OmniLoc: 一种几何感知的基础模型，用于跨多样化室内环境的无锚点用户设备定位

# OmniLoc：一种几何感知的基础模型，用于跨多种室内环境的无锚点用户设备定位  
**来源：**https://arxiv.org/html/2606.11490  
Lei Chu, Yuning Zhang, Omer Gokalp Serbetci, Anushka Katiyar, Bassel Abou Ali Modad, and Andreas F. Molisch  

###### 摘要  
基于无线测量的室内定位在规模化部署中仍面临挑战，主要原因是建筑物几何结构差异大、可检测接入点（AP）数量变化显著以及接收信号的异质性。现有的基于学习的方法通常仅在有限场景下表现良好，并在环境变化时性能下降，这使得在多样化的室内环境中实现鲁棒的无锚点定位异常困难。本文提出OmniLoc，一种环境交互式基础模型，用于跨多种室内环境的无锚点用户设备定位。据我们所知，OmniLoc是首个直接基于无线测量构建的基础模型方法，用于此任务。OmniLoc基于三个关键设计：第一，统一输入标记化模块将异质无线测量转换为更适合学习的通用表示；第二，几何感知Transformer通过强调主导AP同时聚合来自辅助AP的互补证据，执行AP感知特征提取；第三，几何感知定位模块将回归条件化于几何嵌入，以生成几何一致的定位预测。我们在大规模内部数据集和公共基准数据集上评估OmniLoc。结果表明，OmniLoc显著优于现有方法，当其设计组件集成时能一致提升现有骨干网络的性能，并在跨环境评估中展现出强大的泛化能力。  

###### 索引术语：无锚点定位、几何感知基础模型、统一嵌入、多样化环境。  

## I. 引言  
室内用户设备（UE）定位已成为下一代无线系统的重要能力[75](https://arxiv.org/html/2606.11490#bib.bib4)、[34](https://arxiv.org/html/2606.11490#bib.bib8), Chap. 29]、[61](https://arxiv.org/html/2606.11490#bib.bib27)、[73](https://arxiv.org/html/2606.11490#bib.bib23)]，支持广泛的应用，如上下文感知服务[77](https://arxiv.org/html/2606.11490#bib.bib30)]、资产追踪[33](https://arxiv.org/html/2606.11490#bib.bib31)]、应急响应[14](https://arxiv.org/html/2606.11490#bib.bib32)]和智能建筑管理[13](https://arxiv.org/html/2606.11490#bib.bib33)]。“经典”方法，如基于到达时间（包括流行的全球定位系统GPS和蜂窝911定位）、到达方向和接近感测的方法，取得了实质性进展，但在室内环境中仍面临根本性挑战。因此，基于机器学习（ML）的技术在室内定位中越来越受欢迎，参见综述[5](https://arxiv.org/html/2606.11490#bib.bib13)、[45](https://arxiv.org/html/2606.11490#bib.bib3)、[50](https://arxiv.org/html/2606.11490#bib.bib2)、[23](https://arxiv.org/html/2606.11490#bib.bib1)]及其参考文献。然而，这些文献也揭示了该方法的挑战：实际部署中，环境间存在强烈的几何多样性，可检测AP数量变化大，以及由不同传播条件[3](https://arxiv.org/html/2606.11490#bib.bib28)]、阻挡[9](https://arxiv.org/html/2606.11490#bib.bib21)]和设备-环境交互[52](https://arxiv.org/html/2606.11490#bib.bib34)]导致的接收信号强度高度异质。这些因素使得现有方法难以实现鲁棒且可迁移的性能，尤其是在无锚点设置中，定位直接依赖无线测量，无需显式基础设施校准[69](https://arxiv.org/html/2606.11490#bib.bib12)、[51](https://arxiv.org/html/2606.11490#bib.bib15)]。  

与此同时，基础模型的最新进展[70](https://arxiv.org/html/2606.11490#bib.bib35)、[35](https://arxiv.org/html/2606.11490#bib.bib76)、[36](https://arxiv.org/html/2606.11490#bib.bib16)、[29](https://arxiv.org/html/2606.11490#bib.bib36)、[44](https://arxiv.org/html/2606.11490#bib.bib5)、[2](https://arxiv.org/html/2606.11490#bib.bib7)、[7](https://arxiv.org/html/2606.11490#bib.bib6)、[66](https://arxiv.org/html/2606.11490#bib.bib37)]展示了从大规模多样化数据中学习可迁移表示的强大潜力。例如，预训练Transformer模型[35](https://arxiv.org/html/2606.11490#bib.bib76)]能够捕捉时空模式和传播环境特性，从而实现高精度5G定位。基于模拟的DeepMIMO数据集[4](https://arxiv.org/html/2606.11490#bib.bib17)]、[36](https://arxiv.org/html/2606.11490#bib.bib16)]证明，专为无线定位定制的基于Transformer的自监督基础模型可以在极少标注数据下实现卓越精度，并对未见过的基站配置表现出强鲁棒性。然而，将其直接应用于基于原始测量的无线室内定位仍鲜有探索。与传统学习任务不同，室内定位不仅需要对异质无线信号进行有效建模[78](https://arxiv.org/html/2606.11490#bib.bib39)]，还需要保持这些观测中蕴含的底层几何关系。这需要一种新的框架，既能共同捕捉测量异质性和几何一致性，又能泛化到多种室内环境。  

