6G无源物联网定位技术白皮书1.0

目 录无源物联网发展历程 1无源物联网定位概述 3无物联定位义 3无物联定位势与战 4无物联定位场前景 7无源物联网定位典型场景与需求分析 7企服务位场景 8仓储物流 8商超零售 9智能制造 10智慧停车 11政与公服务位场景 12博物展览 12矿井管廊 14公检司法 15医疗养老 15个和家定位景 16家人关爱 16家庭家居 17定需求指标析 18无源物联网定位端到端技术 20定网络——组架构空口扑 21单点式无源物联定位架构 21组网式无源物联网定位架构 22蜂窝无源物联网定位架构 23定算法——定测量估计位置算 24定位测量量估计 24位置解算 33融合定位 47定终端——标技术 51定业务——定服务子能力 52无源物联网定位应用案例 52立仓库位解方案 52平仓库位解方案 53进卡口物定解决案 54管人员位解方案 55服零售店陈核查决方案 57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、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，1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，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超高频）RFID免维护：标签无需更换电池，一旦部署，可永久使用。RFID、蓝牙、LoRa等无源物联通信技术。其中，UHFRFID1~10米，标签种类多样，生态成1.02.03.0的“单点读取”向“网络覆盖”的跨越式发展[1]。RFIDISO18000-6CRFID相关标3GPPRel-185G-Advanced以及关于蜂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。无源物联网定位概述无源物联网定位定义2图2无源物联网定位示意图X、Y3个及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：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：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：无源物联网定位优势与挑战5GUWBRFID5G5G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（AngleofArrival，到达角）、TOA（TimeofArrival，到达时间）和OTDOA(ObservedTimeDifferenceOfArrival,观测到达时间差)3GPPR16协议要求5G3米@80%[3]。3GPPR175G定位能力的持续增强，基5G0.5米@90%甚至更高精度[4]。5G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RSSI（ReceivedSignalStrengthIndicator，接收信号强度指示）Beacon的定位方法和基于角度测量的测距方法，可实现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Beacon的定位方法需要在室内部Beacon信标，成本较高。20195.1技术标准[5]，提出IQ（In-phaseandQuadrature，同相正交）采CTE（ChannelTimingExtension，信道定时扩展UWB50-100mUWB定位技IDIDDID定位则主要依赖于信号强度表1常见定位技术比较[6]定位技术覆盖定位精度功耗优势劣势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，功耗大蓝牙5~400m几米~几十厘米很低低功耗受干扰影响大，定位精度一般UWB~100m几十厘米~几厘米中定位精度高，鲁棒成本高，受金属和液性好体干扰RFID~10m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、RFID的近距离通信范围，利用蜂窝网络在覆盖、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，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，6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，2021105亿元人民币，2013-20214.12%2022年的市场规模达到了2802028年，[7]无源物联网定位典型场景与需求分析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。基于上企业服务定位场景仓储物流34所示，基于无源物联网的定位技术，能够实时追踪货物的精图3仓储物流定位实景图图4仓物物流定位部署示意图进出库管理1~3100%1米及以内。载具流转管理商超零售56图5商超零售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导引APPAPP可实现特定门店位置1-3米即可。门店商品自动化盘点与陈列核查商超经营布局调整智能制造4.07需要10~30cm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工序定位员工考勤/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。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8闲置车位引导智能反向寻车图8停车场无源物联网定位场景政府与公共服务定位场景博物展览910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游客精准导览服务博物馆人流监控与管理矿井管廊121~3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1~3米，以实现对巡检人员实时动态的精确掌握。作业管理3米。公检司法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，<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：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。人员日常活动监控5医疗养老[8]14图14医疗养老定位部署示意图患者实时定位与监护医疗设备追踪与管理紧急事件快速响应个人和家庭定位场景家人关爱图15寻找小孩的定位部署示意图[12]15宠物位置追踪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，3m30o处”。另外，坐标转换这图16居家找物定位部署示意图[13]LoS（Lineofsight，视距传播）径时，可1mNLoS（Nonelineofsight，非视距传播）径时（16）1~2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、2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（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%<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3GPPI类标签。此外，为实现更远距离传输，3GPP还II-AII-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。14.1章节；计算标签位置，以及实现多测量、多标签、多模态、AI融合的定位方法。依据定4.2章节展开详细分析；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。定位网络层——组网架构与空口拓扑3大类：单点式无源物联定位架构RFID就属于该类架18ISO18000-6C协EPC（ElectronicProduct图18单点式定位系统网络架构组网式无源物联网定位架构19ISO18000-6C协议，这里提到的定位指令和定位信号，也是复用无源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蜂窝无源物联网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（ServingMobileLocationCenter，服务移动定位中心LMF（LocationManagementFunction，位置管理功能SMLC与客户定位应用交互，接收应用位置请求，返回位置信息；LMFSMLC的定位请求，向基站datamanagement，统一数据管理网元）网元参3GPP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]：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；图20蜂窝无源物联网定位系统组网架构定位算法层——定位测量量估计与位置解算定位测量量估计RSSIID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、信号定位测量量分析信号相位21所示，无源物联网设备先发出指定频段的SsendSrecv，解调出其中的信息，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Ssend：Sntt)Ao(fct0T)

