現有技術達陣公寸級定位　Wi-Fi測距實戰表現亮眼

2017年，Wi-Fi聯盟對於FTM的產品啟動了互通性認證計畫，隔年Android推出了第一個支援Wi-Fi FTM的API。自該計畫推出以來，具有Wi-Fi FTM功能的智慧型手機裝置大量出現。圖1顯示高通(Qualcomm)Wi-Fi測距技術演進和整個產業的簡要時程。

最初推動Wi-Fi測距技術的市場驅動力是被稱為精確室內定位的廣泛應用類別，包括室內導航、資產追蹤、網路管理、地理圍欄、超本地行銷(Hyper-Local Marketing)和緊急服務等用途。

隨著眾多供應商提供互通性和點對點管理這幾年來的發展，Wi-Fi測距功能不斷演進，也造就許多新的應用程式。如今，越來越普及的端對端行動應用程式、企業網路基礎設施供應商部署的Wi-Fi測距應用程式以及Wi-Fi感測(其應用程式通常與Wi-Fi測距應用程式配對)的出現似乎提高了整個產業對Wi-Fi測距解決方案的認識和成長動能。

Wi-Fi測距技術的使用

使用Wi-Fi技術測量裝置到裝置之間的距離有許多主要優點。除了Wi-Fi聯盟的多重供應商互通性計畫之外，Wi-Fi已在數十億台裝置中廣泛普及，對於已經包含在各種聯網裝置中的Wi-Fi技術而言，測距只是一種額外的應用方式。此外，本文中將討論，現在的Wi-Fi測距技術可以在現實世界的情境中提供公寸等級的精確度，加上Wi-Fi已內建在眾多裝置中，可根據Wi-Fi裝置的拓撲結構實現多樣化的潛在用例(圖2)。

基礎設施使用案例

針對基礎設施使用案例，包括資產追蹤(例如包裹)；地理圍欄(當使用者進入特定位置時觸發操作)；超本地行銷；室內導航協助；網路管理(例如，定位特定裝置)；專人快遞(例如，將食物送到餐廳的餐桌或在酒吧送飲料給顧客)，以及零售分析。

點對點使用案例

點對點使用案例發生在兩個Wi-Fi裝置之間，以安全的方法來測量它們之間的距離可以實現許多潛在的使用案例，包括：存取控制(例如，解鎖車輛)；資產追蹤；對接協助；查找裝置；操作裝置(例如，連接到最近的顯示器或家庭娛樂系統)；電子票務；地理圍欄；家庭自動化控制(例如，偵測使用者是否在場來調節燈光或控制溫度)；以及社群遊戲。

安全考量

對於以上列出的大多數使用案例，測距的安全威脅不是主要問題。在強化安全的討論中最常提到的是涉及存取控制的案例，例如解鎖汽車等高價值資產。一個常見的擔憂是中間人攻擊，攻擊者通常使用藍牙技術攔截無線通訊，導致未經授權存取資產。

為了解決這些問題，產業標準化機構在過去幾年中非常重視加強裝置到裝置測距技術的安全性。若使用可能沒有內建最新安全功能的現有Wi-Fi測距，可以通過在MAC層之上增加額外的交握步驟、異常值檢測方法和質詢回應序列來加強安全性。IEEE 802.11az世代技術則進一步強化MAC和PHY層級用於安全測距，適用於高價值物件的存取控制應用等場合。

測距效能的驅動因素

測距技術的效能表現取決於測量裝置間距離的速度和準確性。使用統計方法，例如對多個獨立測量和定位追蹤演算法來取平均數等方式，可顯著提高測距應用程式的準確性，這些方法使用特定距離的多個獨立測量值來計算該距離更準確的最終測量值，因此速度特別重要，因為速度快才能在每秒提供更多的獨立測量值以利計算。當今世代的Wi-Fi測距可以在一秒鐘內進行至少250次獨立測量。

然而，這些統計方法首先仍有賴於進行準確的獨立距離測量。Wi-Fi無線電的4個關鍵特性會影響獨立測量的準確性：頻寬、多重天線的使用、發射裝置的發射功率與接收裝置的接收器靈敏度。高通在Wi-Fi技術長達數十年的投資，促進了這些關鍵元素的進步和優化，提高了許多常見應用的準確性(表1)。

強化測距準確度

以智慧型手機或其他行動裝置而言，Wi-Fi無線電將測量值傳遞到行動裝置的作業系統(例如Android)，讓這些測量結果可適用於應用程式的環境中，供開發人員在基於位置的解決方案中(例如，室內導航、存取控制、資產追蹤等)能夠使用。為了提高這些測距估計值的準確性，應用程式開發人員使用統計方法，例如多個測量值平均計算和定位追蹤演算法，使用特定距離的多個獨立測量值來計算該距離更準確的最終測量值。

平均計算

平均計算顧名思義是對特定距離進行多次測量再計算它們的平均值。這種方法比僅進行一次測量更可靠，並且錯誤率更低。圖3顯示了平均計算對測距誤差的影響，收集的數據來自為汽車數位鑰匙使用案例進行的廣泛測量活動，但概念和結果可以適用於不同應用空間的解決方案。在這個具體的範例中，一個參與距離測量的Wi-Fi裝置被放在封閉車輛內靠近剎車踏板的地板上，而使用者將另一個Wi-Fi裝置(智慧型手機)放在後面的口袋，在這個情境下，「突發」或「測量突發」就僅是獨立距離測量值的集合。

