版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 举报,一经查实,本站将立刻删除。如若转载,请注明出处:http://ti8.net/_5g/6618.html
定制报告-个性化定制-按需专项定制研究报告
行业报告、薪酬报告
联系:400-6363-638
《中国移动:2024年6G无源物联网定位技术白皮书(1.0)(69页).pdf》由会员分享,可在线阅读,更多相关《中国移动:2024年6G无源物联网定位技术白皮书(1.0)(69页).pdf(69页珍藏版)》请在本站上搜索。 1、1前前言言无源物联网技术,作为 6G 海量连接技术的重要载体,有望实现万亿级连接规模。定位是继物资盘点之外的无源物联网第二大刚需应用。无源物联网凭借其低成本、免供电、易部署、免维护和小尺寸等优势,可有效解决有源定位的使用限制,有望在仓储物流、商超零售、智能制造、人员管理等场景广泛应用,实现一网多能。在此背景下,中国移动联合产业界和科研院校,共同探索 6G 无源物联网定位技术。本白皮书从 6G 无源物联网典型定位应用场景需求出发,深入分析无源物联网定位端到端关键技术,介绍定位实践案例,为产业探寻6G 无源物联网定位应用发力点、推动无源定位技术演进、创新无源定位解决方案提供参考和指引。白皮书的版权2、归中国移动所有,未经授权,任何单位或个人不得复制或拷贝本建议之部分或全部内容。中国移动6G 无源物联网定位技术白皮书(1.0)1目目录录1.无源物联网发展历程.12.无源物联网定位概述.32.1.无源物联网定位定义.32.2.无源物联网定位优势与挑战.42.3.无源物联网定位市场前景.73.无源物联网定位典型场景与需求分析.73.1.企业服务定位场景.83.1.1.仓储物流.83.1.2.商超零售.93.1.3.智能制造.103.1.4.智慧停车.113.2.政府与公共服务定位场景.123.2.1.博物展览.123.2.2.矿井管廊.143.2.3.公检司法.153.2.4.医疗养老.153.3、3.个人和家庭定位场景.163.3.1.家人关爱.163.3.2.家庭家居.173.4.定位需求与指标分析.184.无源物联网定位端到端技术.204.1.定位网络层组网架构与空口拓扑.214.1.1.单点式无源物联定位架构.214.1.2.组网式无源物联网定位架构.224.1.3.蜂窝无源物联网定位架构.234.2.定位算法层定位测量量估计与位置解算.244.2.1.定位测量量估计.24中国移动6G 无源物联网定位技术白皮书(1.0)24.2.2.位置解算.334.2.3.融合定位.474.3.定位终端层标签技术.514.4.定位业务层定位服务原子能力.525.无源物联网定位应用案例.525.4、1.立体仓库定位解决方案.525.2.平面仓库定位解决方案.535.3.进出卡口货物定位解决方案.545.4.管廊人员定位解决方案.555.5.服装零售门店陈列核查解决方案.576.总结及展望.58缩略语列表.59参考文献.61编写单位及人员.64中国移动6G 无源物联网定位技术白皮书(1.0)11.无源物联网发展历程无源物联网发展历程物联网本着“万物皆可连接”的愿景,已经通过 4/5G、NB-IoT、LoRa、蓝牙、WiFi等通信技术,帮助数以亿计的设备实现互联互通。然而,随着物联网市场规模的蓬勃增长,当连接终端下探至海量的生产与生活中常见的物品时,端侧感知与通信的供能、续航、维护、尺寸、成5、本等问题成为物联网发展的新挑战。如何实现物联网端侧的自采能、低功耗、低成本、免维护,将是打开海量连接市场的关键所在。无源物联网应景而生,端侧设备采集环境中的能量,转化为可驱动自身电路的电能,同时基于反向散射的通信模式,实现向目标节点传递信息,摆脱对电池或电源供电的依赖。如图 1 所示,无源物联网作为目前高、中、低速物联网场景的有益补充,处在“万物互联”金字塔的最底端,将实现海量物联网终端的感知,打开千亿级物联网市场。图 1 物联网连接金字塔模型无源物联网的优势具体体现在:免供电:端侧设备将通信的射频信号转换为电能,满足自身电路工作的供电需求,除此之外,环境中的光能、风能、压力、温差等也可作为补6、充能量来源,实现端侧设备自采能,无需电池或电源供电;低成本:无源物联网自采能脱离了电池的束缚,反向散射极简通信技术简化了射频电路的设计,导致其成本远低于其它通信技术的终端,目前无源物联网典型产品UHF(超高频)RFID 标签市场价仅几毛钱,而市场上最便宜的蓝牙标签几块钱,而其他的技术产品价格则更高;中国移动6G 无源物联网定位技术白皮书(1.0)2小尺寸:IoT 设备脱离了电池的束缚,可以做到更小的尺寸与更灵活的形态,甚至是柔性贴片式的形态,以方便应用;易部署:标签无需供电、形态多、可贴附至各类物品,可在高温或低温等复杂的工作环境中正常工作;免维护:标签无需更换电池,一旦部署,可永久使用。随着7、无源物联网技术的不断演进,产业界存在基于 RFID、蓝牙、WiFi 和 LoRa 等无源物联通信技术。其中,UHF RFID 系统理论传输距离为 110 米,标签种类多样,生态成熟,产业链完善,且在功耗,成本等方面同样具备显著优势,使用范围最广,涉及物流、制造业、零售业等众多行业。中国移动也积极推动无源物联网的技术发展,提出单点式无源物联 1.0、组网式无源物联网 2.0、蜂窝式无源物联网 3.0 技术演进路线,实现无源物联从传统UHF RFID 的“单点读取”向“网络覆盖”的跨越式发展1。其中组网式无源物联网将传统 RFID 设备升级为中心节点与分布式节点设备,中心节点负责下发盘点指令给分布8、式节点,分布式节点转发来自中心节点的指令信号给无源物联网终端,并向无源物联网终端供能。中心节点负责接收和解调来自无源物联网终端的信号,读取盘存信息。实现设备一对一、一对多、多对多的组网协同工作,并兼容符合 ISO18000-6C标准的超高频 RFID 标签,支持企业平滑升级网络覆盖及管理手段,已经在仓促物流、商超零售等室内局域场景落地应用2。蜂窝式无源物联网利用基站或中继设备,实现对蜂窝无源物联网终端标签的激励和信息采集,通过全域覆盖、移动性管理等,实现中远距离传输和规模化覆盖2。3GPP 相关标准正在有序推进中,在已经冻结的 3GPP Rel-18 版本中,提出了 5G-Advanced 以9、及关于蜂窝无源物联网的理念,Rel-19 版本也正在开展蜂窝无源无线空口及核心网相关课题研究,预计 2025 年下半年冻结标准,届时无源物联网将纳入到蜂窝通信产业中,释放无源物联网的庞大市场潜力。本白皮书基于单点式、组网式和蜂窝式无源物联网架构开展定位技术的研究。中国移动6G 无源物联网定位技术白皮书(1.0)32.无源物联网定位概述无源物联网定位概述2.1.无源物联网定位定义无源物联网定位定义无源物联网定位,指基于无源物联网的架构,无源物联网设备获取标签反向散射信号的强度、相位等定位测量量,在定位解算平台计算待定位标签的位置。在蜂窝无源物联网中,无源物联网设备包括基站、中继设备或手机等,如图10、 2 所示。在应用场景上,定位作为无源物联仅次于盘存的应用范式,具有成本低、应用广、非视距、终端免供电、高性能等优点,有望成为最广泛的室内定位技术之一。图 2 无源物联网定位示意图从定位维度区分,无源物联网定位分为零维存在定位、一维线性定位、二维平面定位及三维立体定位:零维定位:用于存在性检测,常见的应用场景是监测人员或者物是否在一个特定的区域内。系统硬件方面通常只需要一个无源物联网设备和定位标签即可实现;一维定位:适用于巷道、管廊、隧道等狭长定位区域中人员、物品、车辆定位,只需要定位目标在这个长条区域的实时相对位置,由于宽度不大,在做室内定位的时候一般不会定位区域的宽度;二维定位:二维平面定11、位,需要确定在空间平面的 X、Y 坐标。一般基于 3 个及以上的无源物联网设备天线,在一个标准的二维平面内确定无源定位标签的实时位置;三维定位:需要求出被定位目标的 XYZ 三维坐标,即在平面定位的基础上增加高度信息。从定位模式区分,无源物联网定位包括主动定位和被动定位:中国移动6G 无源物联网定位技术白皮书(1.0)4主动定位:是指被定位目标携带定位标签,通过标签与无源物联网设备之间的信号交互,以测距或非测距的方式实现对目标的定位。主动定位需要定位目标主动参与定位过程,无源定位绝大多数场景都是基于主动定位实现;被动定位:定位目标不与无源物联网设备进行定位信号交互,通过分析定位目标对部署在其周12、围环境中的参考标签定位测量量的影响,确定定位目标的位置。从定位状态区分,无源物联网定位可以分为静态定位、动态定位:静态定位:是指标签在一段时间内的位置保持不变进行的定位,如在商超零售和博物展览场景中定位人员或物品的静止位置;动态定位:是指标签在一段时间内的位置朝某个方向变化的定位,如在仓储物流和智能制造场景中持续追踪人员或物品的位置变化或提供导航服务。在动态定位中需考虑定位对象移动速度对定位算法的影响。从定位的结果区分,无源物联网定位可以分为相对定位、绝对定位:相对定位:是指标签与定位设备之间的相对位置。如在物品查找中定位设备只需要获得标签的相对位置就可以完成找到物品;绝对定位:是指标签在网络13、或者现实中的绝对坐标位置。比如在货物跟踪或宠物寻找等定位中,定位设备需要获得标签的绝对坐标位置才能完成跟踪或查找业务。2.2.无源物联网定位优势与挑战无源物联网定位优势与挑战与无源物联网定位并列的定位技术包括 5G、WiFi、蓝牙、UWB 和 RFID 定位技术,每一类定位技术的特点和优劣势各异。具体分析如下:5G 定位技术:蜂窝网络可用于对移动手机等 5G 终端定位。蜂窝网络通过检测移动手机和多个基站之间传播信号的特征参数(RSSI、传播时间或时间差、入射角等),可采用邻近探测法、AOA(Angle of Arrival,到达角)、TOA(Time of Arrival,到达时间)和OTDO14、A(Observed Time Difference Of Arrival,观测到达时间差)实现定位。3GPP R16 协议要求5G 定位能力可以达到室内 3 米80%3。3GPP R17 协议制定 5G 定位能力的持续增强,基于 5G 大带宽、多天线、密集组网等优势,将定位精度提高至 0.5 米90%甚至更高精度4。5G 定位技术的优势在于其统一的全球标准,通信网和定位网可以合二为一,节省总体投资。中国移动6G 无源物联网定位技术白皮书(1.0)5WiFi 定位技术:WiFi 定位技术可基于测距的定位方法和距离无关的定位方法,实现最大百米级别的覆盖,定位精度可达厘米级别。其中,基于测距的定位15、方法将考虑测距和测角相关的信道衰减模型或角度测量精度,而距离无关的定位方法不使用信道衰减模型进行定位,避免了由于衰减模型不准确导致的误差,其缺点在于功耗较大。蓝牙定位技术:蓝牙定位技术包括基于 RSSI(Received Signal Strength Indicator,接收信号强度指示)的测距方法、基于 Beacon 的定位方法和基于角度测量的测距方法,可实现最大 400 米的覆盖范围,定位精度为厘米级别,具有低成本、低功耗等优势。其中,基于RSSI 测距的定位方法需要使用信号传播模型,而在室内环境中,情况复杂多变,很难找到通用的信号传播模型,导致该方法的定位精度较低;基于 Beacon 16、的定位方法需要在室内部署大量的 Beacon 信标,成本较高。2019 年蓝牙联盟发布最新的蓝牙 5.1 技术标准5,提出了基于角度测量的测距方法,专门制定了信号 IQ(In-phase and Quadrature,同相正交)采样和 CTE(Channel Timing Extension,信道定时扩展)等技术要求,大幅提高了蓝牙定位精度。UWB 定位技术:由于超宽带技术信号波长较短,具有穿透能力强的优点,其覆盖范围达 50-100m,定位精度为厘米级别。一般而言,基于测距的定位方法都适用于 UWB 定位技术,然而,由于超宽带设备的价格相对昂贵,且易受金属和液体等介质的干扰,导致超宽带技术未17、能得到广泛应用。RFID 定位技术:RFID 定位应用中最常见的是基于无源物联网设备 ID 的区域定位场景。通过识别标签反馈的激励天线 ID 与接收天线 ID,确定目标所处的大致区域范围,这种技术通常适用于零维定位场景。而对于一维和二维定位场景,RFID 定位则主要依赖于信号强度分析的方法。通过深入分析信号强度与距离之间的关联,或构建详尽的指纹库,实现对目标的定位。表 1 常见定位技术比较6定位技术定位技术覆盖覆盖定位精度定位精度功耗功耗优势优势劣势劣势5G 100m几米几十厘米高大带宽、多天线、密集组网定位精度一般,功耗大WiFi 100m几十厘米几厘米高无处不在,低成本定位精度低,功耗大蓝18、牙 5400m几米几十厘米很低无处不在,低成本,低功耗受干扰影响大,定位精度一般UWB100m几十厘米几厘米中定位精度高,鲁棒成本高,受金属和液中国移动6G 无源物联网定位技术白皮书(1.0)6性好体干扰RFID10m几米几十厘米很低超低成本,超低功耗覆盖低,安全性低,时延大从表 1 的比较看出,RFID 定位的最大优势在于成本优势、无需充电的便捷性以及广泛的适用场景,在定位精度要求不高的物流、仓储、零售等多个领域广泛应用,以及在高温、高辐射、高湿度等极端环境中正常工作。无源物联网定位将继承这些优势,并将在以下方面发挥更大优势:应用场景拓展:无需人工维护、可持续稳定运转,解决了极端环境下的适用19、性和后期维护成本的问题,极大扩展物联网的应用场景;定位范围扩大:不再受限于传统 RFID 的近距离通信范围,利用蜂窝网络在覆盖、可管可控、安全鉴权等方面的优势,为客户提供便捷、安全、高性能的低功耗定位能力,激发新的应用潜力;定位精度提升:引入基于相位的定位技术进一步提升标签定位精度,更好支持海量物品的物理世界和数字世界的互联互通;定位终端融合:支持定位与其他技术的结合,例如,定位与摄像头的结合,帮助识别摄像头目标的身份,实现多模态的应用。