（4-1）其中，A为信号的幅度，fc为信号的载波频率，φ0为信号的初始相位，φT为信号在无Srecv。Svt)Ao(fctTR)0TagR)

（4-2）其中，δ为信号传输的过程中产生的衰减系数，τT和τR为信号前向和后向传输所消耗的时间，φR为信号在无源物联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，φtag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τT和τR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I/Q23所示。图23 I/Q解调原理图I/Q两路的基带信号，根I/QSLO为：SLOt)LOo(fctLO)

（4-3）I(t)1A

)

（4-4）2 LO

c T R nQ(t)1A

Ain(f

()

（4-5）2 LO

c T R n其中n0TagRLO。此时，可计算出信号中如下式所示的相位信息：arctan(Q(t))I(t)d1c2

（4-6）（4-7）2 RSSIPtagRx

Greader

Gtag

L()21

（4-8）Ptag−Rx为标签的接收能量，Preader−Tx为无源物联网设备天线发射的信号能量，Greader−Tx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：PreaderRx

Greader

Gtag

2L(4d)2

（4-9）Preader−Rx为无源物联网设备天线的接收能量，Ptag−Tx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β，即Ptag−Tx=βPtag−Rx，则联立上式可得PreaderRx

adrTx

Greader

Greader

2GtagG

()4(4

1d1d2

（4-10）通过能量PreaderRx可解算得到RSSIRSSI10log10(P)

（4-11）d1d2相等时，RSSIRSSI0d0处RSSIn为路径损耗系数（n2）d越小，即标签距离无源物联网设备越近，则RSSI值越大。RSSIRSSI0

10n

(d)d

（4-12）0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。IDIDIDIDID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。定位测量量预处理设备固有误差消除或减弱SFOCFO消除SFO（samplingfrequencyoffset，采样频率偏移）对定位测量量的影响，SFOSFOSFO引起的频率误差为Δf（假设为正值），则接收端接收的信号频率分别为：f0＋f1＋Δf－f1＋Δff1＋Δff1SFO引起的频率误差ΔfOOK，设计标签反向散射信号的序列，FO或arrerrequencyOfset。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φtag，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SFOSTO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（SamplingTimeT1packet1T2packet2给接收端，24所示，packet1packet2进行相关（（再根据同步误差进行补偿后实现收发端信号同步（图③）。图24收发分离架构下的收发端非理性因素消除定位系统编码方式配置BLF（BackscatterLinkFrequency，反向链路频率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，RSSIRSSI值越小时，自干扰信号和噪声会导致测RSSIBLF带宽合理配置值。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，进一步影响无源物联网的定位精度。LNA（LowNoiseConverter，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]25所示，主要有三种抑制方式，1）空域干扰隔30dB，挡板可以47dB77dB的抑制效果；2）模拟域电路抑制：通过构建（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（10dB）。反向散射信号与载波信号的频率间隔（20MHz），接收端通过模拟滤波器可以抑制II-A类标签。环境多径误差处理hannelrequencyespons，信道频率响应K个频点，可得到每个频点相位12..k

