基于手机的声学超宽带室内定位*

雷旭东，禹 健

（中北大学计算机与控制工程学院，太原　030051）

基于手机的声学超宽带室内定位*

雷旭东，禹 健**

（中北大学计算机与控制工程学院，太原030051）

针对室内定位技术部署复杂、成本高的问题，提出了一种利用手机接收声学信号通过脉冲压缩进行室内定位的方法。通过借鉴雷达系统中的脉冲压缩技术，将信号和噪声分离，并提取出信号到达时延估计。为了减小定位误差，研究了手机的声学特性，设计了声学超宽带信号的信道模型，将应答节点时延回传，进一步减小信号传播的时延估计。在停车场的试验结果表明：定位结果和实际位置相符，平均定位误差在30 cm以内。

超宽带；室内定位；脉冲压缩；延时估计；信道模型；匹配滤波

1　引言

随着互联网的快速发展，人们对位置信息的感知需求日益增多，尤其是复杂的室内环境中，如机场、展厅、仓库、超市、地下停车场、矿井等常常需要确定移动终端或者其持有者的位置信息［1］。然而，由于全球定位系统（Global Positioning System，GPS）信号在建筑物内的大幅度衰减，无法保证对室内空间的有效覆盖。近几年，涌现出大量的室内定位方案，如ZigBee网络定位、基于WIFI定位技术、超宽带（Ultra-wideband，UWB）定位技术［2］和线性调频扩频（Chirp Spread Spectrum，CSS）定位技术［3］等。然而，由于定位精度、部署成本、使用环境等因素的限制，上述室内定位方法均无法大规模地使用。实际上，在智能手机快速发展的今天，若利用手机已有的麦克风扬声器及其声学特性来进行室内定位，便使这种研究具备了大规模推广的条件。

考虑到声学信号在空气中的传播速度，可以认为声学信号具备和UWB电磁波信号一样的距离分辨率［1］。其定位的基础是对超宽带声学信号进行脉冲压缩，并利用脉冲压缩结果进行时延估计，进而求得手机与应答节点之间距离，通过定位算法计算手机位置，从而实现定位。本文充分研究了Chirp信号优良的抗噪性、UWB信号优越的多径分辨能力和手机的声学频响特性，将CSS技术和UWB技术应用到手机声学信号中，提出一种基于手机的声学超宽带（Acoustic Chirp-UWB）室内定位方法，一方面满足了UWB的规范，另一方面可以让声学信号具备CSS的优点。

本文安排如下：第2节分析了市场内主流的手机的声学频响特性，并给出了本文选择声学信道带宽的依据；第3节介绍了声学超宽带技术的特点，并根据其特性建立声学信道模型；第4节分析了利用手机声学特性进行室内定位的原理，并给出定位方案；第5节通过实验验证了该定位技术的有效性；最后对本研究进行总结并指出未来研究方向。

2　手机的声学频响特性

手机的设计本来就是用于方便人们进行通信，尤其是语音通信，同时手机的处理器性能也越来越高，其内部包含了数字信号处理（Digital Signal Processing，DSP）模块，完全具备处理声学信号的条件。为了证明手机声学特性并选择出手机上合适的声学信号频段，我们使用了当前市场内主流的智能手机作为测试目标。

图1展示了Nexus 5→Iphone 4、Lenovo A530→Nexus 5、Iphone 4→Lenovo A530的声学信道的频响曲线。这3条曲线的测量是在噪声为20 dB的会议室环境下，通过其中一部手机播放合成好的0.1～22 kHz的Chirp音频信号，另外一部在相距10 m的地方进行接收。

图1　Nexus 5、Lenovo A530、Iphone 4频响曲线Fig.1 Frequency response of Nexus 5，Lenovo A530 and Iphone 4

理想的频响曲线在0 dB处是一条水平直线，意味着从发送端到接收端任何频率成份都没有损失。然而，图1所展示的和理想的频响曲线相差甚远。因此，我们得出手机声学频响特性的特点为高频衰减，即声音信号在高频部分有较大衰减，尤其是在15 kHz以后的频率衰减得比较严重。为了保证手机的通信质量，我们选择手机频响曲线相对平滑且没有明显衰减的频段作为通信频段，本文选用1～13 kHz作为主要通信频段。

3　声学超宽带技术

3.1声学Chirp-UWB信号及匹配滤波器

2002年4月，美国联邦通信委员会（Federal Communications Commission，FCC）给出UWB的定义：信号在-10 dB处的绝对带宽大于0.5 GHz或其相对带宽大于20%的为超宽带信号［4］。这里的相对带宽定义为