虽然无源物联网定位的基本物理原理与业界常见的蓝牙、UWB、5G 等定位技术一样,都是基于无线信号的信道特性实现。但是由于无源物联网反向散射的技术特性,其技术目20、前还存在如下挑战:标签能力有限:由于标签本身不具备主动发射上行定位探测信号和提取定位测量量的能力,无源物联网定位信号都是由无源物联网设备发出,经标签反向散射,无源物联网设备再次收到无线信号,提取定位测量量并解算位置信息。整个定位测量过程由无源物联网设备主导,标签被动配合;测量误差因素多:无源物联网定位的测量过程包括无源物联网设备收发信号、无源物联网设备到标签之间信号往返飞行时间以及标签的处理时间。无源物联网设备收发信号时设备固有误差、标签在反向散射调制过程中的采样频偏,均会影响定位测量量的准确性;环境干扰影响大:受限于标签反向散射的工作原理,反向散射信号传输功率较低,中国移动6G 无源物联网定21、位技术白皮书(1.0)7该信号更易受多径和环境噪声的干扰,导致无源物联网设备接收到的信号质量较差,影响定位测量量读取的准确度。以上因素都为无源物联网定位算法优化与精度提升带来不小挑战,在具体研究和技术攻关中需要深入分析定位测量量误差消除方法和适合于无源物联网定位方法。但标签定位技术低成本、易部署的优势,也为基于标签的定位技术带来了参考标签、标签阵列等独有的定位模式,这些都将是本白皮书讨论的重点。2.3.无源物联网定位市场前景无源物联网定位市场前景随着物联网技术的进步和室内定位需求的增长,全球室内定位市场正在经历快速增长。在市场规模方面,据华经产业研究院的数据,2021 年全球室内定位行业市场规22、模约为 105亿元人民币,2013-2021 年的复合增长率为 4.12%。中国市场在 2022 年的市场规模达到了280 亿元人民币,显示出室内定位技术在中国市场的巨大潜力和快速增长。预计到 2028 年,技术创新和应用场景的扩展将推动定位发展,全球室内定位市场将继续保持增长态势7。在应用领域方面,室内定位技术被广泛应用于智能制造、仓储物流、能源电力、公共安全、医疗、矿井、酒店、机场等多个领域。其中,智能制造和仓储物流是主要的应用场景,也是无源物联网的主战场。同时,中国政府对室内定位技术的发展给予了高度重视,并出台了一系列政策以促进物联网技术的应用。未来的室内定位技术将继续向着更高精度、更低23、功耗、混合定位技术、更广泛应用的方向发展。无源物联网定位凭借其超低功耗、低成本、免维护和小尺寸的固有优势,以及与蜂窝网络结合后,充分利用蜂窝网络基础设施和授权频谱先天优势,其技术可以进一步提高通信可靠性、降低无源物联网设备成本及业务部署的难度,必将在室内定位市场发挥越来越重要的作用。3.无源物联网定位典型场景与需求分析无源物联网定位典型场景与需求分析随着无源物联网在千行百业的盛行,贴附在人员、物品和车辆上的标签,其功能除了标识需求外,定位需求也相伴而生,具体应用需求包括人员是否在电子围栏内,物品是否在规定的位置、车辆是否按照既定轨迹移动等,都是用户在收到区域内人、物和车辆标识后期望中国移动6G24、 无源物联网定位技术白皮书(1.0)8从无源物联网管理平台进一步了解的信息。无源物联网超低功耗、超低成本、免维护等固有优势,可实现高温、高辐射、高湿度等极端环境下的定位需求。利用蜂窝无源物联网在覆盖范围、可管可控、安全鉴权等方面的优势,也可进一步拓展应用场景。此外,引入基于相位的定位技术以及 AI 融合定位技术、多模态融合定位技术都将进一步提升定位精度。基于上述无源物联网的定位优势,本章从众多无源物联网场景中选取仓储物流、商超零售、智能制造、智慧停车等面向企业服务的定位场景,博物展览、矿井管廊、公检司法、医疗养老等面向政府与公共服务的定位场景,以及家人关爱和家庭家居等有关个人和家庭的定位场景,25、先介绍每个场景的典型应用,再归纳总结无源物联网定位对定位性能、网络设备与标签的需求。3.1.企业服务定位场景企业服务定位场景3.1.1.仓储物流仓储物流在仓储物流作业场景中,位置信息主要用来提升仓储秩序与物资流转效率,对定位精度具有较高要求8。如图 3、图 4 所示,基于无源物联网的定位技术,能够实时追踪货物的精确位置和状态,涵盖物资的入库、上架、下架、出库、查找、追踪等各个环节,以解决进出库查验时间长,拣货效率低易出错以及呆料率高等问题,从而提升物资流转速度,提高货物管理的效率和准确性。图 3 仓储物流定位实景图中国移动6G 无源物联网定位技术白皮书(1.0)9图 4 仓物物流定位部署示意图26、进出库进出库管理管理:通过在货物上部署标签,实现在货物进出库时自动识别与跟踪,确保所有货物已完成登记。在进出库环节,定位精度需达到 13 米。同时,企业尤其关注错判率和漏判率,力求实现进出库定位的置信度 100%。由于货物流转频繁,因此进出库定位频次也较高。上下架管理上下架管理:通过在物品和货架上部署标签,实现货物信息识别和上下架定位。货物信息及存放位置等保存在数据库,便于货物查询。这类业务需要定位到每个货物,因此定位精度与货位大小有关,通常要求定位精度至少达到 1 米及以内。载具流转管理载具流转管理:载具指承载货物的托盘、料箱等,通过在载具上部署标签进行定位管理,以有效防范因错拿、丢失、遗忘27、等情况导致的载具损耗加速。这类业务对定位精度的要求较低,只需在载具离开或进入特定区域时能准确感知其位置变化。3.1.2.商超零售商超零售购物一直是日常生活的重要组成部分,购物中心常见布局包括商超、零售店以及停车场等场所,购物场所通常是多层建筑,甚至是多栋建筑组成,而不同的购物区域、货架等陈列着丰富的待售物品。如图 5、图 6 所示,基于无源物联网的定位技术,能够帮助消费者更快速找到目标商品和店铺,为运营者提供库存盘点、商品防盗、陈列优化等服务,同时还能为管理者提供客流分布数据,以便合理调整门店布局,深度挖掘并释放商业潜力89。中国移动6G 无源物联网定位技术白皮书(1.0)10图 5 商超零售28、无源定位场景实景图图 6 商场零售定位部署示意图消费者购物消费者购物导引导引:在商超门店或关键位置大量布设低成本、免维护的标签,消费者利用手机里的商超 APP 与环境中的标签定位个人当前位置,进而 APP 可实现特定门店位置导航、附近商铺商品精准推送,以及同伴寻找等服务,为消费者购物提供便利性和贴心服务,提升消费体验。这类应用对定位精度要求不高,一般在 1-3 米即可。门店商品自动化盘点与陈列核查门店商品自动化盘点与陈列核查:门店采用传统扫码枪的人工盘点商品时费事费力,引入无源物联网定位能力,实现秒级门店货物盘点的同时,顺带可核查货物的陈列位置是否符合要求,省去员工需拿着服装陈列手册,逐件核查29、的繁杂工作。商超经营商超经营布局调整布局调整:对于商超经营者来说,通过门店标签与消费者手中的手机,即可掌握消费者停留购物的位置变化,提供客流动线、停留时长、到访频次等分析核心信息,为商场动态调整业态规划和布局提供数据支撑。3.1.3.智能制造智能制造随着工业 4.0 的到来,制造业对自动化、数字化和无人化的需求不断提升,智能制造在提高生产力和提高可持续性方面发挥着关键作用。在智能制造场景中,具有三维移动能力的生产线机器人将成为未来智慧工厂中的主要劳动者10。在生产过程中,需要对生产物料、机器人的位置进行实时定位,确保物料经过各道工序的完整性,帮助机器人在移动的过程中规避障碍,确保机器人在指定位30、置完成操作,如图 7 所示。智能制造对定位精度具有较高要求,中国移动6G 无源物联网定位技术白皮书(1.0)11需要 1030cm 定位精度,且其作业场景也对定位技术的抗干扰、抗遮挡能力也有较高要求8。图 7 智能制造定位部署示意图生产生产工序工序定位定位:在生产线流程节点部署无源物联网设备,利用物料是否经过节点实现对物料生产流程的监控,保证生产线上的组装、移动和检验等步骤有序进行。这类业务通常用于流水线上,属于一维定位,对定位精度要求至少达到亚米级;机器人找物机器人找物:机器人携带无源物联网设备,利用无源物联网定位技术,获取机械臂与目标的相对位置,通过无线信号控制这些机械臂移动到指定地点,完31、成预设的各种制造与装配工作10。这类业务的定位精度需要分米级,同时对定位频次的要求较高;员工考勤员工考勤:将标签与员工工牌结合,通过无源物联网定位,实时掌握人员的位置和分布情况,进行人员考勤、工时统计、在岗/离岗等工作状态的管理,便于实现人员调度和安全管理。这类业务对定位精度以及定位系统的实时性和稳定性要求较高。3.1.4.智慧停车智慧停车当前,室外定位技术日臻成熟,GPS 定位或蜂窝定位等技术已经非常好的满足人们在日常出行、生产生活等方方面面的定位与导航需求。然而,面对日益增长的室内定位与导航需求,还缺乏有效且低成本的技术手段。例如:在地下停车场,人们经常无法及时找到空闲停车位,极大影响人们32、的出行体验。如图 8 所示,借助无源物联网定位技术,能够以有效且低成本的解决方案提供室内定位和导航服务,实现智慧停车,让出行更加便捷。智慧停车领域广泛,涵盖车场信息、车位分享、车位预约、闲置车位引导、泊车、反向寻车、车场道闸、自动缴费的整个闭环链路。在商超、大型展馆、体育场的停车场对定位的主要需求集中在闲置车位引导、智能反向寻车及离场路径指引方面9。中国移动6G 无源物联网定位技术白皮书(1.0)12闲置车位引导闲置车位引导:通过在车主手机集成标签读写功能,在每个停车位都布设无源标签,在车主入场时,通过车主手机与多个车位标签的定位流程交互,确定车主与空闲车位的位置关系,为车主生成导引路线,帮助33、车主快速找到空闲车位;智能反向寻车智能反向寻车:同理,而在车主找车离场时,再次根据车主手机与周围车位标签的定位流程交互,确定车主与停车位的位置关系,为车主生成找车的步行导引路线,帮助车主找到车并快速离场;离场路径指引离场路径指引:停车场内部结构复杂,个别停车场的进出口导航指示往往不够明确,导致车主在进出时产生困惑,增加了时间成本。当车主离开停车场时,地图上显示停车场的出口方位,用户可选择一个目标出口,手机借助车场参考标签确定车辆位置,系统依照实时路况和出口拥堵情况,智能规划离场路径帮助用户避开拥堵,提供快速、顺畅的离场体验。图 8 停车场无源物联网定位场景3.2.政府与公共服务定位场景政府与公34、共服务定位场景3.2.1.博物展览博物展览对于博物馆、会展中心等大型展览活动场所,动辄就会聚集成千上万的观众,展览中涉及众多贵重文物或展品等,观众对参展体验的要求也在不断提高。博物展览领域迫切需要一种低成本、高效且易部署的定位技术,以确保展品安全、优化游客体验并提升管理效率。如图 9、图 10 所示,通过无源物联网定位技术,通过室内部署无源物联网设备,与部署在展品附近的标签互动,实现展品实时定位,有效防止展品丢失或损坏。同时,游客手持讲解设备集成标签读写功能,与部署在展品附近的标签互动,定位展品相对游客的位置,提供自动化展品讲解和导览服务,提升游客的参观体验8。中国移动6G 无源物联网定位技术35、白皮书(1.0)13图 9 博物展览定位场景图 10 博物展览定位部署示意图展品位置安全管理展品位置安全管理:对博物馆内展品进行实时追踪与精准定位,有效防止盗窃、损坏等意外事件的发生,提高展品的安全性。该场景要求定位精度极高,能够精确到展品的具体摆放位置,甚至细化到厘米级别。同时定位频次需保持较高水平;游客精准导览服务游客精准导览服务:为游客提供个性化的导览服务,根据游客的实时位置,为其推荐感兴趣的展品和最佳参观路线,提升游客的参观体验。该场景要求定位精度适中,能够准确识别游客所在的展区或展品,以提供精准的导览信息。定位频次应根据游客的移动速度和参观需求进行动态调整。在游客停留观赏时,可降低定36、位频次以节省资源;在游客移动时,则提高定位频次以确保导览服务的及时性和准确性;博物馆人流监控与管理博物馆人流监控与管理:定位博物馆内人员位置,实时监测人流分布、移动轨迹和密度变化,为博物馆的安全管理提供有力支持。该场景要求定位精度适中至较高,能够区分不同区域的人流情况,为博物馆的安全管理提供准确的数据支持。定位频次应根据博物馆的开放时间和人流量变化进行灵活调整。在人流高峰时段,应提高定位频次以实时监控人流动态;在人流较少时段,可适当降低定位频次以节省资源。中国移动6G 无源物联网定位技术白皮书(1.0)143.2.2.矿井管廊矿井管廊在矿井、管廊等地下作业环境中,工作环境空间狭窄,危险系数高,37、同时还存在多工种、多工序的巡查检修需求。如何确定作业人员的分布位置,如何对不同工种、不同区域的作业人员进行分类管理,如何保障作业人员安全,对于企业安全管理来说一直是困扰的痛点问题。如图 11、图 12 所示,将标签与员工的工卡相结合,无源物联网设备部署在作业区域即可实时掌握作业人员位置。这类场景最关键的是对定位精度和定位实时性的要求11,定位精度基本在 13 米8。图 11 城市管廊定位场景图 12 矿井管廊定位部署示意图巡检定位巡检定位:对巡检人员实时定位并记录其移动轨迹,有助于管理人员随时掌握巡检人员的具体位置和工作状态,确保巡检工作的全面性和高效性。巡检时应确保每秒上报一次巡检人员的位置38、,定位精度要求达到 13 米,以实现对巡检人员实时动态的精确掌握。作业管理作业管理:对地下作业人员实时定位并记录其移动轨迹,有助于管理人员随时掌握作业人员的活动范围,并对消失、脱岗、串岗、超员、欠员、单人危险作业等异常行为报警,确保地下作业的规范性。定位精度要求不超过 3 米。电子围栏电子围栏:对重要或危险区域的人员进行监控,防止人员出入采掘工作面、盲巷等限制区域,一旦有人未经授权出入该区域,系统立即报警,遏制重特大事故发生。该场景下的定位精度为区域级,定位频次应确保每秒上报一次。中国移动6G 无源物联网定位技术白皮书(1.0)153.2.3.公检司法公检司法监狱监所在人员管理上存在诸多难点,39、如犯人活动轨迹难追踪、非法闯入禁入区难觉察等,这些难题不仅增加了管理难度,也增加了安全风险。