UWB TDoA Error Correction using Transformers: Patching and Positional Encoding Strategies

📄 arXiv: 2507.03523v1 📥 PDF

作者: Dieter Coppens, Adnan Shahid, Eli De Poorter

分类: eess.SP, cs.LG

发布日期: 2025-07-04

备注: 13 pages, 10 figures, 7 tables

💡 一句话要点

提出基于Transformer的UWB TDoA误差校正方法，提升复杂NLOS环境下的定位精度。

🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)

关键词: UWB定位 TDoA Transformer NLOS误差校正 信道脉冲响应 室内定位 深度学习 位置编码

📋 核心要点

  1. 在复杂工业环境中，UWB定位受NLOS影响大，传统TDoA方法排除NLOS链路导致精度下降。
  2. 提出基于Transformer的TDoA位置校正方法，利用所有锚节点的原始CIR数据进行位置校正。
  3. 实验结果表明，该方法在NLOS环境下可实现0.39米的定位精度，相比TDoA基线提升73.6%。

📝 摘要（中文）

基于超宽带(UWB)的定位系统虽然精度高，但在多障碍物的工业环境中，由于多径效应和非视距(NLOS)条件，其精度会受到影响。目前针对到达时间差(TDoA)定位的误差缓解方法通常排除NLOS链路。然而，这种排除方法会导致几何精度衰减问题，并且当大多数链路为NLOS时，该方法不可行。为了解决这些限制，我们提出了一种基于Transformer的TDoA位置校正方法，该方法使用来自所有可用锚节点的原始信道脉冲响应(CIR)来计算位置校正。我们为Transformer引入了不同的CIR排序、分块和位置编码策略，并分析了每种技术的扩展性和性能增益。基于真实UWB测量的实验表明，我们的方法在几乎只有NLOS信号的复杂环境中，可以提供高达0.39米的精度，与TDoA基线相比，提高了73.6%。

🔬 方法详解

问题定义：论文旨在解决复杂工业环境中，由于多径效应和非视距(NLOS)传播导致的超宽带(UWB)到达时间差(TDoA)定位精度下降的问题。现有方法通常排除NLOS链路，但这会导致几何精度衰减，尤其是在NLOS链路占主导地位的环境中，现有方法变得不可行。

核心思路：论文的核心思路是利用Transformer模型学习原始信道脉冲响应(CIR)与位置误差之间的映射关系。通过将所有可用锚节点的CIR信息输入Transformer，模型能够学习到NLOS环境下的复杂传播模式，从而预测并校正TDoA定位误差。这种方法避免了手动设计复杂的NLOS误差模型，而是通过数据驱动的方式自动学习。

技术框架：整体框架包括数据采集、数据预处理、Transformer模型训练和位置校正四个主要阶段。首先，从UWB传感器采集原始CIR数据。然后，对CIR数据进行预处理，包括排序、分块和位置编码。接下来，将预处理后的CIR数据输入Transformer模型进行训练，学习CIR与位置误差之间的映射关系。最后，利用训练好的Transformer模型预测位置误差，并对TDoA定位结果进行校正。

关键创新：论文的关键创新在于将Transformer模型应用于UWB TDoA定位误差校正，并提出了多种针对CIR数据的排序、分块和位置编码策略。传统方法通常依赖于人工设计的NLOS误差模型，而该方法通过Transformer自动学习误差模式，更具适应性和鲁棒性。此外，针对CIR数据的特性，论文提出的数据处理策略也提高了模型的性能。

关键设计：论文中Transformer模型的输入是经过预处理的CIR数据。预处理包括：1) CIR排序，尝试了不同的锚节点排序方式；2) CIR分块，将CIR数据分割成小的patch，类似于图像处理中的patch；3) 位置编码，为每个patch添加位置信息。损失函数采用均方误差(MSE)，优化器采用Adam。网络结构采用标准的Transformer编码器结构，具体层数、头数等参数根据实验进行调整。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，该方法在复杂的NLOS环境中，可以实现0.39米的定位精度，相比TDoA基线提高了73.6%。通过对比不同的CIR排序、分块和位置编码策略，论文分析了各种策略对模型性能的影响，并找到了最优的配置。这些实验结果验证了该方法在实际应用中的有效性。

🎯 应用场景

该研究成果可应用于工业自动化、智能仓储、机器人导航等领域。在这些场景中，高精度的室内定位至关重要。通过利用该方法，即使在复杂的NLOS环境中，也能实现可靠的定位，从而提高生产效率和安全性。未来，该方法还可以扩展到其他无线定位技术，例如WiFi定位。

📄 摘要（原文）

Despite their high accuracy, UWB-based localization systems suffer inaccuracies when deployed in industrial locations with many obstacles due to multipath effects and non-line-of-sight (NLOS) conditions. In such environments, current error mitigation approaches for time difference of arrival (TDoA) localization typically exclude NLOS links. However, this exclusion approach leads to geometric dilution of precision problems and this approach is infeasible when the majority of links are NLOS. To address these limitations, we propose a transformer-based TDoA position correction method that uses raw channel impulse responses (CIRs) from all available anchor nodes to compute position corrections. We introduce different CIR ordering, patching and positional encoding strategies for the transformer, and analyze each proposed technique's scalability and performance gains. Based on experiments on real-world UWB measurements, our approach can provide accuracies of up to 0.39 m in a complex environment consisting of (almost) only NLOS signals, which is an improvement of 73.6 % compared to the TDoA baseline.