式中：fH、fL分别为功率较峰值功率下降10 dB时所对应的高端频率和低端频率；fc是信号的中心频率，fc=（fH+fL）/2。

从FCC对UWB相对带宽的定义看出当前的UWB信号也不再局限于最初的脉冲无线电信号，而是包括了任何使用超宽带频谱的通信形式，包括声学频谱。

3.1.1声学Chirp-UWB信号

在第2节中我们选择了1～13 kHz的声音频段作为通信频段，显然满足公式（1）的相对带宽的定义，因此我们将其称为声学超宽带信号。本文中我们采用双曲调频的Chirp信号作为数据的载体，对于数字1用一个固定长度有较大幅度的Chirp超宽带声音信号表示，数字0用相同长度的幅度为0的信号表示。综上，在这里我们将所使用的信号称作声学Chirp-UWB信号。

双曲调频信号的形式为

式中：A是信号的幅度；T为脉宽；rect（t）=1；μ= 2Tfmaxfmin/B，fmax、fmin分别为最高和最低频率，B=fmax-fmin。

通过对公式（2）进行傅里叶变换可以得到该信号的频谱函数：

3.1.2匹配滤波器设计

信号通过音频进行传送，接收端收到的必定是混杂了噪声的信号，要想识别有效信号就必须将有效信号和噪声分离。

根据雷达系统接收机的理论，结合3.1.1节的分析，我们可以看出这种信号具有时宽积，理论上是可以实现脉冲压缩。根据Woodward（伍德沃德）提出的模糊函数我们可以得出：

式中：S（ξ）是原始信号的频谱；S*（ξ-fd）是信号匹配滤波器之后的频率响应；S*（ξ-fd）S（ξ）是匹配之后的频谱，再求其逆傅里叶变换就是一簇信号的响应，这是一个宽度很窄、幅度很高的窄脉冲信号。

匹配滤波器就是以输出最大信噪比为基准的最佳匹配滤波器［5］。参照雷达系统教科书中的讨论可知，匹配滤波器的频率响应和输入信号频谱是共轭关系，其核心的脉冲压缩的数学模型为

式中：N为采样点数；n=0，1，2，3，…，N-1；接收到的信号序列为Si（n）；u（n）为信号的原始序列。

匹配滤波器运算原理如图2所示。

图2　匹配滤波器的实现模型Fig.2 Implementation of matching filter

从框图2中分析，匹配滤波器需要两个输入，一个是u（n），另外一个是Si（n）。在接收端，由于u（n）是一个相对固定的序列，可以将u（n）的频谱共轭计算好之后导入手机程序，减小手机运算量。其信号、频谱以及该信号通过匹配滤波器之后的结果如图3所示，我们可以看到理想情况下，通过匹配滤波器之后的结果很容易辨别出原始信号。

图3　Chirp-UWB信号、频谱及其脉冲压缩仿真结果Fig.3 Simulation results of chirp-UWB signal，spectrum and pulse compression

3.2声学超宽带技术特点

由于我们采用的信号脉宽T=10.6 ms，B= 13 kHz-1 kHz=12 kHz，得到BT=127.2≫1，结合公式（4），从理论上完全满足脉冲压缩（Pulse Compression，PC）的条件。为了验证这种信号在手机上表现出来的特性，我们在噪声约为30 dB的地下停车场进行如下实验：

（1）在Matlab中合成采样率为48 kHz，脉宽为10.6 ms、频率范围为1～13 kHz、时长为20.12 ms的双曲调频信号，并保存成wav文件；

（2）用Nexus 5通过音频播放器播放该音频文件，在距Nexus 5 8 m处，Lenovo A530通过麦克风接收该信号，并将其保存成文件；

（3）将第二步的文件导入Matlab与原始信号进行脉冲压缩，其结果如图4所示。

图4　对接收的数据进行脉冲压缩Fig.4 Pulse compression of the data received

综上分析，这种信号在声学中依然具有多径分辨率高、抗噪性好、受频偏影响小以及发射功率低的特性。

（1）多径分辨率高

采用脉冲压缩技术，将持续时间为T的宽带信号压缩为主瓣时间为2/B的窄脉冲。上面实验证明在手机上使用声学信号进行脉冲压缩得到的结果依然有较高的多径分辨率。

（2）抗噪性好

由3.1节分析可知，对接收到的信号进行脉冲压缩，输出的压缩脉冲包络被放大为原来的倍，由于信号和其他信号的互相关性很弱，脉冲压缩不会使得噪声获得增益，因此BT积越大意味着就有越强的抗噪能力。