如图 13 所示,无源物联网定位技术应用在监狱监所领域,能有效辅助解决警力紧张、工作压力沉重、难以全局监控等问题,提高监狱管理的效率和安全性。监狱监所领域对定位精度要求不高,满足室内10m 即可8,大部分场景下只要基于定位能力准确区分人员所在区域,即存在级定位就可满足需求。图 13 监狱监所定位部署示意图重点区域安全监控重点区域安全监控:监狱内的重点区域,如禁闭室、仓库等,需要特别加强安全监控。实时监测这些区域内的人员活动情况,防止未经授权的人员进入或发生异常情况。此场景下在监控区域部署无源物联网设备,40、定位区域内的标签,确定人员位置,对重点区域的持续监控,这里定位精度为区域级,定位频次需满足实时监控的需求。人员日常活动监控人员日常活动监控:对犯人在监狱内的日常活动进行实时监控,精确掌握其位置、行动轨迹及停留时长等信息。定位精度要求 5 米左右,定位频次需至少每秒上报一次,以便及时发现异常行为。3.2.4.医疗养老医疗养老随着老龄化社会的加速和医疗技术的进步,医疗养老领域对人员、设备和资源的精准定位需求日益凸显,定位精度要求米级8。如图 14 所示,在人员管理方面,实时掌握医护人员和患者的位置信息,不仅能为他们提供及时有效的救治和护理,更能确保整个医疗流程的高校运转。在设备管理方面,医疗设备的41、精确定位,可以极大地提升设备使用效率,减少寻找设备的时间,更能保障医疗质量和患者的生命安全。面对上述需求,无源物联网定位技术以其无需电源、长寿命、高稳定性等优势,正逐渐成为医疗养老领域定位技术的新选择。中国移动6G 无源物联网定位技术白皮书(1.0)16图 14 医疗养老定位部署示意图患者实时定位与监护患者实时定位与监护:精确掌握患者的位置信息,包括病房、走廊、手术室等各个区域,方便医护人员及时响应患者的需求,提供个性化的护理服务。对于需要特殊照顾的患者,如老年人、行动不便者等,实时定位可以确保他们的安全,防止意外事件的发生。在定位精度方面,需要确保能够准确识别患者所在的房间或区域;在定位频次42、上,应满足实时性要求,以便医护人员随时掌握患者动态;医疗设备追踪与管理医疗设备追踪与管理:医疗设备是医疗养老领域不可或缺的资源,通过对医疗设备实时追踪与管理,可以提高设备的使用效率,减少设备寻找时间。同时,对于高价值或易损设备,实现防盗和损坏预警。在定位精度方面,需要能够精确到设备具体位置;在定位频次上,可以根据设备的使用情况和需求进行灵活设置;紧急事件快速响应紧急事件快速响应:在医疗养老领域,紧急事件的快速响应至关重要。当面临火灾、地震等自然灾害或患者突发病情等紧急情况时,医疗机构需要迅速、准确地定位出人员位置,判断是否全部完成疏散或救援,有助于提高救援速度,减少人身和财产损失。定位精度上,43、需要能够精确到至少房间级,定位频次应满足实时性要求。3.3.个人和家庭定位场景个人和家庭定位场景3.3.1.家人关爱家人关爱老人和幼儿是两大特殊群体,对于老人来说,随着年龄的增长,记忆力和行动能力逐渐下降,容易发生迷路或摔倒等意外情况;对于幼儿,由于好奇心强且缺乏自我保护能力,容易发生走失或意外受伤等事故。宠物作为现代家庭的一员,也越来越受到人们的关注,对宠物进行位置跟踪,不仅可以避免宠物丢失,还可以观察宠物每天的运动量。因此,对家庭成员进行位置跟踪,已经成为家人们日益迫切和关心的需求。在定位能力方面,为确保在紧急情况下能够迅速找到家人,定位精度应达到至少米级12。中国移动6G 无源物联网定位44、技术白皮书(1.0)17图 15寻找小孩的定位部署示意图12老幼防意外老幼防意外:老人或小孩佩戴可穿戴式标签,通过老人或小孩附近的手机实现对无源标签的激活和信息读取。在图 15 所示的场景中,利用手机与标签相对距离不变的性质,联合多个无源物联网设备形成多个观测点,当接收方移动后,标签与手机的位置大致重合,可追踪手机的位置,进一步可实现标签的测距功能,并估计丢失的小孩相对于接收设备的移动速度,进而确定出老人或小孩的位置。该场景通过消除收发端的非理想因素,分离出反向散射链路的信道状态信息,实现了较高精度的无源物联定位。宠物位置追踪宠物位置追踪:宠物佩戴无源标签,家人通过手机发起定位追踪业务,利用基45、站或附近的无源物联网中继设备实现对宠物身上标签的激活和读取,并获取宠物实时位置。定位精度要求米级,定位频次高。3.3.2.家庭家居家庭家居在智能家居应用场景中,查找个人物品是重要的应用之一,这些物品通常都是小尺寸,例如,钥匙、钱包、证件、药品等。人们容易忘记将物品放在哪里了,所以这类物品易丢失,不易寻找。尤其是对于老人来说,由于记忆力下降,很容易忘记物品放置的位置。在这些情况下,基于贴附在物品上的标签,利用附近的手机、家庭网关、机顶盒找到物品的位置。这一场景的定位精度和定位频次要求不高,但需要将物品的绝对坐标转换成用户便于理解的语言。比如,给出物品周围的参照物,如“钥匙在桌子上,靠近花瓶”。或46、者,给出物品大致的距离或角度范围,如“钥匙位于您约 3m 范围内东北方向约 30o处”。另外,坐标转换这一需求可以通过在典型参照物上贴附标签作为参考标签,并在软件数据库中将不同参考标签与参照物进行匹配,例如一号参考标签对应客厅中的沙发,二号参考标签对应书房的书柜等。中国移动6G 无源物联网定位技术白皮书(1.0)18图 16 居家找物定位部署示意图药品定位药品定位:为了帮助老人更快的找到药品,可以通过手机辅助查找物品的位置13。如图16 所示,家人可以将无源标签贴在药品上,若老人忘记药品的位置时,可通过无源物联网定位技术找到所需药品。当空间存在 LoS(Line of sight,视距传播)径47、时,可达到小于 1m 的定位精度;当空间仅存在 NLoS(None line of sight,非视距传播)径时(如图 16 所示,药品与老人分别在不同的房间),其定位精度约为 12 米,该定位精度可协助老人确定药品所在区域。贵重物品追踪贵重物品追踪:一些贵重物品如护照等证件,使用频率较低,等需要时会一时忘记是否在家中,在哪个位置,还是已经发生丢失或偷窃。为了更好的掌握这些物品的位置,可以将标签贴在这些物品上,结合零维存在定位方法可以首先确认该物品是否仍在家中。若确定仍在家中,通过上述物品定位技术辅助用户快速找到该物品。此外,还可以通过手机软件的定制化服务设置提醒,一旦某些物品离开家庭所在的区48、域手机就会收到提醒。3.4.定位需求与指标分析定位需求与指标分析归纳分析上述应用场景,不难看出无源物联网的定位场景主要集中在室内,涵盖定位、导航和追踪三个大类。定位指确定目标在特定空间中的具体位置,目标可以是人或者物,如考勤管理、电子围栏、上下架管理等;导航侧重为用户规划从起点到目的地的最佳路径,并随着用户的移动实时展示用户位置在地图上的变化,同步更新路径指引路线,直至达到目的地,该定位能力一般将手机作为无源物联网设备和展示界面,手机即能够获取定位测量,又能够查看导航页面;追踪是连续、不间断地监测目标的位置移动,以掌握其行动轨迹,目标可以是人或物,如防走丢、物流跟踪等。中国移动6G 无源物联网49、定位技术白皮书(1.0)19基于上述几个章节对典型定位场景的描述,在此选取典型定位应用,归纳其对标签和无源物联网设备的需求以及定位性能要求,如表 2 所示。表 2 典型定位场景的定位需求与指标分析定位分类定位目标定位业务定位模式服务方式标签部署方式无源物联网设备部署需求(推荐)定位指标水平精度(90%置信度)服务可用性定位时延并发频次定位人员工考勤主动定位周期定位目标携带标签蜂窝基站5m99%5s高低电子围栏被动定位周期环境部署参考标签蜂窝基站95%1s低低物进出库管理主动定位周期定位目标携带标签组网式无源物联设备99%3s高低上下架管理主动定位触发定位目标携带标签组网式无源物联设备1m95%50、5s低低导航人泊车找车被动定位触发环境部署参考标签蜂窝基站与中继设备5m90%5s中中导览导购被动定位触发环境部署参考标签蜂窝基站与中继设备5m90%5s高中物机器人找物主动定位触发定位目标携带标签单点式网络设备1m90%1s高中追踪人巡检定位主动定位周期定位目标携带标签蜂窝基站5m95%5s低高老幼防意外主动定位触发定位目标携带标签蜂窝基站与中继设备5m95%5s低高物生产工序定位主动定位周期定位目标携带标签组网式无源物联设备3m95%3s中高宠物位置追踪主动定位触发定位目标携带标签组网式无源物联设备5m95%1s低高中国移动6G 无源物联网定位技术白皮书(1.0)204.无源物联网定位端到51、端技术无源物联网定位端到端技术无源物联网端到端定位技术涵盖定位终端层、网络层、算法层和业务层。如图 17 所示:图 17 无源物联网定位端到端技术体系定位终端层:主要由贴附在定位对象的标签或环境中的参考标签组成,当前以电子标签形态为主。标签主要由芯片和天线组成,自身无电池,需要边收集能量边工作。无源物联网设备或基站持续发送射频信号给终端,终端将射频能量转化为直流电能供给数字芯片工作。标签被射频能激活后,通过反向散射无线信号,向无源物联网设备上报 ID 信息和传感信息,定位功能也是从搭载这类信息的无线信号中提取测量量,这类标签被 3GPP 定义为 I 类标签。此外,为实现更远距离传输,3GPP 52、还进一步定义了基于环境能量采集能力的 II-A 类标签以及可以主动发射信号 II-B 类标签14。基于标签反向散射信号或主动发射信号的定位算法不同,本章节主要讨论基于标签反向散射的定位算法。定位网络层:包括第 1 章提到的单点式架构、组网式架构以及蜂窝式架构,具体选用哪种架构做定位依据定位场景而定,一般室内局域环境采用单点式和组网式,室外采用蜂窝式扩大覆盖范围;定位网络架构对定位算法和定位流程均有影响,详细分析见 4.1 章节;定位算法层:主要负责预处理定位测量量数据,通过基于指纹、距离和角度的算法中国移动6G 无源物联网定位技术白皮书(1.0)21计算标签位置,以及实现多测量、多标签、多模态53、、AI 融合的定位方法。依据定位架构的不同,定位算法层所处的位置也有所区别:在单点式和组网式架构中,定位算法层可以与业务侧合设部署在离客户近的服务器上;在蜂窝无源架构中,定位算法层可由核心网定位网元实现、或下层到客户侧的边缘算力资源支持。此外,由于无源物联网的定位信号基于标签的反向散射信号,信号测量环节引入误差的因素较多、反向散射信号相较主动发射的信号弱,使得定位信号更容易受环境多径和干扰的影响,这些都对测量量准确估计和位置精度计算带来不小挑战;但标签超低成本、超低功耗、免维护的特性,也为无源物联网定位带来独有的定位算法,这些都将在 4.2 章节展开详细分析;定位业务层:面向具体应用提供实时定54、位、电子围栏、室内导航、活动轨迹等定位服务原子能力,并提供定位交互和展示的界面。由于定位网络层决定了定位流程和算法的选择,而定位算法又是定位技术的研究重点。所以在接下来的章节中按照定位网络层、算法层、终端层和业务层的顺序展开详细分析。4.1.定位网络层定位网络层组网架构与空口拓扑组网架构与空口拓扑根据标签与无源物联网络设备的连接方式,无源物联网的定位网络架构可分为 3 大类:单点式无源物联网架构、组网式无源物联网架构和蜂窝无源物联网架构。无源物联网的组网架构与定位算法和流程设计密切相关:在定位算法方面,单点式无源和蜂窝式无源中的直连拓扑都属于定位信号收发一体的模式,定位算法类似;组网式无源和蜂55、窝式无源中引入中继设备,在定位算法设计时需要考虑定位信号收发分离的情况。在定位流程方面,由于组网式无源引入了分布式节点设备、蜂窝式无源引入了中继设备,定位流程需额外考虑中心节点设备与分布式节点设备、基站与中继设备的交互。此外,蜂窝无源物联网中,定位流程还需在遵循蜂窝定位网元的功能分工与流程设计的基础之上,再增加功能以支持无源无源物联网定位。4.1.1.单点式无源物联单点式无源物联定位架构定位架构单点式无源物联,指无源物联网设备与标签直接连接的方式,传统 RFID 就属于该类架构。标签附着在被定位的对象上,或作为定位参考标签部署在定位区域中,标签先通过采能中国移动6G 无源物联网定位技术白皮书(56、1.0)22模块将射频能或环境能量转换成电能,驱动标签处理和通信模块的电路,再接收解调处理定位指令的信号,并通过反向散射的方式将定位无线信号发送至无源物联网设备。无源物联网设备负责激励标签、发送下行定位指令、接收上行定位信号,估算定位测量量并上报至定位服务平台,供其进行位置解算。图 18 提到的定位指令和定位信号,均遵循 ISO18000-6C 协议,复用无源物联网设备发给标签的盘存指令和标签上报 EPC(Electronic Product Code,电子产品代码)时的信号。图 18 单点式定位系统网络架构4.1.2.组网式无源物联网组网式无源物联网定位架构定位架构在组网式无源物联网定位架构57、中,标签的读写由中心节点设备和分布节点设备共同负责,如图 19 所示。一个中心节点设备与多个分布节点设备搭配部署,中心节点与定位平台交互,控制分布节点向标签发送激励信号和定位指令,标签将定位信号直接反射至中心节点,即定位信号的发送和接收分别由分布节点和中心节点承担,在设计定位流程时需考虑中心节点设备与分布节点设备的配合,在设计定位算法时也要考虑定位信号往返路径不同的问题。目前,组网式架构依旧遵循 ISO18000-6C 协议,这里提到的定位指令和定位信号,也是复用无源物联网设备发给标签的盘存指令和标签上报 EPC 时的信号,未来将支持蜂窝无源物联网的定位协议。图 19 组网式定位系统网络架构中58、国移动6G 无源物联网定位技术白皮书(1.0)234.1.3.蜂窝无源物联网蜂窝无源物联网定位架构定位架构在蜂窝无源物联网中,基站或中继设备集成标签读写模块,复用核心网 5G 定位网元SMLC(Serving Mobile Location Center,服务移动定位中心)、LMF(Location ManagementFunction,位置管理功能)作为定位平台,承载定位算法层的功能。