本文的核心贡献包括：  
- • 我们提出OmniLoc，一种环境交互式基础模型，用于跨多种室内环境的无锚点用户设备定位。据我们所知，OmniLoc是首个直接基于无线测量构建的基础模型方法，显式解决了几何多样性、可检测AP数量变化和异质接收信号强度等核心挑战。  
- • 我们在OmniLoc中引入三个关键设计：1）统一输入标记化模块，将异质无线测量转换为更易于学习的类句子表示；2）几何感知Transformer，通过强调主导AP同时聚合来自其他AP的互补证据，执行AP感知特征提取；3）几何感知定位模块，将回归条件化于几何嵌入，以生成几何一致的UE位置估计。  
- • 我们在自采数据集和公共基准数据集上进行了广泛的案例研究。结果表明：1）OmniLoc在大规模多样化室内环境中显著优于现有方法；2）所提出的设计组件灵活，可轻松集成到现有方法中，并一致提升其性能；3）OmniLoc在跨环境评估中展现出强大的泛化能力。  

本文其余部分组织如下。第二部分回顾相关工作。第三部分介绍问题公式化和所提方法。第四部分介绍案例研究及相应分析。最后，第五部分总结全文。为提升可读性，关键理论分析和证明推迟至附录。  

## II. 相关工作  

### II-A 无锚点室内定位  
室内定位已成为位置感知应用的关键使能技术[73](https://arxiv.org/html/2606.11490#bib.bib23)]。传统的基于锚点的系统依赖已知位置的参考节点——如Wi-Fi接入点（AP）[1](https://arxiv.org/html/2606.11490#bib.bib25)]、蓝牙信标[11](https://arxiv.org/html/2606.11490#bib.bib26)]或超宽带（UWB）收发器[15](https://arxiv.org/html/2606.11490#bib.bib24)]——其位置需预先勘测并维护，导致高部署成本和繁重校准工作；此外，许多情况下这些节点的位置可能不易得知（如私人公寓中的Wi-Fi AP）或出于安全原因保密[78](https://arxiv.org/html/2606.11490#bib.bib39)]。无锚点定位通过消除对已知位置基础设施的依赖来解决这些限制，而是直接从节点间测量或环境信号中推断空间关系[39](https://arxiv.org/html/2606.11490#bib.bib49)、[72](https://arxiv.org/html/2606.11490#bib.bib48)、[43](https://arxiv.org/html/2606.11490#bib.bib46)、[47](https://arxiv.org/html/2606.11490#bib.bib50)、[80](https://arxiv.org/html/2606.11490#bib.bib47)]。  

大量研究探索了利用多种传感模态和算法框架的无锚点室内定位。早期工作结合相对距离测量——通过接收信号强度指示（RSSI）[25](https://arxiv.org/html/2606.11490#bib.bib51)]或飞行时间（ToF）[60](https://arxiv.org/html/2606.11490#bib.bib52)]获得——与多维缩放（MDS）[38](https://arxiv.org/html/2606.11490#bib.bib53)、[41](https://arxiv.org/html/2606.11490#bib.bib54)]以重建节点配置，无需固定参考。后续研究通过行人航位推算（PDR）[22](https://arxiv.org/html/2606.11490#bib.bib55)]融合惯性测量单元（IMU）数据，并与机会信号（如地磁指纹或气压）结合以减轻漂移。最近，深度学习方法——包括用于序列运动建模的长短期记忆（LSTM）网络[27](https://arxiv.org/html/2606.11490#bib.bib56)]——以及利用闭环约束的基于图的同步定位与建图（SLAM）优化，进一步提升了定位精度和鲁棒性[6](https://arxiv.org/html/2606.11490#bib.bib57)]。总体而言，这些工作反映了无锚点方法的日益成熟，逐步收敛于结合信号处理、概率推理和数据驱动学习的不依赖基础设施的解决方案。  

