一、GPS 在仓库里是"瞎的"，UWB 是"看得见"的替代
室外定位靠 GPS/北斗，精度在米级。但仓库内部是 GPS 的盲区------屋顶遮挡、货架密集、金属反射，GPS 信号根本进不来。而仓储作业恰恰需要厘米级的定位：AGV 要知道自己距离货架还有多少厘米才能停准，人员调度要知道拣货员在哪个货架通道，叉车防撞要知道两车之间的精确距离。
UWB（Ultra-Wideband，超宽带）是室内高精度定位的主流方案。它利用纳秒级的极窄脉冲传输数据，时间分辨率极高，在视距（LOS）环境下精度可以达到 10--30 厘米，远优于 WiFi/蓝牙的米级精度。
UWB 的定位原理主要有两种：TWR（双向测距） 计算标签与基站之间的距离，再通过三角定位解算坐标；TDOA（到达时间差） 利用同一个标签发出的信号到达不同基站的微小时间差，直接解算坐标。TDOA 的优势是标签侧功耗极低（只发不收），适合大量标签的场景；代价是基站之间必须严格时间同步。
二、TDOA 解算：非线性方程组的最小二乘求解
TDOA 的数学本质是双曲线定位：标签到两个基站的到达时间差，构成了一条双曲线；三条以上的双曲线交汇，就确定了标签的位置。
设基站 ii 的坐标为 (xi,yi)(xi,yi)，标签坐标为 (x,y)(x,y)，信号传播速度为光速 cc，则时间差方程可以转化为距离差方程：
(x−xi)2+(y−yi)2−(x−x1)2+(y−y1)2=c⋅Δti1(x−xi)2+(y−yi)2−(x−x1)2+(y−y1)2=c⋅Δti1
这是一组非线性方程，没有解析解，必须用迭代数值方法求解 。工程上常用泰勒展开 + 加权最小二乘：给一个初始位置估计，在估计点处对非线性方程做一阶泰勒展开，转化为线性最小二乘问题，解出增量后迭代更新，直到收敛。
java
public Point2D solveTDOA(List<Anchor> anchors, List<Double> tdoa) {
// 初始估计：所有基站坐标的平均
Point2D estimate = anchors.stream()
.map(Anchor::getPosition)
.reduce(Point2D.ZERO, Point2D::add)
.scale(1.0 / anchors.size());
for (int iter = 0; iter < 10; iter++) {
// 在估计点处线性化，构建雅可比矩阵 H 和残差向量 b
double[][] H = new double[anchors.size() - 1][2];
double[] b = new double[anchors.size() - 1];
for (int i = 1; i < anchors.size(); i++) {
double d_i = estimate.distance(anchors.get(i).getPosition());
double d_0 = estimate.distance(anchors.get(0).getPosition());
H[i-1][0] = (estimate.getX() - anchors.get(i).getX()) / d_i
- (estimate.getX() - anchors.get(0).getX()) / d_0;
H[i-1][1] = (estimate.getY() - anchors.get(i).getY()) / d_i
- (estimate.getY() - anchors.get(0).getY()) / d_0;
b[i-1] = tdoa.get(i) * C - (d_i - d_0);
}
// 加权最小二乘：delta = (H^T W H)^-1 H^T W b
double[] delta = weightedLeastSquares(H, b);
estimate = estimate.add(delta[0], delta[1]);
if (Math.hypot(delta[0], delta[1]) < 0.01) break; // 收敛
}
return estimate;