其中 SMLC 与客户定位应用交互,接收应用位置请求,返回位置信息;LMF 接收来自 SMLC 的定位请求,向基站标签读写模块下发定位指令,接收来自基站的定位测量量,解算位置,并将位置信息回复至SMLC。为了确59、保定位安全,UDM(Unified data management,统一数据管理网元)网元参与标签签约和标签的位置权限的管理。此外,有关定位信号,3GPP 还未开展详细讨论,初步结论是由于标签的低功耗和有限的计算能力,物理层和链路层协议不易太复杂。如图 20 所示,标签和基站的空口拓扑分细分为以下 3 种情况14:空口拓扑 1:基站集成标签读写模块,与标签直连,发送激励信号和定位指令,标签向基站反向散射定位信号,基站的标签读写模块估算定位测量量并发送至核心网进行位置解算,属于收发一体式架构;空口拓扑 2:中继设备部署在距离标签较近的位置,向发送激励信号和定位指令;标签向基站的反向散射定位信号,60、由基站标签读写模块负责估算定位测量量,属于收发分离式架构;空口拓扑 3:手机等终端设备集成标签读写模块,与标签交互,手机接收来自核心网的定位请求,激励标签并发送定位指令,标签反向散射定位信号,手机负责估算定位测量量,上报至核心网。这里手机也被认为是中继设备,整个架构属于收发一体式架构。图 20 蜂窝无源物联网定位系统组网架构中国移动6G 无源物联网定位技术白皮书(1.0)244.2.定位算法层定位算法层定位测量量估计与位置解算定位测量量估计与位置解算4.2.1.定位测量量估计定位测量量估计定位测量量是指用来计算定位对象位置的测量参数,在无源物联网中,测量量除了包含无线信道测量常用的信号相位、信61、号强度 RSSI 外,还包含标签的盘存频率和无源物联网设备或天线 ID 信息等位置解算的辅助信息。此外,标签、无源物联网设备的固有误差、信号干扰、多径环境等都给测量量的准确估算带来不小影响。本章节先介绍无源物联网定位中测量量的定义和估计方法,再重点介绍测量量预处理技术。4.2.1.1.定位测量量分析定位测量量分析1.信号相位无源物联网通信中,信号传播的流程如图 21 所示,无源物联网设备先发出指定频段的载波信号 Ssend激活标签,载波再搭载盘存指令发出,标签解调来自无源物联网设备的信息,并将信息调制到载波上反向散射出去;无源物联网设备接收来自标签的反向散射信号 Srecv,解调出其中的信息,62、完成整个通信的流程。图 21 无源物联网的无线信号传播示意图通信过程开始的阶段,无源物联网设备发出的信号为 Ssend:)2cos()(0TcsenttfAtS(4-1)其中,A 为信号的幅度,fc为信号的载波频率,0为信号的初始相位,T为信号在无源物联网设备发送链路产生的相位。标签在信号到达之后被激活,将自身的信息进行调制后反向散射出去,无源物联网设备接收的返回信号为 Srecv。中国移动6G 无源物联网定位技术白皮书(1.0)25)(2cos()(0RtagTRTcrecvtfAtS(4-2)其中,为信号传输的过程中产生的衰减系数,T和R为信号前向和后向传输所消耗的时间,R为信号在无源物联63、网设备接收链路产生的相位。同时,标签对信号进行调制的过程中也会引起的相位变化,代表标签的调制信息,tag为信号在标签中产生的相位。各个阶段引入的相位变化如图 22 所示,所有的相位变化中,只有信号传播过程中T和R产生的相位变化才是与测距相关的相位参数,其他过程引入的相位均为误差。图 22信号传播过程中相位变化示意图目前比较通用的方法是使用 I/Q 解调的方式获取信号的相位信息,其流程如图 23 所示。图 23I/Q 解调原理图无源物联网设备在接收到信号之后,会将接收信号分为两路,两路接收信号分别与本振产生的两路正交信号混频,再对混频后的信号低通滤波即可获得 I/Q 两路的基带信号,根据 I/Q64、 两路的基带信号即可解析出接收信号中的相位信息。本地振荡器产生的信号 SLO为:)2cos()(LOcLOLOtfAtS(4-3)nRTcLOfAAtI)(2cos(21)((4-4)nRTcLOfAAtQ)(2sin(21)((4-5)其中LORtagTn0。此时,可计算出信号中如下式所示的相位信息:中国移动6G 无源物联网定位技术白皮书(1.0)26)()(arctan(tItQ(4-6)fdc2n221(4-7)2.信号强度 RSSI标签接收无源物联网设备天线发送的连续波,并在此基础上调制数据返回信号,将信号来回的过程分开建模,则标签收到的来自激励器发送天线的电磁波能量可以表示为:21)65、4(dLGGPPtagTxreaderTxreaderRxtag(4-8)PtagRx为标签的接收能量,PreaderTx为无源物联网设备天线发射的信号能量,GreaderTx和Gtag分别为无源物联网设备天线和标签天线的信号增益,L 为信道衰减系数,d1为前向通信距离,同理可得无源物联网设备接收天线接收到的标签信号的能量为:22)4(dLGGPPtagRxreaderTxtagRxreader(4-9)PreaderRx为无源物联网设备天线的接收能量,PtagTx为标签线反射的信号能量,d2为后向通信距离,假设标签对的能量利用率为,即PtagTx=PtagRx,则联立上式可得221422)166、()4(ddLGGGPPtagRxreaderTxreaderTxreaderRxreader(4-10)通过能量RxreaderP可解算得到 RSSI)(log1010PRSSI(4-11)当无源物联网为收发一体式设备,即 d1 和 d2 相等时,RSSI 公式如下,0RSSI为 d0处的 RSSI 值,n为路径损耗系数(n的推荐值为 2)。可以看到当 d 越小,即标签距离无源物联网设备越近,则 RSSI 值越大。)(log100100ddnRSSIRSSI(4-12)3.标签盘存频率当标签与无源物联网设备之间完成一次盘存流程,即认为标签被无源物联网设备读取了中国移动6G 无源物联网定位技术67、白皮书(1.0)27一次。标签在距离无源物联网设备天线较近的区域时,单位时间的读取次数很高,而且较为稳定,该指标可用于粗比较标签与无源物联网设备天线之间的相对距离。4.无源物联网设备或天线 ID当标签被无源物联网设备识别,可认为标签在对应天线的激励与识别范围内,即激励设备天线 ID 与接收器天线 ID 可大致反应标签所处空间范围。对于一体式设备,通过天线 ID可约束范围为无源物联网设备天线的激励与识别范围;对收发分离式设备,通过天线 ID 可约束范围为激励设备天线激励范围与接收器天线识别范围的交集。4.2.1.2.定位测量量预处理定位测量量预处理定位精度很大程度上取决于定位测量量的准确性,但由68、于设备固有误差、信号干扰、环境多径等因素,定位测量量的准确性受到很大影响。本小节将从标签与无源物联网设备固有误差消除、干扰消除和环境多径误差消除以及定位测量量修正几方面讨论消除或补偿这些不利因素影响的方法。4.2.1.2.1.设备固有误差消除或减弱设备固有误差消除或减弱1.标签 SFO 或 CFO 消除为了消除标签 SFO(sampling frequency offset,采样频率偏移)对定位测量量的影响,可先对 SFO 预处理,从而消除 SFO。假设载波信号频率为 f0,标签调制频率为 f1,由于 SFO引起的频率误差为f(假设为正值),则接收端接收的信号频率分别为:f0f1f 和 f0f69、1f,接收的信号与载波信号做频域相关之后,可获得 f1f。由于无源物联网设备已知 f1,则可获得由于标签 SFO 引起的频率误差f。根据该值,无源物联网设备可对定位测量量相位进行预处理或补偿。此外,结合标签的调制方式,例如,幅度键控 OOK,设计标签反向散射信号的序列,辅助接收端通过相关操作估计标签的 SFO 或 CFO(Carrier Frequency Offset,载波频率偏移)。2.标签反向散射引起的载波相位变化消除无源物联网定位系统由于标签反向散射引起的载波相位变化tag,对标签反射载波信号相位测量造成误差影响,例如:标签类型,标签贴附物,标签贴附方式、标签周期环境变化中国移动6G 70、无源物联网定位技术白皮书(1.0)28等因素相关。通常在测量相位过程中,将标签反向散射引起的载波相位变化假定在短时间周期内变化较小,通过多次测量进行差分处理消除这部分固定变化相位tag,减小标签反向散射的相位变化对定位测量精度的影响。3.基于无源物联网设备 SFO 或 STO 消除的相位采集改进若无源物联网定位系统采用收发分离的架构,还需要考虑收端与发端的 SFO 或 STO(Sampling Time Offset,采样时间偏移)造成的失步对定位测量量的影响。相干时间内,进行多路径配置,发送端在时间 T1发送 packet1给接收端,并在时间 T2发送 packet2给接收端,接收端根据两个71、不同时刻的接收信号进行相关,获得相干时间内的同步误差。如图 24 所示,接收机根据接收的 packet1和 packet2进行相关(图),获得同步误差(图),再根据同步误差进行补偿后实现收发端信号同步(图)。图 24 收发分离架构下的收发端非理性因素消除4.定位系统编码方式配置无源物联网系统配置标签采用不同的编码方式和 BLF(Backscatter Link Frequency,反向链路频率)带宽,对应无源物联网设备的灵敏度值不同,无源物联网设备可测量到标签最小 RSSI 功率值也不同,进而影响定位标签的距离范围。虽然无源物联网设备灵敏度越高,测量 RSSI 功率值范围就越大,但实际测得的 72、RSSI 值越小时,自干扰信号和噪声会导致测量 RSSI 误差范围增大,对标签定位精度影响更大。因此,在定位测量过程中,需要结合测量定位精度,综合考虑无源物联网设备对标签编码方式和 BLF 带宽合理配置值。4.2.1.2.2.干扰消除干扰消除干扰分量的存在会降低接收机的灵敏度,也会对测量信号的幅值、相位造成影响,进一中国移动6G 无源物联网定位技术白皮书(1.0)29步影响无源物联网的定位精度。针对收发一体架构,假设标签不具备大的搬频能力,基于相同的频谱反向散射信号。因此,无源物联网设备接收反向散射信号的同时,会接收到发送端发送的载波泄露信号,对反向散射信号的解调和测量造成干扰,该干扰称为自干73、扰。此外,由于环境中存在墙体等遮挡物,使得无源物联网设备发送载波信号的同时,也将接收遮挡物反射的信号,对反向散射信号的解调和测量造成干扰,此类干扰称为杂波干扰或反射干扰。针对收发分离架构,分布式节点设备或中继设备发送载波信号,接收器接收反向散射信号的同时,将接收来自中继设备的载波信号,由于载波信号和反向散射信号的频率相近,载波信号将对反向散射信号的解调和测量造成干扰,该干扰称为交叉链路干扰。无论哪种干扰类型,都会对接收机的灵敏度造成影响。干扰会增强反向散射信号的测量难度,对定位精度造成影响。例如,如果不对自干扰进行抑制,则信号进入接收端的 LNA(Low Noise Amplifier,低噪声74、放大器)会产生交调干扰,ADC(Analog-to-Digital Converter,模数转换器)会饱和,造成相位测量误差21。图 25 无源物联网系统的干扰抑制示意图此处,针对收发一体式和收发分离式架构,提出干扰消除或干扰抑制的方法:无源物联网设备侧干扰抑制15:如图 25 所示,主要有三种抑制方式,1)空域干扰隔离:基站作为无源物联网设备发送用于定位的载波信号时,收发天线隔离和收发天线之间增加物理挡板可实现干扰隔离。例如,收发天线物理隔离可以隔离 30dB,挡板可以隔离 47dB,则天线域隔离可以达到 77dB 的抑制效果;2)模拟域电路抑制:通过构建等幅反相的信号,实现自干扰消除(如 75、45dB);3)数字域干扰抑制:自干扰信号经过ADC 后,通过信道估计构建等幅反相的信号,实现数字域自干扰消除(如 10dB)。标签高速率调制:在未来针对蜂窝无源物联网的标签设计时,可采用高速率调制,增大中国移动6G 无源物联网定位技术白皮书(1.0)30反向散射信号与载波信号的频率间隔(如 20MHz),接收端通过模拟滤波器可以抑制自干扰或交叉链路干扰。但该方法对标签的能力提出了较高的要求,需要标签具有较大的搬频能力,例如,4.3 章节提到的 II-A 类标签。4.2.1.2.3.环境多径误差处理环境多径误差处理针对环境中的多径误差,可通过采集不同频点的相位,CFR(Channel Freq76、uency Response,信道频率响应)重构,使用快速傅里叶逆变换可获得信号传播时间粗估计值,进而进行多径抑制。完成设备固有误差消除后,若共 K 个频点,可得到每个频点相位k.,21(4-13)可根据该相位进行 CFR 重构.,21kCCCC(4-14)ijiieaC(4-15)Ci为接收天线在频点 fi的 CFR。ai为接收天线频点 i 下信号的衰减系数,可基于前导序列估计,已知标签的前导序列为 Qk,其中,k=0,1,L-1,L 表示前导序列长度。接收端接收的前导序列为 Rk,则频域信道衰落系数 ai表示为:)(1*10kkLkiRQLa(4-16)再通过快速傅里叶逆变换可获得信号传播77、时间函数为:)()(CIFFTtf(4-17)时域信息波形图峰值对应的时间即信号传播的最短路径的飞行时间,根据该飞行时间可得待测目标所在位置相对距离粗估计值为cd 0(4-18)假设有 M 条多径,则可得接收天线对应频率 fi的 CFR 为:M1m2120maadfcjdfcjiiieeC(4-19)其中,a0和 am分别为 LoS 路径的信号幅度和第 m 条 NLoS 路径的信号幅度,d 和 dm分别为 LoS 路径的真实距离和第 m 条 NLoS 路径的真实距离。通过距离粗估计值对各频点的中国移动6G 无源物联网定位技术白皮书(1.0)31相位进行处理,可抑制多径效应对 LoS 信号的影响78、,得到多径抑制后的相位测量值为:kidffcjiikieC1)(20(4-20)4.2.1.2.4.相位误差消除相位误差消除1.相位中心矫正16相位中心为无源物联网设备发送和接收电磁波的测量起算点。