大偏差（数米级），需要鲁棒检测；Wi-Fi/BLE的RSSI波动剧烈，标准差可达3-5dBm，对应距离误差2-4米，且具有时间相关性（人员走动、门开关）。
4.3 实战场景：室内外无缝定位系统设计
以某仓储物流AGV（自动导引车）项目为例，需求是：在20000㎡仓库内实现±30cm定位精度，AGV需从室外月台（GPS可用）自动行驶至室内货架区，并完成对接操作。初始方案仅依赖UWB，但发现两个问题：一是UWB锚点部署成本高（需覆盖全部通道），二是室外月台无法安装锚点。最终采用分层融合方案。
- 环境与约束：仓库高12m，货架密集，金属货架对无线信号反射严重；AGV最高速度2m/s，要求定位更新率≥20Hz；已有Wi-Fi基础设施（每20m一个AP）。
- 方案架构：室外段使用GPS（单点+RTK可选），室内主干道部署UWB锚点（间距30m），货架深处利用Wi-Fi指纹提供粗略位置（精度3-5m），BLE信标用于AGV与充电桩的近距离对接（精度0.5m）。
- 融合策略：采用扩展卡尔曼滤波（EKF），状态量为位置、速度、姿态。GPS作为全局观测，UWB作为局部高精度观测，Wi-Fi/BLE作为弱观测（权重低）。当UWB信号丢失（NLOS检测），滤波器自动切换至Wi-Fi+IMU推算模式，并增大过程噪声协方差。
- 关键参数：UWB测距值在NLOS时误差可达2-5m，通过残差卡方检验识别：若新息（观测-预测）超过3倍标准差，则丢弃该锚点数据。Wi-Fi指纹库每季度更新一次，BLE信标RSSI采用滑动窗口均值滤波（窗口5个样本）。
- 结果对比：融合后系统在室内直线段定位误差RMS为0.18m，转弯处0.25m，满足AGV对接要求（±0.3m）。相比纯UWB方案，锚点数量减少40%，且室外段无需额外部署。
- 风险与代价：EKF对初值敏感，若GPS冷启动时AGV已运动，需用UWB或手动校准初始化；Wi-Fi指纹库维护需要人工巡检，成本约每月2人天。
4.4 常见误区与选型决策清单
在实际项目中，工程师常陷入以下误区，导致系统性能不达标或成本超支。
- 误区一：追求单一技术“万能”。没有一种技术能同时满足高精度、广覆盖、低功耗、低成本。例如，UWB精度高但覆盖有限，GPS覆盖广但室内失效。正确做法是定义场景的“精度-覆盖-成本”三维约束，选择组合方案。
- 误区二：忽略环境动态性。Wi-Fi指纹库在装修、货架移动后迅速失效；UWB锚点被遮挡后精度骤降。需要设计自适应机制，如定期更新指纹、UWB锚点冗余部署。
- 误区三：将RSSI测距当作线性问题。RSSI与距离的关系受路径损耗指数（n）影响，n在室内为1.5-3.5，且随环境变化。若固定n=2，测距误差可达50%以上。建议使用指纹法或在线估计n值。
- 误区四：忽视时间同步。TDoA定位要求锚点间时间同步精度达纳秒级，否则产生米级误差。UWB方案通常采用有线同步或无线同步协议，需评估部署复杂度。
选型决策清单：① 明确最大允许误差与可用性（99.9%时间满足？）；② 评估环境复杂度（金属反射、人员密度、动态变化）；③ 盘点已有基础设施（Wi-Fi AP、蓝牙网关）；④ 计算总拥有成本（部署+维护+功耗）；⑤ 测试原型系统，重点验证NLOS场景和动态场景；⑥ 设计融合架构，预留传感器扩展接口。