博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
苹果uwb定位技术
阅读量:1980 次
发布时间:2019-04-27

本文共 3490 字,大约阅读时间需要 11 分钟。

昨天的文章简单说明了手机定位的技术,文章写的比较简单,但是阅读量却还可以,这篇文章转一个uwb定位技术的文章,让更多的人了解这项技术。

相关阅读:

#前言

关于昨天的文章,有些同学给我留言说明了下,我简单总结下,特别感谢「铁甲依然在」,你的球技如你的人品一样骚~

1、任何一个网络设备都有一个MAC地址,WIFI也不例外。我们的WIFI设备MAC地址和实际的物理地址在运营商是有记录的,有相关人士将这个地址做了对应关系的数据库给各个厂家访问,从而实现盈利。

「如何获取数据,我也不知道,表问我」

所以,我们有时候会遇到一个情况,公司做了迁移,但是运营商还未及时更新新公司地址和公司上网设备MAC地址的关系表,导致的结果是,你的手机室内利用WIFI辅助定位以后,给出的地址信息还是公司迁移以前的位置信息。

同时,WIFI定位也不是利用一个WIFI热点实现,而是采集多个WIFI热点的RSSI信息,根据三角定位计算出最终的结果,通常可以达到米级。

手机不上网在一定范围内也是可以实现WIFI定位的,因为WIFI热点的位置相对固定,可以通过两种方法获取位置信息,一种是获取WIFI的RSSI信息后上传到服务器,服务器返回位置信息,一种是设备端自己的本地实现解算。

2、GPS定位的理论时间,注意是理论时间,是三次卫星广播间隔,一次卫星广播的时间间隔是7秒左右。具体忘记了。所以三次就是21秒左右。所以我们看到GPS定位芯片的规格书的冷启动时间是20多秒。但是由于天线,天气环境等原因,通常实际达不到。

3、AGPS获取星历,不是和基站要,而是去和相关的定位服务器获取。你只需要告知自身的大概位置「几百公里范围都可以」,然后相关定位服务器就会给你一个当前的卫星星历信息,其实就是卫星的轨迹信息,手机获取这个信息后,可以节省选取哪几颗卫星来做定位计算的时间,从而提高精准度。

但是AGPS不仅仅是这些辅助,广义上的基站辅助,WIFI辅助都可以叫做AGPS。

4、Glonass没有更贵一说,现在的定位芯片都是多模的,多模的意思是支持几种模式。北斗也没有更贵一说,到今天,北斗民用完全没有问题了,我查了下资料,北斗用在农业上已经很成熟了。北斗已经只有一颗星没有上天了,北斗已经组网完成99%了。北斗卫星发射情况可以去北斗官网查看。


#正文

#UWB介绍

UWB(Ultra Wide Band)我们一般叫做超宽带通信,顾名思义最主要的特征是带宽很宽,远远大于现存的窄带通信系统(包括802.11系列和2/3/4和5G中的sub 6G)反之我们称之为窄带通信

定义:

如果一个无线电系统拥有超过中心频率20%的相对带宽,或者拥有500MHz以上的绝对带宽,我们称之为是UWB无线电系统

ps:

我的老东家-中兴高达,就是做窄带通信和宽带通信的手持通信设备企业。

UWB无线电是一个很宽泛的定义,只要带宽满足条件即可:UWB雷达,UWB通信都各有发展。

从定义上说,未来可能存在的,5G中超过500MHz单载波带宽的毫米波通信,也算做是UWB无线电。

#UWB通信是什么?

目前UWB通信主要有两种主流的发展思路:传统的脉冲调制UWB和基于OFDM的UWB(MB-OFDM-UWB)。题目中提到的和大家在说的UWB系统,都是在特指脉冲调制UWB这种发展方向。这里也着重介绍这种技术方案。

不同于目前主流窄带通系统的载波调制方案,传统UWB发射脉冲信号来传输信息,我们称之为脉冲调制

通俗的理解是这样的,我们通常通过调节正弦波的频率、相位、幅度等参数来传输信息,并通过傅里叶变换等频域分析方式来接收、解调这些信息,这里的「正弦波」我们称为「载波」。而传统UWB通信系统中,我们不需要「正弦载波」作为载体,而是直接发射电磁脉冲,通过调节脉冲的幅度(PAM,脉冲振幅调制)和脉冲的位置(PPM,脉冲位置调制)等方式来传递信息,如下图。