}关键工程参数 ：迭代次数上限（10 次通常足够）、收敛阈值（1 厘米）、以及初始估计的质量。如果初始估计离真实位置太远，泰勒展开可能不收敛。务实的做法是用最近一次已知位置作为初始估计，或者在首次定位时用网格搜索给出粗解。
三、NLOS 误差消除：金属货架是 UWB 的"天敌"
3.1 NLOS 为什么是致命的
UWB 在视距环境下的精度是厘米级，但仓库里充满了金属货架、叉车、堆叠的货物。当标签和基站之间被金属遮挡时，信号会穿透、反射、绕射 ，到达时间比直射路径延迟，导致测距偏大------这就是非视距（NLOS）误差。NLOS 误差可以达到几米，足以让 AGV 撞上货架。
3.2 工程上的消除策略
策略一：信道冲激响应特征判别。UWB 接收端可以获取信道的冲激响应（CIR），视距信号的 CIR 是单一尖峰，NLOS 信号是多个延迟峰。用 CIR 的峰数、首峰能量占比等特征，可以判别当前测量是否处于 NLOS 状态。判别为 NLOS 的测量值，降低权重或直接丢弃。
策略二：多基站冗余 + 鲁棒估计。部署基站时保证每个区域至少被 4 个以上基站覆盖。当部分基站处于 NLOS 状态时，用剩余视距基站的测量值解算。鲁棒估计（如 RANSAC 或 Huber 损失）可以在部分测量值异常时仍然给出稳定的解。
策略三：运动模型辅助。AGV 的运动有物理约束------不能瞬移、不能急转弯。用卡尔曼滤波把"上一时刻位置 + 速度预测"和"当前 UWB 测量"融合，NLOS 导致的跳变会被运动模型平滑掉。
四、与 WMS 地图坐标系的映射
UWB 解算出的是定位坐标系中的物理坐标 （以基站为参照系），WMS 使用的是仓库逻辑坐标系（货架 A01、通道 B、站点 C）。两者之间必须建立映射关系。
映射的核心是标定：在部署时，选取若干个已知 WMS 坐标的地标点（货架角、站点中心），同时记录它们的 UWB 物理坐标，用仿射变换或薄板样条拟合出两个坐标系之间的转换关系。
java
public class CoordinateMapper {
private final AffineTransform transform; // 标定得到的变换矩阵
public WmsLocation toWmsCoordinate(Point2D uwbPoint) {
Point2D mapped = transform.apply(uwbPoint);
// 映射到最近的逻辑位置（货架/通道/站点）
return wmsMap.findNearest(mapped);
}
}标定必须定期复核：基站被移动、货架布局调整后，映射关系会漂移。工程上应该在关键区域放置固定的参考标签，定期校验映射精度，偏差超过阈值时触发重新标定。
五、避坑指南
坑1：基站部署密度不足。 每个区域至少 4 个基站覆盖，否则 NLOS 发生时没有冗余测量可用。基站的高度和角度也需要规划，避免金属货架直接遮挡。
坑2：NLOS 不做判别，直接使用所有测量值。 金属反射导致的测距误差可达几米，AGV 会撞货架。CIR 特征判别 + 鲁棒估计 + 运动模型三重防护。
坑3：坐标系映射不做定期复核。 布局调整后映射漂移，UWB 坐标对应到错误的货架。关键区域放参考标签定期校验。
坑4：TDOA 基站不同步。 TDOA 的前提是基站之间严格时间同步（通常用有线时钟同步）。同步误差直接转化为定位误差。
六、总结
UWB 室内定位的核心是TDOA 解算 + NLOS 消除 + 坐标映射。TDOA 用泰勒展开 + 加权最小二乘求解非线性方程组，初始估计的质量决定收敛性；NLOS 是金属仓库的头号敌人，CIR 特征判别、多基站鲁棒估计、运动模型平滑三重防护；物理坐标到 WMS 逻辑坐标的映射靠标定，标定必须定期复核。厘米级定位不是"买设备就能实现"，算法和工程细节决定最终精度。
下一篇预告：室内定位解决了"人和车在哪里"，但跨国系统的部署还有另一类"定位"------数据应该放在哪个区域。明天聊跨国多云容灾------AWS 与阿里云双活架构下的数据同步与流量调度。
> 本文作者：深圳＋Eyf•半字节科技▪技术产品团队
> 物流、快递、快运作业管理系统，让每一票，都清晰可控。从任务分配到签收回传，一站式管理每个作业环节。