现有的大多数工作将无源物联网设备天线的质心近似地视为相位中心(二者未必完全重合),这种近似会产生一些小的测量误差,在大多数实际场景中,进行设备固有误差消除可满足需求。然而,如果需要更精细的定位,则需要进行相位中心矫正,进而实现更精准的误差消除和位置解算。将标签在平面中沿着已知轨迹移动,同时,无源物联网设备通过需要校准的天线不断轮询标签。得到一组相位,令 n 为窗口长度,则可将采集到的相位向量列表转化79、为 m*n 的相位矩阵 S。nmmnphasephasePhasephase1111S(4-21)由于标签移动轨迹已知,可得到每个相位采集的位置矩阵 T。),(),(),(),(111111111111nmnmnmmmmnnnzyxzyxzyxzyxT(4-22)由于测量中存在 NLoS 影响,需要进行 LoS 解算,由于不同位置 NLoS 信号相位方向不一致,以每个窗口第一个相位为锚点,后续相位根据距离差转化为第一个位置的理论相位,将多个相位叠加后 NLoS 信号可得到抑制,得到较为纯净的 LoS 信号相位,如图 26 所示。)(4(11cddfjniimmiePhasePhase(4-2380、)中国移动6G 无源物联网定位技术白皮书(1.0)32图 26 多个相位叠加抑制 NLoS 信号示意图基于计算得到的 LoS 信号相位,可构建全息图,如某位置为相位中心,则相位固有误差为:)2mod()4(cfdPhasemmm(4-24)如果该位置确实为相位中心,则计算得到的固有误差会比较接近,将每个窗口计算得到的固有误差组合为数组 PO,则判定位置是否为相位中心的似然函数为:,1mPO(4-25))(1POstdP(4-26)通过遍历全息图中各点似然值,确定似然值最大的位置为相位中心。2.相位解缠绕由于相位存在模糊性,直接使用采集相位定位将会导致算法相对复杂且效率低,在数据连续采集的定位任81、务中,可通过相位解缠绕恢复相位的整周模糊度或部分模糊度。相位解缠绕算法是将前一时刻的采集相位与当前时刻的采集相位进行比较,当相位绝对跳变大于或等于 180 度时,加或减整数倍的 360 度来进行相位矫正。但该方法同样需要满足空间采样理论,当相位缺失距离超过四分之一波长时,解缠绕会失败,可通过卡尔曼滤波等方式去除干扰点平滑相位变化曲线,实现更好的解缠绕效果17。3.收发分离对相位的影响消除针对收发分离的组网式无源物联网系统,在接收端采用基于频率差的消除方法。在分布式节点设备向标签发射激励信号的同时,中心节点设备通过空口收到分布式节点设备的激励Si信号,进行如下计算公式可以跟踪获得分布式节点设备和82、中心节点设备的收发系统频率偏中国移动6G 无源物联网定位技术白皮书(1.0)33差,并通过激励设备进行频率预补偿值,具体相位补偿值如下:LiNiiLSSangle0*/)((4-27)2sFN(4-28)其中,L 表示测量的样本点数,N 表示测量频率相差的样点间隔,Fs表示系统采样率。4.2.2.位置解算位置解算无源物联网定位技术属于无线通信定位技术的一种,主要采用无源射频波作为信息的载体进行位置的测算,所采用的定位特征和定位算法与信号的特征类型息息相关。本章节主要基于 ISO18000-6C 的通信协议,对基于指纹的定位技术、基于距离模型的定位、基于角度模型的定位方法进行了详细分析,适用于单83、点式和组网式无源物联网定位。在实际应用中,可根据定位精度、组网架构以及天线部署情况来选择定位算法。此外,蜂窝无源物联网因为标签、网络架构以及通信协议的变化,可采用本章节提到的定位算法,但在实现细节上需要进行差异化适配,将在未来展开进一步研究。4.2.2.1.基于指纹的定位算法基于指纹的定位算法指纹是指目标位置标签的信号特征,通常通过匹配算法将指纹特征与目标位置关联起来。任一具备位置独特性的特征或特征组合都可以作为位置指纹。在无源物联网的定位场景中,可采用 RSSI、相位作为指纹特征。无源物联网中基于指纹的经典定位算法包括 Landmarc算法18和 VIRE(Virtual Reference84、 Elimination)算法19。1.Landmarc 算法算法Landmarc 定位算法核心思想是建立在接收信号强度指示 RSSI 之上的质心权重算法,通过实时获取的参考标签的 RSSI 值作为参考,消除邻近位置的环境因素对这些标签信号传播的共同干扰,从而提高对物体定位的精度。中国移动6G 无源物联网定位技术白皮书(1.0)34图 27Landmarc 定位算法示意图如图 27 所示,假设有 N 个无源物联网设备,M 个参考标签,L 个待测标签,定义参考标签在各个无源物联网设备上的信号强度矢量为:MNMMNNSSSSSSSSSS212222111211(4-29)其中,mnS表示无源物联网85、设备 n 接收到的参考标签 m 的 RSSI 值。设无源物联网设备读取待测标签时收到的信号强度矢量为 E:TNTTNNEEEEEEEEEE212222111211(4-30)其中,lnE表示无源物联网设备 n 接收到的待测标签 l 的 RSSI 值。根据 KNN(K-Nearest Neighbor,K 邻近算法)算法,需要计算待测标签和参考标签之间的欧式距离来挑选距离待测标签最近的前 k 个参考标签,得到矢量矩阵 DMmDDDDDDDDDDTmTTmm,212222111211(4-31)其中,lmD表示参考标签 m 与待测标签 t 之间的欧式距离,因为有 N 个无源物联网设备,所以需要增加86、一步求和,减少因为单个无源物联网设备可能引发的误差。NiimimESD12ll(4-32)中国移动6G 无源物联网定位技术白皮书(1.0)35当lmD越小,表示待测标签 l 越接近参考标签 m,对单个待测标签的距离进行排序,选取前 k 个lmD值对应的参考标签,意味着这 k 个参考标签距离该待测标签最近。然后,使用KNN 算法,通过 k 个近邻标签的坐标信息和权重,得到待测标签的坐标,计算公式如下:iikiittyxwyx,1(4-33)其中,kititiiDDw11/1,iw表示第 i 个近邻参考坐标的权重值,因为距离越近的标签其标签越有价值,所占权重应该越大。算法的性能评价是利用待测标签的87、计算位置与实际位置的均方误差来进行描述的:tjjjjjyyxxRMSE12020(4-34)其中,jjyx00,是待测标签 j 的实际位置,jjyx,是通过 Landmarc 算法计算得到的标签 j 的坐标值。Landmarc 定位算法改变了单纯依靠无源物联网设备和待定位目标信息实现定位,其最大的特点在于引入了参考标签,参考标签相对无源物联网设备而言,价格更低,从而降低了无源物联网定位系统的成本,避免了使用过多无源物联网设备而产生的大量互相干扰的问题,同时也提升了定位系统的精度,如图 28 所示。图 28 Landmarc 算法在不同 k 值下的定位精度2.VIRE 算法算法Landmarc 88、算法的位置精度与参考标签的数量具有较紧密的关联。当标签数量达到一定量时,位置精度可以保持在高水平。然而,过多增加参考标签不仅导致了成本的一定上升,而且参考标签之间的信号干扰在一定程度上也影响定位效果。为解决标签密度过大造成的干中国移动6G 无源物联网定位技术白皮书(1.0)36扰问题,使用 VIRE 算法引入虚拟参考标签,保证定位精度的同时,降低参考标签引入的成本。虚拟参考标签的使用增加了辅助定位点,同时不对其它标签造成干扰,也避免了硬件成本的上升。如图 29 所示,在定位区域中,设存在的真实参考标签个数为 Q,无源物联网设备个数为 M,待定位标签数量为 L,虚拟参考标签数量为 N。在每 4 89、个真实参考标签覆盖的小区域内等距插入虚拟参考标签。图 29VIRE 定位算法示意图无源物联网设备根据已知真实参考标签的 RSSI 值,通过插值算法,计算出每个虚拟参考标签的 RSSI 值。计算出所有参考标签的 RSSI 值之后,VIRE 通过计算参考标签与待定位标签 RSSI 之间的差值与阈值筛选出每个阅读器所获得的参考标签。图 30 虚拟参考标签的筛选示意图接下来,采用“模糊地图”来筛选参考标签:整个定位区域被划分成大小相同的网格单元,每个网格单元的中心都是一个虚拟参考标签,无源物联网设备按顺序扫描,获取区域中的参考标签与待定位目标的信号强度值;如图 29 所示,无源物联网设备利用自己所测出90、的值求出欧式距离,将其与设定好中国移动6G 无源物联网定位技术白皮书(1.0)37的阈值作比较,小于阈值的虚拟标签涂黑,大于阈值的虚拟标签不作处理。改变阈值 N 次(例如,图中所述的 4 次),该无源物联网设备可得到不同的虚拟参考标签。这些虚拟参考标签与目标点在实际环境中两者之间的距离最近,组成的区域即为“模糊地图”;如图 30 所示,对 4 个模糊地图取交集,保留可能性较大的区域,得到最终的“模糊地图”,此区域为待定位标签存在的区域。图 31 VIRE 算法在不同虚拟标签个数的情况下的定位精度基于“模糊地图”,采用加权系数法确定真实待定位标签的坐标。采用 VIRE 定位算法时,由于参考标签的91、 RSSI 值与距离并非简单的线性关系,若选择线性插值来计算虚拟参考标签的 RSSI 值,代替真实值,因两者之间存在不小的偏差,如图 31 所示,虚拟标签数量的增加可以提高定位的精度,但受数据质量的影响,精度的提升存在极限值,导致最终的定位精度偏低,适用于定位环境相对稳定的米级定位。4.2.2.2.基于距离模型的定位算法基于距离模型的定位算法1.基于 RSSI 的距离模型定位射频信号传播过程中,通过信号强度随距离变化的衰减规律,可得到如下 RSSI-距离模型,其中 RSSI0为 d0处的 RSSI 值,n 为路径损耗系数,X 为噪声:XddnRSSIRSSI)(log100100(4-35)由92、公式可根据信号的 RSSI 强弱进行距离估算,实际情况中,由于 RSSI 易受到硬件及环境的影响,直接使用距离模型定位效果较差,多用于天线级定位算法中,如图 32 所示。中国移动6G 无源物联网定位技术白皮书(1.0)38图 32 随着距离的增大,RSSI 理论变化与实际变化曲线19天线级定位算法的理论基础为标签能被哪个无源物联网设备天线读到,则认为定位终端就在该无源物联网设备的附近。由于无源物联网设备天线覆盖范围在几十米到百米之间,且相邻无源物联网设备的信号覆盖存在重叠区域,标签可能被多个无源物联网设备天线同时读取,仅基于无源物联网设备天线 ID 难以直接确定到具体区域,可在无源物联网设备天93、线 ID基础上融合 RSSI 距离模型作为辅助信息以提升定位精度,实现标签-区域的精准匹配。2.基于相位的距离模型定位若标签与无源物联网设备天线之间的距离为 d,则可得到相位-距离模型如下,其中 f为信号频率,Tag,Antenna为标签与无源物联网设备天线的相位偏移。)2mod()d4(AntennaTagcf(4-36)基于相位做定位,无源物联网设备获取的相位数据仅是单周期内的相位值,但相位信息具有周期性,需要解决因相位整周模糊度带来的定位结果不唯一的问题,通过多频率点、多空间点、多时间点的方式可得到多个相位信息,实现位置解算。(1)基于多频域点相位的位置解算(FD-PDOA)图 33 基94、于频域相位差测量的定位方法示意图20中国移动6G 无源物联网定位技术白皮书(1.0)39如图 33 所示,FD-PDOA(Frequency-Difference ofArrival-Phase-Difference ofArrival,不同频率下的到达相位差)指无源物联网设备发送频率为 f1、f2的载波信号,并在 f1和 f2处测量反向散射信号的相位,则距离信息可通过下式获取:21214absffcd?(4-37)最大测距值受反向散射信号的频差影响,可通过下式表示:21max2absffcR(4-38)该方法的重点在于测量反向散射信号的双边带信号的相位差,其差值的准确性决定了定位的准确性2795、。考虑了基于多频域点相位的位置解算方法,并给出一种有效避免相位卷绕的相位差测量方法,从图 34 可以看出,在工作频段范围内,由于受到相位噪声干扰,几个采样点的跳变较大,数据平均后可得到工作频段内较稳定的相位差。图 34 基于频域相位差测量的定位方法的相位测量结果27(2)基于多空间点相位的位置解算(SD-PDOA)SD-PDOA(Space-Difference of Arrival-Phase-Difference of Arrival,不同空间点下的到达相位差)包括基于实际天线的双曲线定位方法和移动天线的合成孔径两种方法。双曲线定位算法通过标签到两个天线的相位差带入距离模型中得到标签到两个96、天线的距离差,则根据双曲线性质,可得到标签可能的位置。假定天线 1 的坐标为(x1,y1),天线 2的坐标为(x2,y2),则根据两个天线采集的相位差,可得到标签距两个天线的距离差为:中国移动6G 无源物联网定位技术白皮书(1.0)40fcd4(4-39)进而构建双曲线确定标签可能的位置:12222byax(4-40)22122122)()(21yyxxcacbda(4-41)通过多个距离差得到多个双曲线,再通过求双曲线交点得到标签的位置。基于公式可看出,基于距离差构建出唯一的双曲线要求两天线间相位差小于一个相位周期,即标签与两天线间距离差小于半波长。当两个天线间间距小于半波长时,根据三角约束97、,两边之差小于第三边,标签到两个天线的距离差自然在半波长内;如图 35 所示,当两个天线间距大于半波长时,也可通过构建双曲线,找到一个可行区域满足该区域内的点到两个天线之间的距离差小于半波长,进而进行定位解算,该可行区域即为定位范围22,定位效果如图 36 所示。图 35 基于相位的双曲线定位方法示意图图 36 基于可行区域的双曲线定位精度合成孔径定位算法是通过预设一个可能涵盖标签位置的区域(监测区域),根据已知的天中国移动6G 无源物联网定位技术白皮书(1.0)41线位置和测量的相位值,在监测区域遍历每个位置并计算标签在每个位置的可能性23。