### II-B 室内定位的无线信号模态  
室内定位已探索多种无线模态[64](https://arxiv.org/html/2606.11490#bib.bib62)、[10](https://arxiv.org/html/2606.11490#bib.bib58)、[67](https://arxiv.org/html/2606.11490#bib.bib60)、[73](https://arxiv.org/html/2606.11490#bib.bib23)]，每种在精度、覆盖范围、部署成本和鲁棒性之间提供不同权衡。早期系统主要依赖来自Wi-Fi、蓝牙、ZigBee和蜂窝信号的RSSI和/或信噪比（SNR）或信号干扰加噪声比（SINR）测量，因为它们易于从现有基础设施中获得，且需要最少的额外部署。这使得它们适用于可扩展的指纹和基于延迟的系统。然而，RSSI对多径、时间变化、设备异质性和环境动态高度敏感，通常限制定位精度。为克服这些限制，后续工作[49](https://arxiv.org/html/2606.11490#bib.bib66)、[21](https://arxiv.org/html/2606.11490#bib.bib64)、[64](https://arxiv.org/html/2606.11490#bib.bib62)、[71](https://arxiv.org/html/2606.11490#bib.bib59)、[59](https://arxiv.org/html/2606.11490#bib.bib61)]利用了更丰富的物理层测量，包括信道状态信息（CSI）、到达时间（ToA）、到达时间差（TDoA）、到达角（AoA）、相位和多普勒特征，这些提供了更丰富的空间信息，用于更精确的室内传播建模。  

尽管如此，在大规模、异质室内环境中进行UE定位仍然困难，主要原因是很难设计有效的输入表示[30](https://arxiv.org/html/2606.11490#bib.bib68)、[76](https://arxiv.org/html/2606.11490#bib.bib67)、[31](https://arxiv.org/html/2606.11490#bib.bib71)]。先前工作通常依赖频域表示，如功率时延谱[55](https://arxiv.org/html/2606.11490#bib.bib81)]、角度功率时延谱[63](https://arxiv.org/html/2606.11490#bib.bib82)]和多普勒特征[49](https://arxiv.org/html/2606.11490#bib.bib66)]，或信道图技术[46](https://arxiv.org/html/2606.11490#bib.bib79)、[48](https://arxiv.org/html/2606.11490#bib.bib80)]以捕捉细粒度信号结构[8](https://arxiv.org/html/2606.11490#bib.bib70)、[62](https://arxiv.org/html/2606.11490#bib.bib73)、[31](https://arxiv.org/html/2606.11490#bib.bib71)、[56](https://arxiv.org/html/2606.11490#bib.bib69)、[19](https://arxiv.org/html/2606.11490#bib.bib72)]。然而，在大型商业或校园Wi-Fi部署中，CSI相位测量往往因发射和接收天线数量有限而不稳定且噪声大，导致不可靠且易产生较大误差[69](https://arxiv.org/html/2606.11490#bib.bib12)]。受这些限制驱动，我们寻求一种既鲁棒又富有表现力的统一表示。受可解释句子嵌入方法[28](https://arxiv.org/html/2606.11490#bib.bib9)]启发，我们的设计针对无线测量的结构定制，使其易于扩展且非常适合大规模室内定位。  

### II-C 用于室内定位的先进ML模型  
机器学习已成为室内定位的重要方法[57](https://arxiv.org/html/2606.11490#bib.bib63)、[58](https://arxiv.org/html/2606.11490#bib.bib65)、[5](https://arxiv.org/html/2606.11490#bib.bib13)]。早期系统主要依赖经典模型，如极限学习机[76](https://arxiv.org/html/2606.11490#bib.bib67)]、k近邻[68](https://arxiv.org/html/2606.11490#bib.bib11)]和支持向量机[53](https://arxiv.org/html/2606.11490#bib.bib10)]。近期工作转向直接学习RSSI、CSI和其他无线测量的深度神经网络[58](https://arxiv.org/html/2606.11490#bib.bib65)]。特别是基于卷积神经网络（CNN）、LSTM和自编码器的方法，通过捕捉无线指纹中更丰富的空间和时间结构，优于经典流程。最近，研究者探索了更具表现力的架构，包括Transformer[32](https://arxiv.org/html/2606.11490#bib.bib74)、[65](https://arxiv.org/html/2606.11490#bib.bib75)、[36](https://arxiv.org/html/2606.11490#bib.bib16)]、自监督预训练[37](https://arxiv.org/html/2606.11490#bib.bib77)、[35](https://arxiv.org/html/2606.11490#bib.bib76)、[42](https://arxiv.org/html/2606.11490#bib.bib78)]和几何感知表示学习[42](https://arxiv.org/html/2606.11490#bib.bib78)、[9](https://arxiv.org/html/2606.11490#bib.bib21)]。这些方法更好地捕捉无线观测之间的复杂依赖关系，并在非视距传播和稀疏监督等挑战性条件下提高鲁棒性。同时，新兴研究开始探索无线定位的基础模型式解决方案。然而，现有方法仍严重依赖合成数据或单环境训练，并未完全解决跨多种室内几何和异质测量的无锚点定位问题。  

## III. 无锚点UE定位：系统概述、