（4-13）可根据该相位进行CFR重构C,C2...Ck]i Caei

（4-14）（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Rkai表示为：a1L1Q*R

（4-16）i L k0 k k再通过快速傅里叶逆变换可获得信号传播时间函数为：f(t)IFFT(C)

（4-17）时域信息波形图峰值对应的时间τ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d0c

（4-18）假设有M条多径，则可得接收天线对应频率fi的CFR为：ijfd jfdiCia0e c

Mm1

a1e

cim

（4-19）amLoSmNLoSdm分LoSmNLoS路径的真实距离。通过距离粗估计值对各频点的LoS信号的影响，得到多径抑制后的相位测量值为：ii1i'kCii1i

2c(fi

fk)d0

（4-20）相位误差消除相位中心矫正[16]（二者未必完全重合这种近似会产生一些小nm*n的相S。11phase1 Phasen11S

（4-21）mmphase1 phasenmm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。(x1,y1,z1) (xn,yn,zn)T

1 1 1

1 1 1

（4-22）mmmmmm(x1,y1,z1) (xn,yn,zn)mmmmmmmNLoSLoSNLoS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，NLoSLoS26mPhase'

ni1

Phaei

j((did1))me cm

（4-23）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：

m(Phase'm

fdm)mod()mcm

（4-24）PO，则判定位置是否为相位中心的似然函数为：PO1,m]

（4-25）P 1std(PO)

（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。相位解缠绕180360收发分离对相位的影响消除Si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：i0iangl[(Li0i

*i

)/

（4-27）FsN2

（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。位置解算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，适用于单点式和组网式无源物联网定位。在实际应用中，基于指纹的定位算法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]VIRE（VirtualReferenceElimination）算法[19]。Landmarc算法LandmarcRSSIRSSI图27Landmarc定位算法示意图27NS1

S1 S11S2SS1

2 NSS2 2SS2 N

（4-29）S

SM

SM1 2 NnSmnmRSSIE：nE1

E1 E11E2EE1

2 NEE2 2EE2 N

（4-30）ET

ET

ET1 2 Nn其中，El表示无源物联网设备n接收到的待测标签l的RSSI值。n根据KNN（K-NearestNeighbor，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DD1

D1 D11D2DD1

2 mDD2 2DD2 m,m

（4-31）DT

DT

DT1 2 mmmtN个无源物联网设备，所以需要增加一步求和，减少因为单个无源物联网设备可能引发的误差。mNSi EiNSi Eim l2i1DmmmDllm，对单个待测标签的距离进行排序，选kDlkmmKNNk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：t tk

i ix,y

i1

x,y

（4-33）1 k 1其中，iDt/i1Dt，i表示第i i i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计算位置与实际位置的均方误差来进行描述的：tRMSExjxj2yjyjt

（4-34）0 0j1其中，xj,yj是待测标签j的实际位置，xj,yj是通过Landmarc算法计算得到的标0 0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28所示。图28Landmarc算法在不同k值下的定位精度VIRE算法Landmarc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，VIRE29Q，无源物联网设备个数N4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RSSIRSSIRSSI通过计算参考标签与待定位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：29所示，无源物联网设备利用自己所测出的值求出欧式距离，将其与设定好N次（4次），该无源物联网设备可得到不同的虚拟参考标304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31VIRE算法在不同虚拟标签个数的情况下的定位精度VIRE定位算法RSSIRSSI31所示，虚拟标签数量基于距离模型的定位算法RSSI的距离模型定位RSSI-距离模RSSI0d0RSSI值，n为路径损耗系数，X为噪声：RSSIRSSI0