根据检测区域范围,可求出每个位点标签理论上的相位值98、,通过相似度似然函数来衡量理论值与真实值的差距,最终构建出一张可反应标签在整个检测区域可能性的全息图,通过最大似然等算法得到最终结果。图 37 基于相位的合成孔径定位方法示意图在无源物联网定位中,基于相位空间的概率分布定位方法就是采用了合成孔径算法,如图 37 所示,利用移动的天线模拟多天线对标签进行扫描,当标签在已知轨道和运动速度而天线静止时算法与之相通。具体实现方法如下:假定监测区域 S 为大小为 P*Q 的矩阵,天线移动过程中产生 A1.AM的相位测量点,则对监测区域的任意位置 Z(p,q),可求出如标签位于该位置理论上天线采集到的相位。2mod),(4,qpmqpmZAd(4-42)d99、 代表两个位置间的欧式距离。则可设计似然函数(如余弦相似度函数),通过似然值代表理论值与真实采集相位值0之间的相似度,构建全息图 H。MqpmqpmML0,0,1(4-43)),(0,?qpqpLh(4-44)QPpQhhhh,1,11,1H(4-45)通过全息图 H,可得到目标标签坐标。)max(arg),(,yxhyx(4-46)其实验结果如图 38 所示。中国移动6G 无源物联网定位技术白皮书(1.0)42图 38 标签在圆形轨道匀速运动的情况下合成孔径算法定位精度23(3)基于多时间点相位的速度/位置解算(TD-PDOA)TD-PDOA(Time-Difference of Arriv100、al-Phase-Difference of Arrival,不同时间下的到达相位差)指通过时域载波相位差测速方法,指在两个不同时刻基于 LoS 径测量两个时刻的相位差,从而实现测量标签径向速度的方法。该方法适用于无源物联网的导航与追踪业务。图 39 基于时域相位差的定位方法示意图如图 39 所示,假设标签在一定时间内匀速运动,在两个不同时刻分别测量反向散射信号的相位差,可通过下式计算标签相对于阅读器的径向的速度投影tfcVr4(4-47)其中,f表示载波频率,rV表示标签相对于阅读器的径向的速度投影,负号表示标签在远离阅读器,正号表示标签接近阅读器,它们由相位的变化情况决定。此外测速时,需要101、满足:1)对应时间间隔应读取连续相位;2)其相位差不应超过,否则有可能会导致的相位卷绕或解卷绕时发生错误。进一步,可得到最大可测速范围和最小可测速范围。除了计算速度,对长窗口标签的连续相位值进行分析,可得到标签的时空动态变化曲线,中国移动6G 无源物联网定位技术白皮书(1.0)43进而估算标签与天线的位置关系24。以传送带场景为例,如图 40 所示,当部署了标签的物品在传送带上移动,标签与天线间的距离逐渐变小后逐渐变大,相位轮廓呈现一个 V 形区,天线到标签的距离越大,V 形变化越缓慢,标签经过天线的顺序与 V 形区到达最低点的顺序一致。考虑到轮询速度不稳定和相位抖动等因素影响,可通过DTW(102、Dynamic Time Warping,动态时间规整算法)等算法进行 V 形区识别。这种定位技术多用于判断物品顺序的场景中。图 40 相位随时间变化的 V 形区示意图254.2.2.3.基于角度模型的定位算法基于角度模型的定位算法图 41 空域相位差测量定位方法AOA(Angle ofArrival,到达角)指的是无线信号到达天线的相对角度,在无源物联网场景中由于标签侧没有数据处理能力,由无源物联网设备天线侧解算回波的到达角。如图41 所示,假设无源物联网设备两根相邻接收天线接收的反向散射信号相位差为12,且天线间距为 a,反向散射信号到达不同天线的路径差为12dd,则到达角可表示为:afc103、122sinarc(4-48)从图 42 可以看出,标签从距离无源物联网设备-0.5m 到 0.5m 移动时,对应的到达角从-15 度变化到 15 度。中国移动6G 无源物联网定位技术白皮书(1.0)44图 42 到达角随标签与无源物联网设备的距离变化的仿真结果28由于相位存在模糊性,当两个天线之间的距离大于半波长时,会存在多个波束;当两个天线之间的距离小于半波长时,上述到达角存在唯一解26,可看做是当标签与天线组之间距离逐渐增大时,双曲线逐渐逼近其渐近线,因而可以用渐进线进行位置解算。到达角获取的最佳方式是通过天线阵列或移动天线构建虚拟天线阵列来采集相位信息进行解算。当通过天线阵列获得多个到104、达角信息,便可通过角度交点得到标签所在的位置。同时不同天线测量相位时,时差大小,取决于无源物联网设备的测量能力和配置。分时测量时,无源物联网设备需要在固定时间内盘存标签多次,以获取不同时刻的反向散射信号。在对标签进行多次盘存时,应保证初始相位的一致性,避免相位测量误差导致的定位误差。基于移动天线的角度定位算法示例如下:虚拟天线阵列(VAA,Virtual AntennaArray)基本原理是定位设备按照某运动轨迹运动并构建虚拟天线阵列,并通过构建的虚拟天线阵列来计算无源物联网设备与标签的 AOA,如图 43 所示。图 43 基于虚拟天线阵列的测角原理中国移动6G 无源物联网定位技术白皮书(1.105、0)45假设标签发送的用于定位的参考信号或数据帧头为 =1,2,,则定位设备接收到的第个数据包的第个基带采样点,表示为:,*,)(2(00mnwemsmnhmnrsnmTtfj(4-49)其中,,表示标签与定位设备之间的信道脉冲响应,0为初始数据包(或初始定位参考信号)的相位,0表示标签与定位设备之间的频率偏移,表示初始接收到的数据包与第个数据包之间的时间间隔,表示采样时间,,是接收噪声。在该模型中,需要假设在个数据包发送过程中,收发端的频率偏移0保持不变。不失一般性,信道可以简化为:,=?(4-50)其中,表示信道的增益,?为波矢量(wave vector),?表示定位设备接收到第个数据包与106、接收到第一个数据包的相对坐标。考虑二维阵列结构(即 x-y 平面),并且只考虑平面坐标系,则上式可以简化为:?=2 cos +sin(4-51)其中,为标签的到达角 AOA,为信号波长,,为 x-y 坐标系中接收到第个数据包的坐标(原始坐标即为接收到第 1 个数据包的坐标)。因而,接收信号可以表示为:,)sin()cos(2)(2(00mnwemsmnrnynxmTtfjsn(4-52)为了估计 AOA,需要构建相应的方程式,并采用 MUSIC(Multiple Signal Classification,多重信号分类)、ESPRIT(estimating signal parameter v107、ia rotational invariance techniques,基于旋转不变性的参数信号估计)等算法来估计。对比传统基于多天线的 AOA 估计,VAA估计 AOA 的主要区别就是存在多项式 20;此外,定位设备的位置 ,是与定位设备的位移轨迹和时间有关的;在传统多天线 AOA 估计中,天线在天线阵列中的位置是固定的。其中,定位设备的位置 ,可以通过 IMU(Inertial Measurement Unit,惯性传感单元)等进行估计。下面以扩展的 MUSIC(Multiple Signal Classification,多重信号分类)算法为例,简述 VAA 估计角度原理。假设定位设备将108、个数据包变换成列向量,表示为:),(0mmufmway(4-53)其中,方向矢量 0,表示成:中国移动6G 无源物联网定位技术白皮书(1.0)46 0,=201+2 1 cos +1 sin 202+2 2 cos +2 sin 20+2 cos +sin(4-54)而 对所有虚拟天线都是固定的,表示成:)2(00smTfjemsmu(4-55)同时,w =1,2,为维度为 1 的高斯噪声矢量,其协方差矩阵R=2。定义协方差矩阵=,其维度为 ,其中 表示期望预算,表示共轭运算。在 MUSIC 算法中,可以通过搜索 K 个信号子空间分量来估计 AOA。进一步,定义为维度为 的特征向量矩阵并且其最109、小的 个特征值为,因此 MUSCI 频谱可以表示为:)(),(1),(,00*0fafafPMU*wwEE(4-56)更进一步,通过二维搜索算法,并通过计算出最大的峰值就可以估计 AOA 角度),(maxarg),(0),(00fpfMUf(4-57)上述的虚拟天线阵列测角或定位算法中,需要对定位设备的移动速度进行限制,以保证算法是有效的。为了满足空间奈奎斯特准则,在虚拟天线阵列系统中,定位设备连续两次接收数据包移动导致的距离不能超过/2,即:02Tvr(4-58)其中,vr是接收端的移动速度,T0是发送端发送周期信号或者数据包的时间间隔。实际测试结果表明,如图 44 所示,在 5m 的范围内110、,基于虚拟天线阵列 AOA 估计的误差小于25o95%,测距误差小于 1m95%。中国移动6G 无源物联网定位技术白皮书(1.0)47图 44基于虚拟天线阵列进行 AOA 估计和测距估计实验平台(来源:vivo 通信研究院)4.2.3.融合定位融合定位无源物联网定位技术具有无需内置电源、易于部署和成本低廉等优势,但同时标签反向散射通信的工作特性使其定位精度和可靠性往往受到多种因素的影响,如信号干扰、环境多径效应等。为了克服这些挑战,我们提出融合定位技术,通过整合多种测量量、多标签、多模态和 AI 算法,以提高无源物联网的定位性能。多测量量融合通过结合相位、RSSI、读取次数和天线 ID 等多种111、信号特征,克服了单一测量量在定位中的局限性。多标签融合定位利用标签阵列的拓扑结构和信号差异,提高了定位的精度。AI 算法融合不仅能够有效地去噪和剔除干扰,还能够建立物理信号与目标位置之间的非线性映射,从而显著提高定位的精度和可靠性。多模态融合定位则通过整合来自不同无线技术和传感器的数据,弥补了无源物联网信息的局限性,增强了系统的定位能力。4.2.3.1.融合多测量量定位融合多测量量定位在无源物联网定位中,可用的测量量包括相位、RSSI、读取次数、天线 ID 等。当只依赖一种测量量时,可用的数据相对较少以及单一数据的局限性都使得难以精确确定目标的位中国移动6G 无源物联网定位技术白皮书(1.0)112、48置,如仅使用天线 ID 进行定位,那么定位精度将受限于天线的部署密度和覆盖范围。此外,不同测量量适用不同的场景,基于单一测量量建立的定位模型也存在很大的局限性。如载波相位需要计算相位差去除整周模糊度,适用于有天线阵列或标签阵列的场景;RSSI 在多径环境下,获取到的是直视径和非直视径的叠加值,在空阔的直视径场景才能取得较好的定位效果。因此,为了提高无源物联网定位的精度,通常需要综合考虑多种测量量,并结合先进的数据处理技术和定位算法来减少误差、提高稳定性。通过融合多种测量量,可以更全面地描述目标的位置特征,从而有效提升定位精度和可靠性。比如,在立库定位场景中,传统基于RSSI 的定位方法受环113、境干扰较大,导致定位精度低。而无源标签依靠信号反向反射进行通信,在同样的盘点时间内,标签距离天线波束中心点越近,能够接收到的能量就越多,从而更大概率被读取到,能够被读取的次数也就更多。如图 45 所示,根据标签的该特性,提出融合 RSSI 与读取次数的无源物联网定位方法,利用每秒标签可被读取到的次数,对标签RSSI 进行加权处理,再提取标签 RSSI 的方差等特征值,与加权后的 RSSI、原始读取次数等进行联合分析,得到标签当前所在位置。落地测试表明,通过联合分析 RSSI 和读取次数,可将定位精度提升到 13m 90%,验证了融合多测量量定位的有效性。图 45融合多测量量定位4.2.3.2.114、融合多标签定位融合多标签定位一般而言,增加天线的个数可以提升定位的精度;对应地,将多个标签组成一个标签阵列,基于标签阵列稳定的拓扑结构和不同标签的信号差异,也可以更精准地估计标签阵列的位置29。根据标签阵列的部署位置,融合多标签的定位技术可分为绑定式的多标签融合定位和非绑定式的多标签融合定位两大类,如图 46 所示。中国移动6G 无源物联网定位技术白皮书(1.0)49图 46融合多标签定位示意图绑定式多标签融合定位技术是指利用贴附在目标上的标签阵列,通过天线持续扫描这些标签阵列,基于目标移动时的信号变化来进行定位的技术。当多个标签按照一定的拓扑结构组成阵列时,通过对比标签阵列的拓扑结构和标签之115、间的信号差异,挖掘出单个标签的信号变化与标签阵列的位置变化之间的规律,从而能够精确地追踪目标的运动30。非绑定式的多标签融合定位技术是指利用环境中的标签阵列,接收并提取从移动物体反射回来的信号,从而对阵列前方区域内行人的位置及其相应移动进行感知。这种方法首先要从实际接收的信号中消除掉墙壁等强反射以及天线传输到标签的直射信号,利用信号的叠加原理,获得行人的反射信号。进而行人的移动可以看成一个隐马尔可夫链,其中,可观测状态为标签阵列经过预处理后的信号强度,隐含状态是行人在房间中的位置。通过建立隐马尔可夫模型,观测标签阵列中信号状态的变化,可以最终推算得出行人在房间中的移动路线31。由于和天线相比,116、标签尺寸小、价格低、部署方便,因此融合多标签的定位技术具有较高的应用价值。以仓储物流领域为例,通过融合多个标签的定位数据,管理人员能够快速而精确地追踪到货物的实时位置,从而大大提高了库存管理的效率和准确性。4.2.3.3.融合融合 AI 算法定位算法定位无源物联网 AI 融合定位框架可大致分为信号预处理、特征抽取、位置感知三个处理模块,如图 47 所示。根据 AI 融合目的的不同,可将无源物联网 AI 融合定位技术分为两类:前融合与后融合。其中,前融合在特征抽取模块完成,主要目的是利用 AI 融合来进行去噪、衡量环境的干扰并剔除,从而提升定位的泛化性和鲁棒性;后融合则主要在特征抽取模块以及位置117、感知模块完成,其主要方法是利用 AI 融合来提取特征、建立非线性映射,从而提升定位精度。具体分析如下:AI 前融合:在无源物联网定位的相关工作中,目标物体的估算位置难免会受噪声影响而有所漂移。通过前融合 AI 算法,可更高效便捷地直接剔除这些噪声数据。