（3）受频偏影响小

在实际的定位中手机和基准节点存在相对运动，因此存在多普勒频移现象，这给信号时延测量带来很大影响。为了尽可能减小这样的误差，我们选用的双曲调频Chirp信号，其特点便是对多普勒有更好的宽容性［6-9］。

（4）发射功率低

选用的信号是宽带信号，在扩展带宽的同时将信号的能量平均地分散在信号的整个持续时间内，因此对器件的要求就变得更低了，手机的声学器件完全满足这样的条件。

这些特点都说明了手机具备了处理超宽带声学信号、实现室内定位的条件。

3.3声学超宽带信道模型

为了保证手机和应答节点之间有效通信，我们设计了基于声学超宽带信号的信道模型［10-12］。

发送的脉冲序列为

式中：p（t）为声学Chirp-UWB信号脉冲；Tf为信号周期；N为发送的序列中脉冲的个数。则通过声波传输之后接收到的信号为

式中：w（t）为环境噪声；h（t）为当前信道的冲激响应。

对公式（7）进行脉冲压缩运算得到

对公式（8）进行峰值检测，R（t）最大值所对应的时间就是时延估计值。

综合应答器节点延时、声音在空气中的传播速度和应答器节点个数等实际情况，本文中我们规定使用二进制流的方式传输响应的数据，如表1所示。

表1　定位声文的格式Tab.1 Format of the location text

定位声文的基本单位是帧，一帧定位声文的时长为160 ms，包含15 b数据，每帧声文第一个字是前导文，作为各子帧的同步起点。第2～7位为应答节点的编号，第8～15位为应答器节点时延。

3.4声学超宽带信号通信模型

该模型建立在手机和声波定位应答器节点之间，主要由广播单元和接收单元两大部分组成。广播单元主要是对将数据转换成可以播放的数字信号，并将该信号通过扬声器广播出去；接收单元的主要功能就是对接收到的声波信号进行脉冲压缩、波峰检测等处理，并最终还原出有效数据信息。手机声学信道通信模型如图5所示。

图5　基于声学超宽带信号测通信示意图Fig.5 Diagram of acoustic measurement of UWB signal communication

4　声波超宽带信号定位原理

4.1声学定位模型

如图6～7所示，定位模型主要由手机和应答器组成，手机和应答器节点通过声波脉冲进行通信，在手机端监测信号到达时延，根据时延来计算手机和应答节点间的距离。

图6　结构示意Fig.6 Structure diagram

图7　定位模型示意Fig.7 Positioning model diagram

该模型具体工作流程是：每个应答节点都有自己的编号，相应地在服务端记录了和编号对应的坐标。手机首先发出10 ms的定位请求，应答节点接收并识别出该信号之后将自身的处理时延和自身ID合成的定位声文信息通过扬声器播放出去；手机对采集到的信号处理，通过声文中的同步脉冲识别出声波到达时间，通过声文信息中包含的延时和ID获得声波真实传播时间和应答节点的坐标；根据接收到的多个应答节点的坐标，最终计算出手机的位置。

4.2基于TOA的测距与定位

由于声学Chirp-UWB信号具有较宽的带宽和较好的时间分辨能力，因此使用时间到达（Time of Arrival，TOA）法在理论上可以达到很高的定位精度。如图8所示，手机在T0时刻向应答器节点发出单脉冲请求，应答器对接收到的信号识别之后，回送一个包含自身编号和处理数据延时的信号给手机，手机根据收到的信号时间计算声音传播时间。

图8　基于TOA双边测距示意图Fig.8 TOA bilateral location diagram

由图8可得如下计算距离公式：

式中：Tof为声波传输时间。计算出信号传输时间TOA之后，根据球形定位模型的建立方程组。在笛卡尔坐标系中，我们设手机在室内空间的坐标位置为（x，y，z），参考节点i的坐标为（xi，yi，zi）：

式中：v为声速；ti为声音信号在手机和第i个节点之间的传播时间，即TOA。根据3个应答节点的坐标代入方程组解出移动节点在空间的相对坐标。

5　实验设计与分析

5.1实验环境设计

根据第2节手机频响实验结果与通信模型，我们选定的信号参数如表2所示，声音的传播速度为330 m/s，声学信号传播距离有限，实验表明在10 m左右衰减就比较严重［12］，故令手机与应答器节点的距离在10 m之内，应答器节点之间距离也在10 m之内。

