在超宽带(UWB)定位与自动跟随系统中,TOF(Time of Flight)、TDOA(Time Difference of Arrival)和 PDOA(Phase Difference of Arrival)是三种关键测距/测角算法。了解这些算法的原理、优缺点与适用场景,对于产品的稳定性、成本控制和用户体验至关重要。本文结合工程实践,深入讲解这三种算法以及 TOF 中“传播时间 Δt”是如何测得的,并给出应用比较,以帮助技术决策与产品规划。
TOF 算法测量信号从发射端到接收端的传播时间 Δt(单向或双向),乘以光速 c,即可得到距离 d。
以双向 TWR 为例,常见流程与时间标记如下:
阶段 | 时间标记 | 描述 |
---|---|---|
发起请求 | t1 | 基站(Anchor)向标签(Tag)发送请求消息,并记录发送时间t1 |
接收请求 / 准备应答 | t2 | 标签收到请求,并在本地准备回复 |
发出应答 | t3 | 标签发送应答消息,并记录此时标签的发送时间t3 |
接收应答 | t4 | 基站收到应答,记录时间t4 |
由此可计算往返传播时间(Round Trip Time, RTT)为:
传播时间 Δt(单程)为:
进而距离:
优缺点
优点 | 缺点 |
---|---|
原理直接、实现相对简单;测距精度高(在良好条件下可达厘米级) | 若处理延迟或回复延迟 (t3−t2) 不被精确估计,误差大;在非视距或多径环境下容易被干扰;单向 TOF 对时钟同步要求非常高 |
标签发信号,不需与基站交互;多个基站共同接收,并记录信号到达时间差\Delta t_{ij}=t_{i}-t_{j} 。
由时间差与传播速度 c 可得距离差:
结合多个这样的差值方程即可通过几何方法(如超曲线交叉)确定标签的坐标。
优缺点
优点 | 缺点 |
---|---|
标签端功耗低(仅发送信号);基站可以并行工作;定位刷新率高 | 基站间必须有精确时钟同步;时间戳分辨率与同步误差直接影响精度;多径/NLOS 环境下时间差可能出现偏差 |
在基站或某接收器上布置两个或多个天线阵列。信号以某到达角 θ 到达阵列,不同天线之间有相位差 Δφ,其中:
下面的表格为三种算法的对比,适用于决策时考虑:
算法 | 测量内容 | 精度(典型) | 时钟同步需求 | 刷新率 | 标签功耗 | 适用场景 |
---|---|---|---|---|---|---|
TOF | 单距离 / 双向测量距离 | 好(在视距、低多径环境可达 ±5–10 cm) | 中(双向可减低同步要求) | 中等 | 较高(标签需回复) | 点对点测量、近距离跟随 |
TDOA | 多基站时间差 → 位置 | 中–好(视基站同步与环境) | 高(基站间同步必须纳秒级) | 高 | 低(标签只发射) | 大面积室内定位、仓库、物流应用 |
PDOA | 方向角度 | 好(角度精度 1–5° 视天线设计) | 高(天线阵列相位同步) | 中–高 | 中等至低 | 需要方向控制和补偿如跟随行李箱、跟随车位、摄像头锁定 |
1. 自动跟随行李箱 使用 TOF + PDOA:TOF给出距离,PDOA给出方向,使行李箱能“斜后方跟随”、避障并贴近主人站位。
2. 仓库物流定位系统 使用 TDOA 多基站网络,全覆盖定位;为了节省成本和功耗,标签端只发信号,不做复杂计算。
3. 智能摄像头的自动旋转/对焦 PDOA 提供角度信息,使摄像头能“旋转指向”目标;若加 TOF 测距,可以调整焦距或变焦以获得好画面。
TOF、TDOA、PDOA 各有优势,也各有局限。在选择算法时需根据场景权衡:
通常最稳定、成熟的方式,是 融合策略:TOF + TDOA + PDOA + IMU/视觉 等补充传感。如果你的产品是自动跟随类型,建议从开发早期就把这些算法对比与实验放进去,这样最终产品体验才不会“表面看起来很高级,实际抖得像喝多了酒”。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。