例如,RF-finger中国移动6G 无源物联网定位技术白皮书(1.0)5032基于相位与 RSSI 特征计算标签阵列的似然特征图,再通过融合 AI 聚类算法来剔除手指移动轨迹中噪声的干扰,实现对手指的追踪与其移动轨迹的还原。AI 后融合:为确定目标位置,首先需要建立物理信号模型、提取特征,并从特征中计算最终的目标位置。具体而言,无源物联网信号中118、可提取 RSSI、相位、读取率、激活能量等通道参数信息,这些通道参数蕴含着目标位置的相关信息,通过融合 AI 算法可更好地建立两者的非线性映射,提高定位精度。例如 Tagoram33通过构建信号模型,计算位置全息图,对目标进行高精度定位。图 47融合 AI 算法的定位框架图4.2.3.4.融合多模态定位融合多模态定位通过融合多个模态信息进行定位,可以对无源物联网的局限信息实现补充,从而进一步提高系统的定位精度。如图 48 所示,一方面,无源物联网可以和其他无线技术或传感器协同工作,如 WiFi、蓝牙、5G、摄像头、毫米波雷达、红外传感器、IMU 等。首先,通过预处理消除不同设备测量数据的差异,119、再从每种模态中提取与定位相关的特征,如信号强度、图像特征、时间戳等,通过特征融合实现对目标的精准定位。通过协同工作,可以弥补单项技术在某些环境下的不足,从而提供更加全面、智能的解决方案。例如,在智能仓储中,摄像头可以监控货物的移动和状态,而无源标签则提供货物的唯一标识和相关信息。另一方面,未来无源物联网的无源物联网设备形态与功能将超越目前传统 RFID 设备的局限。蓝牙Beacon(信标)、WiFi 网关,甚至我们日常使用的智能手机终端,都可能成为无源标签的无源物联网设备,实现标签激活或接收其反射的信号。在实际应用中,可根据不同的应用场景和需求,灵活选择已有的设备作为无源物联网设备,从而更方便120、地实现定位功能。无论是仓库中的货物、商场中的顾客,还是家庭里的宠物,都能被精准地定位与追踪。中国移动6G 无源物联网定位技术白皮书(1.0)51图 48融合多模态定位4.3.定位终端层定位终端层标签技术标签技术无源物联网的终端形态包含无源、半有源、有源标签,无源和半有源标签均不具备主动发射信号和估算测量量的能力。在定位的整个流程中,标签通过反向散射信号与无源物联网设备交互,无源物联网设备在收到标签回波后,估算定位测量量,并将测量量发送至定位平台进行位置解算。目前 RFID 标签存在时钟精准低,回波信号弱,易受多径和干扰影响等问题,限制了标签的通信距离,也不利于定位精度的提升。3GPP 定义的蜂121、窝无源物联网的标签根据供能方式和标签能否自主生成信号,将标签分为类、II-A 类和 II-B 类,这些标签都将扩大定位的覆盖范围,也有利于定位精度的提升:类标签:类标签的能力和架构与传统 RFID 标签基本一致,峰值功耗仅1 W,无上行和下行信号放大能力,仅支持被动通信方式,通过反向散射向无源物联网设备发送信息。与 RFID 即充即用的工作模式相比,类标签可通过射频采能积累一段时间能量后才开始工作,适用于通信距离可能达到 30 米左右的定位场景,在大量部署时成本最低。II-A 类标签:II-A 类标签仅支持被动式通信,其峰值功耗可达百W 级,上行和下行信号至少有一路信号被放大,以提升覆盖范围。122、不同于传统的放大机制,II-A 类标签的上行放大是通过反射放大器实现。II-A 类标签除了通过射频采能外,还可采集环境光能、振动能等环境能量,适用于通信距离可能达到 100200 米左右的定位场景,定位精度也中国移动6G 无源物联网定位技术白皮书(1.0)52高于 I 类标签。II-B 类标签:II-B 类标签峰值功耗可达百W 级甚至 mW 级别,标签可自主生成用于调制上行信号的载波信号,可通过传统放大器对上行和下行信号进行放大。支持非常规类电池功能,如纸电池、超级电容。适用于通信距离可能达到数百米至公里级的定位场景,II-B 类标签主动生成载波信号,有可能支持发送定位参考信号,其灵活性更高。123、4.4.定位业务层定位业务层定位服务原子能力定位服务原子能力客户多样化的定位需求最终通过手机 APP 或 web 界面提供的定位应用满足,而为了支持定位应用的快速实现,定位业务平台可提供实时定位、电子围栏、室内导航、轨迹分析等定位服务原子能力。实时定位:接收来自用户触发式定位需求,结合地图或周边环境实时反馈定位对象的位置;电子围栏:在地图上定义需要重点监控的危险区域或需进行商业推送的区域,区域可以是圆、矩形、或任意形状的多边形区域,若被监视标签靠近该区域,自动触发判别条件,产生报警信息或进行信息的推送;室内导航:基于室内地图,实时定位标签的位置,为人或车提供路线路径规划及导航,通过手机 APP124、 呈现;活动轨迹:基于定位数据,借助室内地理信息系统,从时间和空间分析维度分析人或物特定时段内的活动轨迹,并在地图上绘制人员位置轨迹、可视化渲染用户的位置分布情况,输出用户位置分布色谱图、点密度图等各类专题地图等。5.无源物联网定位应用案例无源物联网定位应用案例5.1.立体仓库定位立体仓库定位解决方案解决方案立体仓库(简称立库),采用货架存储货物,高层货架和中低层货架采用不同的货物取放方式:高层货架的每层货架至少有一个托盘的高度,整托货物通过叉车直接放在货架上,无需人工搬运;高度小于 2m 的中低层货架,一般采用人工存取。传统的标记货物位置的方中国移动6G 无源物联网定位技术白皮书(1.0)5125、3案都是采用人工记录,工作效率低下,易出错。对于高层货架,叉车师傅和货管员配合记录,出错率更高,难以满足仓库高效运作的需求。无源物联定位技术方案,设计多测量量融合定位算法,实现 RSSI、天线 ID、上报频率等测量量的联合分析,有效解决了金属货架干扰导致的漏读、误读等问题,在上架货物时,能够自动定位货物上架位置,并生成准确的库存明细,与传统的人工记录方式相比,极大节省了上下架时间。在某设备生产厂商立体仓库管理的落地应用中,有多个物料存储仓库和成品仓库,仓库数量多,面积大,仅成品仓库面积就达 1000 平米,库位 1000 多个,日常生产过程中物品进出仓库流转频繁。如图 49 所示,应用基于多测126、量量融合的无源物联定位技术方案后,进行货架存取操作时可自动记录和更新物品位置,自动化手段代替原来的人工记录操作,每个仓库可节约人工 1-2 人年。图 49 立体仓库托盘定位的解决方案5.2.平面仓库定位解决方案平面仓库定位解决方案平面仓库,简称平库,以平面布局、划分库位、有序码放货物。平库库位中通常停放料车,需要人工使用叉车或牵引车进行存取。由于现场环境复杂,单标签存在信号盲点、遮挡干扰、路过干扰、信号波动、信号逸出、多天线信号跳变等问题。无源物联定位技术方案,通过多标签融合定位算法,对比分析信号在标签静止和运动状态下的变化,提取出加权特征中国移动6G 无源物联网定位技术白皮书(1.0)54值127、,从多目标中有效识别入库标签,实现区域级定位准确率 100%,库位级定位误差小于 1m,准确率高、实时性好,有效提升了库存管理效率,节约了物料寻找时间。此外,相比蓝牙、UWB 等其他定位技术,无源定位还具有标签成本低、免充电、易维护等优点,更适合在货物数量众多的仓库环境中应用。在某家电工厂钣金车间的落地应用中,车间生产的钣金件物料有 3 万种,物料按料车管理,达 1000 多辆,每个料车放置多种物料,每种物料通过扎带绑一个 MO(Material Order,物料订单)票。虽然地面划分平面库位且对应编号,但在日常运行中,库管经常不按库位存放料车,导致物料查找高度依赖人工,仓库管理员不在岗就无法128、找到物料发货,仓库管理效率低。如图 50 所示,基于多标签融合的无源物联定位技术方案提供自动定位能力,可准确定位物料所在的库位位置,且可在线实时查询物料位置,运输人员直接达到库位取出物料。出库时间由之前的 5 分钟左右缩短至 1 分钟以内,效率提升 80%以上。图 50 平面仓库物料定位的解决方案5.3.进出卡口货物定位解决方案进出卡口货物定位解决方案进出卡口定位是行业客户的共性需求之一,制造业企业的出入卡口一般位于原料库、成品库的进出库区域、生产车间的出入口等,需要定位的物资包括原材料、成品、人员、仪器设备、生产工具等。仅凭无源物联网单一定位技术方案存在多读、漏读、多门协同实时性差等问题。通129、过多模态融合定位算法,联合分析无源物联网和传感器数据,结合标签去重算法,中国移动6G 无源物联网定位技术白皮书(1.0)55有效消除卡口处环境杂乱、人员路过或移动等引起的噪声干扰,实现自动识别物资进出方向,并自动生成准确的入库或出库数据报表。此外,在多门场景下,根据无源数据和传感器数据,还可自动调整各个卡口的业务优先级,解决传统轮询的读取方式可能导致的卡口静默和标签漏读问题,实现多门协同,提高进出业务的实时性。在某通信公司的物流仓库卡口管理的落地应用中,仓库卡口附近堆放了大量的待上架或待出库物资,搬移物资时会频繁路过卡口附近,对正在进行出入库操作的物资标签造成信号干扰,导致传统基于天线 ID 130、的定位方法容易出现出入物资误判。如图 51 所示,基于多模态融合的无源物联定位技术方案,可有效解决上述问题,实现进出卡口定位准确率 100%,定位时延小于 5 秒,帮助企业实现准确、高效的自动化进出卡口管理。图 51进出卡口货物定位的解决方案5.4.管廊人员定位解决方案管廊人员定位解决方案城市管廊作为城市生命线工程的重要组成部分,承载着电力、通信、燃气、热力等多类中国移动6G 无源物联网定位技术白皮书(1.0)56管线的安全运行,其管理与维护至关重要。为确保巡检工作的安全性和全面性,需要实时监测巡检人员的位置和移动轨迹。传统方法需要同时部署 23 个天线来联合确定目标位置。这种方法在大范围部署131、时会导致系统成本剧增,且部署过程繁琐。无源物联定位技术方案,利用大量无源标签构建标签阵列,融合 AI 算法实现人员定位。具体来讲,标签阵列与一个无源物联天线部署在巡检人员经过区域,通过天线不断盘存标签阵列并分析标签无线信号的变化,将多目标的反射特征作为一个整体,转化成相应的特征图像,利用深度学习卷积神经网络自动地从特征图像中提取关键特征,以此实现对目标空间移动的细粒度轨迹追踪。由于无源标签的低成本和易部署特性,以及整个区域只需要一个天线覆盖,系统部署变得十分简单便捷,整个系统的成本也大幅降低。在某城建公司运营的城市管廊落地项目中,地下管廊总长超过 67 公里,包括水信舱、电力舱等多个种类,之前132、采用 WiFi 定位方法监测巡检人员轨迹,但因 WiFi 信号强大的穿墙能力,以及管廊内管线密布所形成复杂多径干扰,导致定位结果常常出现漂移,实测定位误差有时高达 50 米。如图 52 所示,基于标签阵列与 AI 融合的无源物联定位技术方案,结合数据校准、反射模型构建技术,有效应对漏读、信号噪声和多目标追踪的挑战,实现定位精度小于 5 米,定位时延小于 5 秒,低成本实现城市管廊巡检人员远程监控。图 52管廊人员定位的解决方案中国移动6G 无源物联网定位技术白皮书(1.0)575.5.服装零售门店陈列核查解决方案服装零售门店陈列核查解决方案零售门店商品陈列数量多、种类多,来源于不同的供应商,门133、店管理对不同供应商货物有摆放区域的要求。当前,门店陈列核查主要采用人工“飞行”检查的模式,效率低、成本高,同时时效性不足,无法做到实时陈列核查。通过给商品配置标签,基于无源物联网丰富的实时信道数据源,如 RSSI、相位、频点、时间等信息,结合机器学习、深度学习、模式识别等 AI 技术,可充分考虑环境因素如障碍物、反射面、多径效应等对信号传播的影响,深度挖掘和学习不同货架商品的信道数据特征,自动完成商品定位及陈列核查。另外,通过在试衣间部署无源物联网设备,当服装被试穿时,人员行为会影响无线信号的传输,导致接收端信号特征改变,从而识别被试穿的服装信息,辅助商家精准掌握消费者偏好,及时调整营销策略,134、提高营销转化率。在某服装品牌旗舰店落地项目中,基于组网式无源物联网覆盖及低成本海量实时连接采集的丰富数据,如图 53 所示,构建“陈列核查 AI 模型”和“智能试衣 AI 模型”,为门店管理者提供实时、可视、准确的陈列及试衣数据,满足服装自动陈列核查、试穿自动识别、试穿次数智能检测、热卖款式智能化分析等智能化管理需求,支撑营销策略优化、款式迭代优化等运营业务。图 53 服装门店陈列核查解决方案中国移动6G 无源物联网定位技术白皮书(1.0)586.总结及展望总结及展望凭借低功耗、低成本、易部署和免维护等优势,无源物联网定位能力已经在仓储物流、门店管理、家庭找物、非法入侵等场景取得了初步应用。随135、着传统 UHF RFID 向组网式和蜂窝无源物联网的快速演进,其系统的灵活组网、空口通信性能和标签能力都将进一步增强,从而带来定位协议的完善、定位范围的扩大以及定位精度的提升。此外,无源定位在多标签、多模态以及 AI 算法等融合定位技术方面也将开展更加探索,进一步支撑定位作为 6G 无源物联网第二大刚需的应用需求,实现无源物联网的一网多能化演进发展。本白皮书通过对无源物联网定位的场景介绍、端到端技术的深入分析、实践具体案例的现实推介,展示了中国移动及产业界对于无源物联网定位技术的研究与思考。后续中国移动将联合产业各方,依托国家自然科学基金、高校载体、联合实验室等形式,继续开展 6G 无源物联网136、定位的技术创新、产品研发和应用拓展,探索 6G 无源物联网定位前瞻技术,助力无源物联网深度融入企业生产、社会治理、个人生活等方方面面,实现定位技术跨领域协同创新,催生更多的新业态和新服务模式,开启万物智联新时代。