10n

(d)Xd

（4-35）0由公式可根据信号的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。图32随着距离的增大，RSSI理论变化与实际变化曲线[19]IDIDRSSI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。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，φTag,φAntenna为标签与无源物联网设备天线的相位偏移。(

)

（4-36）c Antenna基于多频域点相位的位置解算（FD-PDOA）图33基于频域相位差测量的定位方法示意图[20]33所示，FD-PDOA（Frequency-DifferenceofArrivalPhase-DifferenceofArrival，不同频率下的到达相位差）f1、f2f1f2处测量反向散射信号的相位，则距离信息可通过下式获取：c12dabs4f1

f2

（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： c 12Rmaxabs2ff 12

（4-38）位的准确性[27]。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]基于多空间点相位的位置解算（SD-PDOA）SD-PDOA（Space-DifferenceofArrival-Phase-DifferenceofArrival，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天线的1的坐标为(x1,y1)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：d

c4f

（4-39）进而构建双曲线确定标签可能的位置：2 x 2 a2 b2 1

（4-40）adc2c2a21212(xx)2(yy)21 21 2c

（4-41）35所示，当两个天线间距大于半波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]。根图37基于相位的合成孔径定位方法示意图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。 (A,Z

)mod2

（4-42）m,p,q m p,qd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φ0之间的相似度，构建全息图H。L1M M

m,p,q0

（4-43）m,p,q0hp,qLm,p,q0

（4-44） H

（4-45）hp1 P,Q通过全息图H，可得到目标标签坐标。(x,y)argmax(hx,y)

（4-46）其实验结果如图38所示。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]基于多时间点相位的速度/位置解算（TD-PDOA）TD-PDOA（Time-DifferenceofArrival-Phase-DifferenceofArrival，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Vr

c4ft

（4-47）f表示载波频率，Vr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π，否则有可能会导致π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，进而估算标签与天线的位置关系[24]40所示，当部署了标签的物V形区，天线到标签的距离越大，VV形区到达最低点的顺DDnamcerng，动态时间规整算法V40V形区示意图[25]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（AngleofArrival，到达角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4121天线间距为a，反向散射信号到达不同天线的路径差为d2d1，则到达角可表示为：arcsinc

21

（4-48）a 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。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]离位算法示例如下：VirtualAntennaArray）基本原理是定位设备按照某运动轨迹运动AOA，43图43基于虚拟天线阵列的测角原理假设标签发送的用于定位的参考信号或数据帧头为�收到的第�个数据包的第�个基带采样点���

�=1,2⋯,�，则定位设备接r[n,m][n,m]*[m]ej0f0(tnms))[n,m]

（4-49）其中，ℎ��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（或初始位参考信号与第�个数据包之间的时间间隔，����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：ℎ�,�=�∙�˙� （-5）其中，�为波矢量（wave�表示定位设备接收到第（x-y平面¯�˙∙¯�˙�

=�

��cos�+

sin� （4-51）���x-y坐标系中接收到第�据包的坐标（1个数据包的坐标）。因而，接收信号可以表示为：jf(tmT)

)y[n]sin()))r[n,m]

0n

(x[n]cos(m]

（4-52）SignalClassification，多重信号分类ESPRIT（estimatingsignalparameterviarotationalinvariancetechniques，基于旋转不变性的参数信号估计）等算法来估计�AOAAOA2��0������AOA����IMU（InertialMeasurementUnit感单元MUSIC（MultipleSignalClassification，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�y[m]a(f0,)u[m]w[m]

（4-53）其中，方向矢量��0,�表示成：�2��0�1+2��1cos�+�1sin�� ��2��0�2+2��2cos�+�2sin���0,�=� �⋮

