隧道非视距（NLOS）场景 UWB 人员定位识别与补偿技术研究

隧道施工与运维环境中，UWB 人员定位的可用性瓶颈并不在视距区段，而在非视距（NLOS）工况。衬砌、钢拱架、模板台车、大型机械持续阻断基站与标签之间的直达传播路径，仅剩反射与绕射分量到达接收端，测距观测量产生系统性偏移，坐标解算被牵引偏离真实位置。由于 NLOS 在隧道内向属常态而非偶发事件，仅靠剔除异常观测的传统思路会使有效观测数量不足、几何精度因子急剧恶化。因此，NLOS 问题须按 “先识别、再补偿” 的两段式技术路线处理：识别解决 “哪条链路不可信”，补偿解决 “不可信的观测如何在解算中被合理利用”。

一、隧道 NLOS 的成因与误差机理

隧道 NLOS 的诱因可分为三类：固定遮挡型，如衬砌台车、钢拱架、机电管线，位置相对稳定但随施工推进而迁移；移动遮挡型，如挖掘机、运输车辆、人员聚集，具有随机性与短时性；几何型，如转弯段、分岔口、变断面处，基站与标签虽无实体遮挡但夹角与遮挡带使直达径不可达。三类诱因对应不同的时间尺度，固定遮挡型误差呈现准静态偏置，移动遮挡型表现为短时脉冲式粗差，几何型则造成定位能力的区域性退化。

在物理机理上，NLOS 状态下直达分量衰减至检测阈值以下，接收端首径检测模块转而锁定首个超过阈值的反射峰，其飞行时间必然大于真实直达时延，故测距误差以

；同时反射路径的额外时延与遮挡材质、厚度、入射角相关，使偏置量随时间与位置变化，难以用单一常数标定。统计层面，NLOS 测距残差不再是零均值高斯分布，而呈现均值非零、厚尾显著、参数时变的特征，这正是固定参数卡尔曼滤波在隧道中失效的根本原因。

识别环节的目标是输出链路级的可信度，而非简单的二值判定。

：UWB 芯片可输出信道冲激响应，从中提取首径信噪比、首径与最大径功率比、均方根时延扩展、首径能量占比等指标。LOS 链路首径突出、时延扩展小；NLOS 链路首径弱、能量集中于后到反射峰、拖尾明显。这类特征直接反映物理传播状态，是识别的主力依据。

：利用多基站冗余观测，对测距方程组做一致性检验。当某一链路测距值与其他链路的几何约束明显矛盾时，判定为异常。常用手段包括解算残差 χ² 检验、单链路留一法残差对比、以及基于历史轨迹的预测残差门限检验。该方法不依赖芯片原始数据，可作为信道特征法的交叉校验，提高判别稳健性。

：将上述特征作为输入，训练轻量分类器（如梯度提升树或小型神经网络）输出 NLOS 概率。模型部署于边缘网关，标签端仅上传原始 CIR 与运动数据，避免增加胸卡算力与功耗。需注意隧道断面类型多样，模型应针对不同断面与遮挡工况分域训练或做迁移微调，不宜通用于全洞。

：引入隐马尔可夫或切换模型，对链路的 LOS/NLOS 状态做时序平滑，抑制单帧误判造成的权重剧烈抖动，使识别结果具备工程可用的稳定性。

。在链状组网下，一条 NLOS 链路被直接剔除往往使观测集缩减到无法解算或几何构型病态的程度。

：对识别为 NLOS 的链路，依据信道特征估计其额外时延量级，构造偏差修正项或有界约束区间，将观测从 “确定值” 转为 “带区间的不确定值”，避免错误观测被当作精确值使用。工程上更常用的是保守策略：仅施加单边约束（距离不小于某下界），不做点估计修正，以防修正本身引入新偏差。

：以 Huber、Tukey 等鲁棒损失函数替代最小二乘的二次损失，残差在阈值内保持平方拟合、超阈值转为线性或截断损失，从解算源头削弱粗大误差的牵引。权重矩阵由识别环节输出的 NLOS 概率与残差幅度联合动态更新，实现链路可信度的自适应分配。

：采用变分贝叶斯无迹卡尔曼滤波，在估计人员状态的同时在线估计量测噪声协方差，使滤波增益随 LOS/NLOS 切换自适应调整，克服固定噪声矩阵导致的轨迹跳变与滤波发散；无迹变换规避非线性定位方程的线性化截断误差，适配人员行走、停留、折返等低速运动特征。

：标签集成 IMU，在 UWB 多链路同时 NLOS 造成观测中断时以惯性航位推算维持短时轨迹连续，UWB 恢复后回灌观测修正漂移；同时将隧道断面边界、中线走向作为几何约束因子，与测距因子、惯性预积分因子共同进入滑动窗口因子图优化，剔除穿墙等物理上不可能的离群解，专门抑制链状拓扑下横向抖动的放大。

：对每帧定位结果综合有效链路数、加权 GDOP、滤波残差与链路置信度，输出可靠性等级，供平台区分展示并对低可信点位标记预警，避免错误定位信息误导安全管控与应急救援决策。

在某在建公路隧道开展对比试验，区段含普通衬砌段、钢拱架密集段、台车遮挡强多径段。对比最小二乘、固定参数 UKF 与本文 “识别 + 补偿” 方案：强 NLOS 区段最小二乘 RMSE 达 1.3 m 量级且跳点频繁，固定参数 UKF 可小幅平滑但信道突变时仍漂移；本文方案 RMSE 稳定在 0.45 m 以内，最大偏差显著收敛，定位中断时长明显缩短。

技术边界需明确：完全遮挡且长时间无有效 UWB 观测时，纯惯性推算必然持续漂移，只能短时补盲，需布设稀疏辅助锚点或提高基站冗余；强电磁设备抬升信道噪声基底，会降低 CIR 识别准确率，须配套射频隔离与供电治理；转弯、变断面处属几何型 NLOS，本质是构型问题，需通过组网加密与错位布设缓解，算法只能有限改善。

综上，隧道 NLOS 治理应形成 “信道特征与时序状态联合识别、鲁棒加权与自适应滤波联合补偿、惯性融合与几何约束联合兜底、可信度分级输出” 的闭环技术链，在保证实时性的前提下提升定位结果的稳定性与可用性。

UWB 人员定位的可用性瓶颈并不在视距区段，而在非视距（NLOS）工况。由于 NLOS 在隧道内向属常态而非偶发事件，仅靠剔除异常观测的传统思路会使有效观测数量不足、几何精度因子急剧恶化。因此，NLOS 问题须按 “先识别、

物联网

算法

网络与通信

隧道非视距（NLOS）环境下UWB人员定位误差显著，需通过“识别+补偿”闭环技术链提升稳定性。识别利用信道特征、残差检验与分类模型，补偿采用鲁棒加权、自适应滤波及IMU融合，实测RMSE稳定在0.45米内，显著优化定位可用性。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

隧道非视距（NLOS）场景 UWB 人员定位识别与补偿技术研究

隧道非视距（NLOS）场景 UWB 人员定位识别与补偿技术研究

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