表2　选用信号的参数Tab.2 The signal parameters

2015年3月，我们在太原市中北大学地下停车场进行试验，试验系统由1个移动节点和4个应答节点组成，其中应答节点以8 m的间隔固定在停车场顶部，并详细记录其对应坐标。我们选择5台目前市面主流的Android手机构建测试系统，分别是1台Nexus5、3台Lenovo A530、1台Oppo find 5，其中Nexus 5作为移动节点，其余4台作为应答节点。用自行编写的基于Android平台的信号采集和脉冲压缩的软件包进行实际测试，并将结果以文件的形式保存下来。为了方便分析，我们将结果导入Matlab进行分析，并统计不同位置、不同环境下测距和定位的误差。

图9所示为在噪声为30 dB和80 dB的环境下测距误差及其标准差值。从图10所测量的结果可以看出测量平均误差均在30 cm之内，这表明不管在有噪还是无噪的环境下这种方法都可以达到较高的测距精度。

图9　噪声为30 dB和80 dB下的测距结果Fig.9 The distance mesasurement results under 30 dB and 80 dB niose

图10　噪声为30 dB和80 dB环境下的定位误差和误差的标准差Fig.10 Position deviation and error condition under 30 dB and 80 dB noise

5.2误差来源分析

测距是整个定位系统的基础，也是产生误差的主要来源。

（1）时钟不同步

由于整个系统使用的是基于TOA的双边测距，但是并没有对移动节点和应答节点之间进行时间同步，因此会导致声音传播时间上的误差。

（2）声速误差

由于声音在不同的温度、不同的大气压下传播速度也会有差别。

（3）量化误差

根据表2的参数，我们采用的计时脉冲频率为48 kHz，周期为0.02 ms，在25°C下的量化误差为7.2 mm。

（4）码间串扰

由于移动节点有可能同时收到多个节点传输的信号，当应答节点同时应答会导致多个信号会叠加在一起，很难区分信号到达的时间。

对于第1点提到的时钟同步，我们也可以通过设置中继点来达到无需时钟同步［5］的目的；针对第2点，我们可以通过设置测量基准点对声速进行测量来解决，而且一般室内的温度气压变化不会很大；第3、4点是产生误差最主要的来源。

6　结束论

本文分析、讨论并验证声学超宽带信号应用于手机进行室内定位的可能性，借鉴雷达系统的脉冲压缩技术，建立其信道模型和通信结构模型；采用JNI编程技术，编写基于Android平台的信号采集和处理程序，并在真实的环境下进行了测试。测试结果表明：通过合理设计特殊包络信号，并保证BT积满足脉冲压缩条件，可以使室内定位的精度保持在接受的范围之内；同时实验验证了利用声学超宽带信号作为信息载体，使用手机的声学特性进行室内定位数据传输的可行性和有效性。这种技术实现成本低，易推广：智能手机上的麦克风和扬声器作为其必要构成，使得基于手机的声学超宽带室内定位方法具备了大规模推广的条件，部署成本约为其他方案平均成本的50%。此外，由于采用了声学的超宽带信号，获得了较低的频谱密度；通过对接收信号进行脉冲压缩处理，获得了较高的处理增益可以清晰分辨脉冲到达，能很好地抵抗环境噪声干扰。

基于手机的声学超宽带室内定位仍然有很多问题需要继续研究，比如移动节点定位、多个移动节点同时定位、应答节点之间的自动协调工作等。同时，本文建立的基于手机的声学超宽带信号的信道模型、通信模型也可以应用于基于手机的声学近场通信、水声通信、水下定位等系统中，从而衍生出新的近场通信方式。

［1］梁久祯.无线定位系统［M］.北京：电子工业出版社，2013. LIANG Jiuzhen.Wi-Fi positioning system［M］.Beijing：Publishing House of Electronics Industry，2013.（in Chinese）

［2］肖竹，王勇超，田斌，等.超宽带定位研究与应用：回顾和展望［J］.电子学报，2011（1）：131-141. XIAO Zhu，WANG Yongchao，TIAN Bin，et al.Development and prospect of utra-wideband localization research and application［J］.Acta Electronica Sinica，2011（1）：131-141.（in Chinese）

［3］宋毅锋.基于线性调频信号的超宽带无线定位研究［D］.成都：电子科技大学，2010. SONG Yifeng.Study of wireless location based on ultrawideband linear frequency modulated signal［D］.Chengdu：University of Electronic Science and Technology of China，2010.（in Chinese）

［4］蔡惠智，刘大利，刘云涛.水下连续波有源探测的回波检测算法［J］.声学学报，2014（2）：163-169. CAI Huizhi，LIU Dali，LIU Yuntao.An echo detection algorithm for underwater continuous wave active detection［J］.Acta Acustica，2014（2）：163-169.（in Chinese）

［5］XU B，SUN G D，YU R，et al.High-accuracy TDOA-based localization without time synchronization［J］.IEEE Transactions on Parallel and Distributed Systems，2013，24（8）：1567-1576.