（4-54）���2��0��+2���cos�+��sin��而��对所有虚拟天线都是固定的，表示成：[m][mej0f0ms)

（4-55）同时，w��R�=�2��。�

�1,�,�2,�,⋯��

�为维度为�×1的高斯噪声矢量，其协方差矩阵定义协方差矩阵�=���∗��∙∙∗MUSICKAOA。进一步，定义��×�−��−�MUSCI频谱可以表示为：

(f0

,)

a*(f

1,)EE*a(f)

（4-56）0 ww 0,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�0(ˆˆ)gm{p0

(f,)}

（4-57）(f0,)

MU 0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vr

（4-58）445mAOA估计的误差小于25o@95%1m@95%。44AOA（来源：vivo）融合定位AIRSSIID等多种信号特征，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融合多测量量定位RSSIIDID在多径的定位方法受环境干扰较大，导致定位精度低。而无源标签依靠信号反向反射进行通45所示，根据标签的该特性，提出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RSSIRSSIRSSI、原始读取次数RSSI和读取次数，1~3m@90%，验证了融合多测量量定位的有效性。图45融合多测量量定位融合多标签定位位置[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46所示。图46融合多标签定位示意图[31]。AI算法定位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47AIAI融合定位技术分为两类：AI融合来进行去噪、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AI[32]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RSSI、相位、读取率、激活能量AI算法可更好地建Tagoram[33]图47AI融合多模态定位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5GIMU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）、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图48融合多模态定位定位终端层——标签技术RFID3GPP定义的蜂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Ⅰ类、II-AII-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：RFID标签基本一致，峰值功耗仅~1µW，RFID30米左右的定位场景，在大量部署时成本最低。II-AμW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、100~200高于I类标签。II-B类标签峰值功耗可达百μWmW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。定位业务层——定位服务原子能力APPweb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，APP无源物联网定位应用案例立体仓库定位解决方案（简称立库2mRSSIID1000100049所示，应用基于多测量量融合的无源物联定位技术方案后，进行1-2人年。图49立体仓库托盘定位的解决方案平面仓库定位解决方案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、UWB31000MO（MaterialOrder，物料订单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。5180%以上。图50平面仓库物料定位的解决方案进出卡口货物定位解决方案ID51所示，基于多模100%，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2~3AI算法实现人员定位。具体来讲，标签阵列与一个无67公里，包括水信舱、WiFi信号强大的穿墙5052AI融合的无源物联定位技术方案，结合55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服装零售门店陈列核查解决方案RSSI、相位、频点、时间等信息，结合机器学习、深度学习、模式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，53AIAI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、图53服装门店陈列核查解决方案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、UHFRFID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，AI6G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。