在圖3中，測距誤差顯示為第90個百分位數，表示90%的情況下測距誤差低於此數值，只有10%的情況下更高。第90百分位數的測距誤差值，從只測1個突發的135公分，下降到以32個突發測量值平均計算後的39公分。每個突發包含多達5次距離測量，需要20到30毫秒，使用當今這個世代的Wi-Fi技術，32次突發的總測量時間不到一秒。

定位追蹤演算法

定位追蹤演算法是另一種大幅提高距離估算準確度的方法，例如卡爾曼濾波(Kalman Filter)。為了證明這一點，將卡爾曼濾波演算法應用於上一節汽車數位鑰匙使用案例中收集的數據。圖4顯示了將卡爾曼濾波應用於使用者(和其智慧型手機)以線性方式向車輛移動的場景。卡爾曼濾波預測並校正手機軌跡的估計值，以提高測距準確度，在不到0.5秒的時間內，測距誤差大幅降低至10公分以下(第90個百分位數為5公分，第99個百分位數為7公分)。

在圖4中，左上圖4顯示手機移動的方向，左下圖4則顯示所採取的測量突發(Raw RTT)、手機和車輛之間的真實距離(True Distance)以及卡爾曼濾波輸出(Kalman Filter Output)。左下圖4中，卡爾曼濾波收斂後，兩條曲線實際上是交疊的，表示從卡爾曼濾波得出的估計值非常接近實際的距離。

右上圖4是累積分布函數(CDF)，顯示在第90個百分位數初始、未平均的結果準確度為131公分，而卡爾曼濾波的輸出準確度為5公分。最後，右下圖4顯示卡爾曼濾波快速收斂，只需要三個測量突發就能收斂並達到測距誤差低於20公分。

除了線性移動場景外，卡爾曼濾波也應用於手機圍繞車輛做環形移動的場景和手機靜止的場景，所有場景都假設沒有移動的先驗知識。表2列出了所有三種場景下使用卡爾曼濾波的測距誤差。

當應用程式開發人員和建置其他解決方案的人員可以考慮其他資訊(例如先前行為或來自裝置中指南針、加速度計等其他感測器的資訊)時，提高準確度的可能性更高。

Wi-Fi測距結果

查詢科學文獻以獲取實際Wi-Fi測距測試的結果時，可清楚得知已發布結果的測量活動很少。

本節分享兩個測量活動的結果，兩者都使用現有世代的高通Wi-Fi技術。第一次測試是在Wi-Fi聯盟測試實驗室的室內環境中進行，第二次是在車輛環境中進行，以分析該技術對汽車使用案例的潛在應用。

室內視線測量

以下測量值是在聖塔克拉拉Wi-Fi聯盟實驗室的Wi-Fi聯盟相互操作性測試期間收集的，測量是在具有溫和多徑條件的室內視線(LOS)環境中進行，使用的Wi-Fi裝置基於高通技術公司的軟接入點參考設計和客戶端參考設計，使用80MHz模式。圖5說明了這些測量值的測距準確度。在解釋這些結果時，請記得它們並未使用對多個突發進行平均計算，也未使用任何定位追蹤演算法。

圖6說明了對32個突發進行平均計算後精度提高。完成後，第90個百分位數準確度將提高到21公分，平均為12公分。

汽車測距結果

為了分析Wi-Fi測距在汽車數位鑰匙使用案例中的潛在應用，研究者進行了一項廣泛的測量活動，以評估在相當大型的車輛(Lexus SUV RX350，2016車型)中放置Wi-Fi無線電在不同位置的測距準確度。

Wi-Fi無線電被放置在車輛的以下位置：在儀表板上、在剎車踏板旁邊的地板上、後擋風玻璃旁邊、手套箱內、車外、在駕駛座側邊後視鏡上。

用於向Wi-Fi無線電發送訊號的手機被放置在使用者或車主身上的位置：在後口袋中、在背包裡，以及在手裡。

最後，對於Wi-Fi無線電和手機位置的每次排列，使用者站在車輛周圍的六個不同點收集測距測量值(如圖7)，裝置是在80MHz、11ac模式下運行。

表3顯示了上述各種位置的Wi-Fi無線電和手機之間測量距離準確度的第90個百分位，80MHz模式，結果以超過32次突發平均計算。請留意表3中的結果未使用定位追蹤演算法，搭配這些演算法將產生更高的準確性。

Wi-Fi測距技術近期創新

在未來幾年內，Wi-Fi測距將增加新功能，以進一步提高其準確度、安全性、可擴展性和支援其他使用案例。舉例一些新功能如下：

・使用更寬的頻寬(6GHz頻段中高達320MHz的通道頻寬)

・使用MIMO多天線技術

・支援到達角(AoA)或發射角(AoD)

・安全測距(MAC和PHY安全增強)

・基於觸發因子的多使用者測距

・被動定位

・與Wi-Fi感測結合使用

表4提供了這些新功能對應的潛在優點概要。舉幾個例子，到達角偵測的好處之一是即使在單一接入點網路中，也能確定裝置在特定空間(例如在家裡)的實際位置，而在沒有到達角的情況下，只能確定到接入點的物理距離。另一方面，Wi-Fi感測可以透過讓控制鎖的裝置感知是否有人在附近，以增強存取控制的安全性，此外，由於是由上鎖/解鎖裝置單方面採取的動作，因此無法造假。

(本文作者Christine Zhang為高通技術公司主任工程師；Ali Raissinia為高通技術公司技術標準資深總監；Rolf de Vegt為高通技術公司技術標準副總裁)