［6］周旭广.雷达脉冲压缩中两种调频信号的研究分析［D］.西安：西安电子科技大学，2014. ZHOU Xuguang.Analysis of two frequency modulation signals in radar pulse compression［D］.Xi'an：Xidian U-niversity，2014.（in Chinese）

［7］何晓云，冯冀宁，杨晓波.基于LFM模型的高动态弱GPS信号载波捕获［J］.电讯技术，2015，55（8）：895-900. HE Xiaoyun，FENG Jining，YANG Xiaobo.Carrier acquisition of high dynamic and weak GPS signal based on LFM model［J］.Telecommunication Engineering，2015，55（8）：895-900.（in Chinese）

［8］毛永毅，张晓佳.一种基于场强差的移动台定位改进算法［J］.电讯技术，2015，55（6）：618-622. MAO Yongyi，ZHANG Xiaojia.An improved mobile station positioning algorithm based on field strength difference［J］.Telecommunication Engineering，2015，55（6）：618-622.（in Chinese）

［9］WALREE P A，OTNES R.Ultrawideband underwater acoustic communication channels［J］.IEEE Journal of O-ceanic Engineering，2013，38（4）：678-688.

［10］PREISIG J.Acoustic propagation considerations for underwater acoustic communications network development［J］.ACM SIGMOBILE Mobile Computation Communication Review，2007，11（4）：2-10.

［11］STOJANOVICM，PREISIG J C.Underwater acoustic communication channels：Propagation models and statistical characterization［J］.IEEE Communication Magazine，2009，47（1）：84-89.

［12］WALREE P V.Channel sounding for acoustic communications：techniques and shallow-water examples［R］// FFI-rapport 2011/00007.Horten，Norway：FFI，2011.

雷旭东（1989—），男，山西沁源人，2013年获学士学位，现为硕士研究生，主要从事室内定位技术的研究和定位系统性能优化相关工作；

LEI Xudong was born in Qinyuan，Shanxi Province，in 1989.He received the B.S.degree in 2013.He is now a graduate student.His research concern indoor positioning and the performance optimization of positioning system.

Email：ziyingzhishang@163.com

禹 健（1971—），男，山西太原人，2009年获博士学位，现为副教授，主要从事新型模数转换理论及技术、信号处理、卫星导航信号设计等研究。

YU Jian was born in Taiyuan，Shanxi Province，in 1971.He received the Ph.D.degree in 2009.He is now an associate professor.His research concerns new analog-digital conversion theory and technology，signal processing，navigation signal processing，etc.

Email：yujian71@hotmail.com

Ultra-wideband Indoor Acoustic Positioning Based on Mobile Phone

LEI Xudong，YU Jian
（School of Computer Science and Control Engineering，North University of China，Taiyuan 030051，China）

In view of the problem of high cost and complex deployment in indoor positioning technology，an indoor positioning method is presented which uses a mobile phone to receive acoustic signal by pulse compression.According to the pulse compression technology in radar system，signal and noise is separated，and the signal arrival time delay estimation is extracted.In order to reduce the positioning error，the acoustic channel model of ultra-wideband（UWB）signal is designed according to the acoustic features of mobile phone，and node time delay is feedback to further reduce the signal propagation time delay estimation.The test in parking lots show that the positioning result is consistent with actual position and the average positioning error is within 30 cm.

ultra-wideband；indoor positioning；pulse compression；delay estimation；channel model；matching filtering

TN912.3

A

1001-893X（2016）04-0436-07

10.3969/j.issn.1001-893x.2016.04.015

雷旭东，禹健.基于手机的声学超宽带室内定位［J］.电讯技术，2016，56（4）：436-442.［LEI Xudong，YU Jian.Ultra-wideband indoor acoustic positioning based on mobile phone［J］.Telecommunication Engineering，2016，56（4）：436-442.］

2015-09-30；

2015-12-25 Received date:2015-09-30；Revised date:2015-12-25

**通信作者:yujian71@hotmail.com Corresponding author：yujian71@hotmail.com