6G无6G缩略语列表缩略语英文全名中文解释3GPP3rdGenerationPartnershipProject第三代合作伙伴计划4G6thgenerationmobilenetworks第四代移动通信技术5G5thgenerationmobilenetworks第五代移动通信技术5G-A5thGenerationAdvancedMobileCommunicationTechnology第五代增强移动通信技术ADCAnalog-to-DigitalConverter模数转换器AOAAngleofArrival到达角APPApplication应用程序ASKAmplitudeshiftkeying振幅键控BeaconBeacon信标BLFBackscatterLinkFrequency反向链路频率BPSKBinaryphaseshiftkeying二进制相移键控CFRChannelFrequencyResponse信道频率响应CTEChannelTimingExtension信道定时扩展DOADirectionoftransmitter出发角DTWDynamicTimeWarping动态时间规整算法EPCElectronicProductCode电子产品代码ESPRITestimatingsignalparameterviarotationalinvariancetechniques基于旋转不变技术的信号参数估计FDDFrequencyDivisionDuplexing频分双工FD-PDOAFrequency-DifferenceofArrival-Phase-DifferenceofArrival不同频率下的到达相位差GPSGlobalPositioningSystem全球定位系统IFFTInverseFastFourierTransform快速傅里叶逆变换IoTInternetofThings物联网IQIn-phaseandQuadrature同相正交KNNK-NearestNeighborK邻近算法LMFLocationManagementFunction位置管理功能LNALowNoiseAmplifier低噪声放大器LoraLongRangeRadio长距离无线电LoSLineofSight视距传播MOMaterialOrder物料订单MUSICMultipleSignalClassification多重信号分类NB-IoTNarrowBandInternetofThings窄带物联网NLoSNoneLineofSight非视距传播QPSKQuadraturephaseshiftkeying正交相移键控RANRadioaccessnetwork无线接入网RFIDRadioFrequencyIdentification射频识别RSSIReceivedSignalStrengthIndicator接收信号强度指示SD-PDOASpace-DifferenceofArrival-Phase-DifferenceofArrival不同空间点下的到达相位差SFOsamplingfrequencyoffset采样频率偏移SLOSignalfromLocalOscillator本地振荡器产生的信号SMLCServingMobileLocationCenter服务移动定位中心STOSamplingTimeOffset采样时间偏移TDoATimeDifferenceofArrival到达时间差TD-PDOATime-DifferenceofArrival-Phase-DifferenceofArrival不同时间下的到达相位差TOATimeofArrival到达时间UDMUnifieddatamanagement统一数据管理网元UEUserequipment用户设备UHFUltraHighFrequency超高频UWBUltraWideBand超宽带VAAVirtualAntennaArray虚拟天线阵列参考文献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.2022.5G-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.2024.3GPP.StudyonNRpositioningsupport,version16.0.0:TR38.855[S].2019.3GPP.StudyonNRpositioningenhancements,version17.0.0:TR38.857[S].2021.5.1技术标准.蓝牙技术联盟.2019.PooyanShamsFarahsari;AmirhosseinFarahzadi;JavadRezazadeh;AlirezaBagher.A_Survey_on_Indoor_Positioning_Systems_for_IoT-Based_Applications.IEEE.2022.2023-2028年中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.2023.5G室内融合定位白皮书.中兴通讯股份有限公司等.2020.3GPP.StudyonAmbientpower-enabledInternetofThings.TR22.840V2.2.0(2023-12).6G感知的需求和应用场景研究.IMT-2030(6G)推进组.2023.企业级室内定位需求白皮书.5G应用产业方阵.2022.XiananZhang,WeiWang,XuedouXiao,HangYang,XinyuZhang,andTaoJiang.2020.Peer-to-PeerLocalizationforSingle-AntennaDevices.Proc.ACMInteract.Mob.WearableUbiquitousTechnol.4,3,Article105(September2020),25pages./10.1145/3411833.KotaruM,ZhangP,KattiS.Localizinglow-powerbackscattertagsusingcommodityWiFi[C]//Proceedingsofthe13thinternationalconferenceonemergingnetworkingexperimentsandtechnologies.2017:251-262.3GPP.StudyonAmbientIoT(InternetofThings)inRAN.TR38.848V18.0.0(2023-09).NwankwoCD,ZhangL,QuddusA,etal.Asurveyofself-interferencemanagementtechniquesforsinglefrequencyfullduplexsystems[J].IEEEAccess,2017,6:30242-30268.XuZhang;JiaLiu;XingyuChen;WenjieLi;LijunChen.SAH:Fine-grainedRFIDLocalizationwithAntennaCalibration.IEEE.2022.陶波,龚泽宇.RFID与机器人：定位、导航与控制.2021.L.M.Ni;YunhaoLiu;YiuChoLau;A.P.Patil.LANDMARC:IndoorLocationSensingUsingActiveRFID.IEEE.2003.YiyangZhao;YunhaoLiu;LionelM.Ni.VIRE:activeRFID-basedlocaliz