首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >UWB 自动跟随系统中 TOF / TDOA / PDOA 算法原理与应用比较

UWB 自动跟随系统中 TOF / TDOA / PDOA 算法原理与应用比较

原创
作者头像
自动跟随-PSICV
修改2025-09-21 16:10:44
修改2025-09-21 16:10:44
2840
举报
文章被收录于专栏:自动跟随技术自动跟随技术

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。


一、算法原理详解

1. TOF(Time of Flight,飞行时间)

UWB 双向测距 TWR
UWB 双向测距 TWR
原理

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。

d=c \cdot \Delta t
  • 单向 TOF:发送端和接收端都需严格同步时钟。
  • 双向 TOF(Two-Way Ranging, TWR):发送端发请求,接收端回复,发送端计算往返时间,减去处理延迟,再除以二,消除时钟不同步问题。
传播时间 Δt 的获取方式

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:

T_{round}=(t_{4}-t_{1})-(t_{3}-t_{2})

传播时间 Δt(单程)为:

\Delta t=\frac{T_{round}}{2}

进而距离:

d=c \cdot \Delta t=\frac{c}{2}\cdot [(t_{4}-t_{1})-(t_{3}-t_{2})]

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


2. TDOA(Time Difference of Arrival,到达时间差定位)

UWB 到达时间差 TDOA
UWB 到达时间差 TDOA
原理

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:

\Delta d_{ij}=c \cdot (t_{i}-t_{j})

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


3. PDOA(Phase Difference of Arrival,相位差测角)

UWB 到达相位差 PDOA
UWB 到达相位差 PDOA
原理

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:

\Delta \varphi = \frac{2 \pi d sin\theta}{\lambda}
  • d 是天线间距
  • λ 是波长
  • 解这个公式可得到达角 θ
能否测距离?
  • 纯 PDOA:只测角度,不测距离,因为相位差与距离无直接线性关系,仅与方向相关。
  • PDOA + ToF / TDOA 融合:若系统同时获得 TOF 或 TDOA 测距数据,则可以同时知道距离与角度,实现二维/三维定位。
  • 多频相位测距:通过多个频率上的相位差解模糊,可以间接估计距离(但设计复杂,对硬件、算法要求高)。


二、应用比较与选型建议

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)

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


三、工程实现经验与关键因素

  • 时间戳精度与同步:无论是 TOF、TDOA 还是 PDOA,要实现高精度,时间戳的误差容忍度非常低。对于 TDOA 和 PDOA,基站/天线之间的同步是决定精度的关键。
  • 硬件延迟校正:在 TOF 中,标签或基站处理请求和响应的延迟(例如电路路径、处理器中断延迟等)需预先测定并写入固件中,否则 Δt 的计算有常数偏差。
  • 多径与 NLOS 检测:任何环境出现障碍物、墙壁、金属结构时,反射信号可能被当做直达信号。必须引入早径检测、信道脉冲响应(Channel Impulse Response, CIR)分析、RSSI或信号强度比值等手段来剔除错误路径。
  • 算法融合:在实践中常把这些算法混着用。例如,用 TDOA 得到位置,用 PDOA 得到方向,用 TOF 修正某些误差,并用 IMU 或视觉补充失效。
  • 系统配置调优:标签发射频率、基站数量与布局、天线间距、天线极化;这些都会影响精度与成本。


四、典型应用示例

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。


五、总结

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:

  • 是否有严格的时钟同步条件?
  • 是否对角度需求高?
  • 是否环境中多径严重?
  • 是否能承受标签功耗或成本?

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。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 一、算法原理详解
    • 1. TOF(Time of Flight,飞行时间)
    • 2. TDOA(Time Difference of Arrival,到达时间差定位)
    • 3. PDOA(Phase Difference of Arrival,相位差测角)
  • 二、应用比较与选型建议
  • 三、工程实现经验与关键因素
  • 四、典型应用示例
  • 五、总结
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档