查看原文
其他

浅析超宽带技术

大话小数 中国金融电脑+ 2022-12-13

27


星期三

2021年1月


验“金”室


2020年,对于超宽带(Ultra Wide band,UWB)技术来说是非常重要的一年,苹果、三星、小米等公司相继推出支持UWB的智能移动设备。UWB可实现厘米级定位,角度测量精度可达±3度,如同高精版“室内GPS”,这一优势为其进入主流应用市场铺平了道路。在苹果、小米等公司的带动下,UWB空间感知技术持续升温,应用前景广阔。


一、超宽带是什么


超宽带是一种利用纳秒级非正弦波窄脉冲传输数据的无载波通信技术。相比WiFi、蓝牙等技术,UWB具有定位精度高、传输速率快、安全性高等显著特点。其中,定位精度可达到厘米级;传输速率可达到1Gbit/s;UWB信号的功率谱密度低于普通的环境噪声,从环境噪声中甄别获取难度大。


二、UWB室内定位技术原理


目前,UWB技术的应用方向有3个,分别是室内定位、通信、军事雷达,其中室内定位在民用场景应用最为成熟、广泛。


1.UWB室内定位系统

基于UWB技术的室内定位系统一般由定位标签、定位基站、定位引擎和显示终端四部分组成(如图1所示)。


图1 基于UWB技术的室内定位系统


(1)定位基站:为实际物理位置已知的通信基站,发送或接受定位标签的无线信号,并回传数据至定位引擎。


(2)定位标签:绑定在需要定位的物品或人员身上,定位标签接受或主动发送无线信号到定位基站。


(3)定位引擎:接受基站的数据,通过相应定位算法计算出定位标签的实际物理位置。


(4)显示终端:根据定位引擎的计算结果,在地图上显示定位标签的实时位置。


2.UWB定位方式

UWB定位方式主要包括零维、一维和二维定位三种,其中二维定位应用最为广泛。

(1)零维定位:也称“存在性定位”,只需一个基站,根据接收的信号强度控制定位范围,一般用于判断标签是否存在某个小型房间。


(2)一维定位:一维定位需要两个基站,主要测量标签与两个基站间的距离差,提供一维坐标系的定位信息(X),一般用于走廊区域。


(3)二维定位:至少需要3个定位基站,能定位标签在二维平面的坐标信息(X,Y),目前应用最为广泛。


3.UWB定位算法

基于UWB技术定位算法主要有飞行时间(Time of Flight,TOF)、飞行时间差(Time Deference of Arrival,TDOA)、到达角度(Angle of Arrival,AOA)三种。在实际应用中,主要采用TDOA算法,三种定位方法的性能对比见表1。


表1 UWB定位算法性能对比


(1)TOF

TOF又称TOA(Time of Arrival),其定位基本原理为:先测量标签(未知点)与3个或更多基站(参考点)之间信号的传播时间,再乘以电磁波在空气中的传播速度,即可得到该未知点和参考点之间的距离,最后根据三点定位方法(三个圆的交点)实现定位(如图2所示)。


图2 TOF定位原理

(2)TDOA

基于时间到达差(Time Deference of Arrival,TDOA)的定位法要求基站之间的时钟严格同步。TDOA定位基本原理为:预先将所有基站之间时钟同步,标签发出信号,不同基站在不同时刻接收到该信号,选取某基站接收到信号的时刻作为基准,其他基站收到信号的时刻减去该基准得到定位信号到达时间差,该到达时间差即为TDOA值。根据标签与两个基站之间的TDOA值可以建立一条双曲线(标签到平面上两个定点之间的距离之差的绝对值为定值的轨迹),实现二维定位需要至少三个基站建立一组双曲线方程,求解得到标签的位置估计(如图3所示)。


图3 TDOA定位原理

(3)AOA

AOA是定位标签通过单一天线发送数据包,基站通过多天线接收,由于各个天线到发射器之间的距离不同,会产生相位差。通过相位差和天线间的距离计算出标签与基站相互之间的角度关系,然后需要至少两个基站即可确定标签的位置(两条直线的交点)。AOA定位原理如图4所示。


图4 AOA定位原理


三、UWB室内定位典型应用


UWB技术的厘米级定位精度非常契合企业级应用场景对室内定位的要求,目前已广泛应用于工业制造、公检法司、仓储物流、航空港等领域。具体应用场景见表2。


表2 UWB室内定位典型应用


UWB定位系统需要额外部署专用的设备,会产生较高的成本,这制约着UWB定位行业的推广应用。但在2020年,UWB的发展得到了市场和标准制定组织的多重助力,并应用于iPhone 11/12、三星Note 20 Ultra等主流智能设备。未来,在UWB产业链研发人员的共同努力下,UWB技术将在室内定位应用中大放异彩,与室外GPS定位一样对我们的生产和生活深远的影响。


  延伸阅读

超带宽(UWB)技术:未来可期


往期推荐


浅析日志模式识别技术(Spark)原理


微表情意图识别在银行智慧化金融服务中的应用


大数据存算分离研究和实践——企业级大数据平台存算分离架构之改造


大数据存算分离研究和实践——存算分离架构与存算一体架构之比较


浅析并发编程模型——Actor模型



FCC30+

长按左边二维码

关注我们不迷路


您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存