中国移动6G 无源物联网定位技术白皮书(1.0)59缩略语列表缩略语列表缩略语英文全名中文解释3GPP3rd Generation Partnership Project第三代合作伙伴计划4G6th generation mobile networks第四代移动通信技术5G5th generation mobile networks第五代移动通信技术5G-A5th Generation137、 Advanced MobileCommunication Technology第五代增强移动通信技术ADCAnalog-to-Digital Converter模数转换器AOAAngle of Arrival到达角APPApplication应用程序ASKAmplitude shift keying振幅键控BeaconBeacon信标BLFBackscatter Link Frequency反向链路频率BPSKBinary phase shift keying二进制相移键控CFRChannel Frequency Response信道频率响应CTEChannel Timing Extensi138、on信道定时扩展DOADirection of transmitter出发角DTWDynamic Time Warping动态时间规整算法EPCElectronic Product Code电子产品代码ESPRITestimating signal parameter via rotationalinvariance techniques基于旋转不变技术的信号参数估计FDDFrequency Division Duplexing频分双工FD-PDOAFrequency-Difference of Arrival-Phase-Difference of Arrival不同频率下的到达相位差GPS139、Global Positioning System全球定位系统IFFTInverse Fast Fourier Transform快速傅里叶逆变换IoTInternet of Things物联网IQIn-phase and Quadrature同相正交KNNK-Nearest NeighborK 邻近算法LMFLocation Management Function位置管理功能LNALow Noise Amplifier低噪声放大器LoraLong Range Radio长距离无线电LoSLine of Sight视距传播MOMaterial Order物料订单MUSICMultiple Si140、gnal Classification多重信号分类NB-IoTNarrow Band Internet of Things窄带物联网NLoSNone Line of Sight非视距传播QPSKQuadrature phase shift keying正交相移键控RANRadio access network无线接入网RFIDRadio Frequency Identification射频识别RSSIReceived Signal Strength Indicator接收信号强度指示中国移动6G 无源物联网定位技术白皮书(1.0)60SD-PDOASpace-Difference of Arr141、ival-Phase-Difference of Arrival不同空间点下的到达相位差SFOsampling frequency offset采样频率偏移SLOSignal from Local Oscillator本地振荡器产生的信号SMLCServing Mobile Location Center服务移动定位中心STOSampling Time Offset采样时间偏移TDoATime Difference of Arrival到达时间差TD-PDOATime-Difference of Arrival-Phase-Difference of Arrival不同时间下的到达相位差TOA142、Time of Arrival到达时间UDMUnified data management统一数据管理网元UEUser equipment用户设备UHFUltra High Frequency超高频UWBUltra Wide Band超宽带VAAVirtual Antenna Array虚拟天线阵列中国移动6G 无源物联网定位技术白皮书(1.0)61参考文献参考文献1面向万物互联的无源物联网技术.中国移动,无源物联网技术联合创新中心.2022.25G-A 无源物联网典型场景技术解决方案白皮书.中国移动通信集团有限公司.2024.33GPP.Study on NR positioning sup143、port,version 16.0.0:TR38.855S.2019.43GPP.Study on NR positioning enhancements,version 17.0.0:TR 38.857S.2021.5蓝牙 5.1 技术标准.蓝牙技术联盟.2019.6Pooyan Shams Farahsari;Amirhossein Farahzadi;Javad Rezazadeh;Alireza Bagher.A_Survey_on_Indoor_Positioning_Systems_for_IoT-Based_Applications.IEEE.2022.72023-2028 年中144、国室内定位行业市场深度分析及投资潜力预测报告.华经产业研究院.2023.85G 室内融合定位白皮书.中兴通讯股份有限公司等.2020.93GPP.Study on Ambient power-enabled Internet of Things.TR22.840 V2.2.0(2023-12).10 6G 感知的需求和应用场景研究.IMT-2030(6G)推进组.2023.11 企业级室内定位需求白皮书.5G 应用产业方阵.2022.12 Xianan Zhang,Wei Wang,Xuedou Xiao,Hang Yang,Xinyu Zhang,and Tao Jiang.2020.Pee145、r-to-Peer Localization for Single-Antenna Devices.Proc.ACM Interact.Mob.WearableUbiquitousTechnol.4,3,Article105(September2020),25pages.https:/doi.org/10.1145/3411833.13 Kotaru M,Zhang P,Katti S.Localizing low-power backscatter tags using commodityWiFiC/Proceedings of the 13th international conferen146、ce on emerging networkingexperiments and technologies.2017:251-262.14 3GPP.Study on Ambient IoT(Internet of Things)in RAN.TR 38.848 V18.0.0(2023-09).15 Nwankwo C D,Zhang L,Quddus A,et al.A survey of self-interference managementtechniques for single frequency full duplex systemsJ.IEEE Access,2017,6:3147、0242-30268.16 Xu Zhang;Jia Liu;Xingyu Chen;Wenjie Li;Lijun Chen.SAH:Fine-grained RFIDLocalization with Antenna Calibration.IEEE.2022.17 陶波,龚泽宇.RFID 与机器人:定位、导航与控制.2021.18 L.M.Ni;Yunhao Liu;Yiu Cho Lau;A.P.Patil.LANDMARC:Indoor Location SensingUsing Active RFID.IEEE.2003.中国移动6G 无源物联网定位技术白皮书(1.0)6219 Y148、iyang Zhao;Yunhao Liu;Lionel M.Ni.VIRE:active RFID-based localization using virtualreference elimination.IEEE.2007.20 Pavel V.Nikitin;Rene Martinez;Shashi Ramamurthy;Hunter Leland;Gary Spiess;K.V.S.Rao.Phase Based Spatial Identification of UHF RFID Tags.IEEE.2010.21 简荣灵,黄雯雯,曲淼,丁宇,唐小勇,张银成.环境物联网关键技术与标149、准化进展.物联网技术.2024-08-28.22 Tianci Liu;Lei Yang;Qiongzheng Lin;Yi Guo;Yunhao Liu.Anchor-free backscatterpositioning for RFID tags with high accuracy.IEEE.2010.23 Lei Yang,Yekui Chen,Xiang-Yang Li,Chaowei Xiao,Mo Li,Yunhao Liu.Tagoram:real-timetracking of mobile RFID tags to high precision using COTS de150、vices.ACM digitallibrary.2014.24 Longfei Shangguan,Zheng Yang,Alex X.Liu,Zimu Zhou,Yunhao LiuAuthors Info&Claims.Relative Localization of RFID Tags using Spatial-Temporal Phase Profiling.ACMdigital library.2015.25 张谦.UHF RFID 系统应用性能关键技术研究.201526 Jue Wang,Deepak Vasisht,Dina KatabiAuthors Info&Claims151、.RF-IDraw:virtual touchscreen in the air using RF signals.ACM digital library.2014.27 Ales Povalac;Jiri Sebesta.Phase Difference of Arrival Distance Estimation for RFID Tags inFrequency Domain.IEEE.2011.28 Yimin D.Zhang,M.Amin,S.Kaushik.Localization and Tracking of Passive RFID TagsBased on Directio152、n Estimation.Computer Science,Engineering.2007.29 谢磊,陆桑璐编著.射频识别技术:原理、协议及系统设计.科学出版社.2020.8.30 Bu,Yanling,et al.RF-Dial:An RFID-based 2D human-computer interaction via tag array.IEEE INFOCOM 2018-IEEE conference on computer communications.IEEE,2018.31 Yang L,LinQ,LiX,etal.See through walls with COTS R153、FID system!C/Proceedings of the21st annual international conference on mobile computing and networking.2015:487-499.32 Wang,Chuyu,Jian Liu,Yingying Chen,Hongbo Liu,Lei Xie,Wei Wang,Bingbing He,andSanglu Lu.Multi-touch in the air:Device-free finger tracking and gesture recognition viaCOTS RFID.In IEE154、E INFOCOM 2018-IEEE conference on computer communications,pp.1691-1699.IEEE,2018.中国移动6G 无源物联网定位技术白皮书(1.0)6333Yang,Lei,Yekui Chen,Xiang-Yang Li,Chaowei Xiao,Mo Li,and Yunhao Liu.Tagoram:Real-time tracking of mobile RFID tags to high precision using COTS devices.InProceedings of the 20th annual intern155、ational conference on Mobile computing andnetworking,pp.237-248.2014.中国移动6G 无源物联网定位技术白皮书(1.0)64编写单位及人员编写单位及人员(排名不分先后)中国移动通信集团有限公司:丁海煜、肖善鹏、赵睿、魏颖慧、王晴、王曦泽、曹艳艳、郑师应、李源、范艺晶TCL 鸿鹄实验室:简荣灵、黄雯雯、包占京、唐小勇、张银成京信网络系统股份有限公司:刘重军、衷柳生、李俊、周进青维沃移动通信有限公司:黄伟、姜大洁中信科移动通信技术股份有限公司:达人、李健翔、任斌OPPO 广东移动通信有限公司:崔胜江、张晋瑜、徐伟杰、杨宁中国科学院微电子研究所:刘文学中兴通讯股份有限公司:陈诗军、陈大伟南京大学:谢磊、王楚豫电子科技大学:李建、文光俊天津大学:马永涛、宫霄霖翱捷科技股份有限公司:李维成、龙迪新华三技术有限公司:周雷中国移动6G 无源物联网定位技术白皮书(1.0)65