从频域和时域的角度,也可以理解为传统UWB是单纯的时域信号处理,不需要射频电路中的本振,差分等射频模块。如果产业成熟度相同,那么UWB通信模块成本应当低于传统的窄带通信模块。(这里请特别注意前置条件)。

#传统UWB的优势

我们都知道,UWB所采用的是500MHz以上的大带宽。而频域扩展等于时域收缩,因此现在的传统UWB系统中,脉冲的宽度一般在数纳秒到数十纳秒之间,这意味着信号本身的占空比很低。

占空比是指在一个脉冲循环内,通电时间相对于总时间所
的比例。
占空比(Duty Ratio)在电信领域中有如下含义:例如:脉冲宽度1μs,信号周期4μs的脉冲序列
占空比为0.25。

如果大家有了解过雷达基础就会知道,对于脉冲信号来说,信号的占空比很低意味着脉冲宽度 很小,一个定位系统里,距离分辨率与脉冲宽度成正相关:脉冲宽度越小,距离分辨率越小,可以分辨的两点就越近,精度就越高。具体公式很简单:

,   是光速。

这就意味着传统UWB所采用的窄脉冲和高频带天然会带来更高的距离分辨率。比如如果Wi-Fi的定位精度是3.0m-6.0m这样的米级,那UWB可能就是厘米级。(这个例子不精确,实际上UWB有可能通过类似脉冲压缩等其它信号处理算法提升精度,Wi-Fi类似)

此外,低占空比会更容易区分来自其它非目标散射物的反射信号,也就是说更抗多径,因此更适应室内环境。这很容易理解,因为占空比低,所以不同路径的回波信号非常容易区分。其实UWB系统的设计和3G很像,可以通过扩频设计实现多址,这也是前些年的研究热点。

综上所述,传统UWB的实现优点是:

  • 理论上成本低

  • 定位距离精度高

  • 通信速度快(超大带宽)

  • 抗多径能力强

  • 功耗低(脉冲调制决定的)

  • 穿透能力强(宽频谱)

缺点也很明显:

  • 波束指向性强(需要波束明确指向接收源)

  • 通信距离短(UWB的授权频谱有相当多的现存通信设备,UWB设备功率需要低于一定门限才能不影响其他通信系统)

  • 频带利用率低下(看看那占空比)

  • 产业相对不成熟(但是足够商用了)

#UWB如何计算位置

因此,它的应用也很明确,主要有三种应用:成像、通信与测量和车载雷达系统,再宏观一点,可以分为定位、通信和成像三种场景

  • 定位:这里借用一下我以前的回答,UWB定位系统也需要用到UWB基站作为坐标。如果我们谈基站定位的话,就是这几种:

a. 三边测量 :通过接收到的信号来求解几何问题。因为基站位置都是已知的,那么未知数只有用户与基站之间的距离。为了求解用户与基站之间的距离,需要信号在空中传播时间,也就是可能能用到几种信息:到达时间(time of arrival,ToA);time difference of arrival (TDoA) 或者 received signal strength (RSS)。

b.三角测量:当基站位置已知时,基站与用户之间的距离信息可以用角度信息替代。如果我们知道信号的到达角(angle of arrival,AoA),那么同样可以得到与三边测量同样的结果。

c.近似:如果我们只有一个已知基站,那么我们可以根据ToA或者AoA和信号强度大概估计出用户与基站的距离和角度,那么就可以近似出用户位置。实际上这也是2G系统中最常见的基站定位方式。这里的问题是,通常地面会存在很多干扰,单个基站的估计不会很精确。

d.场景分析:我们可以将一些典型位置点的信号特征(比如RSS、时延扩展或者信道扩展)存入数据库,再与当时的信号作比对,可以估计出用户与基站之间的距离和方位。

我们之前已经分析过,因为UWB的距离分辨率很高,ToA精度很高,所以三边测量很适合。

实际上这也是目前UWB无线电中最主流的定位方式。AoA这种角度估计需要天线阵列,不如ToA适合UWB。

#其他应用

  • 通信:因为大带宽,所以UWB一度被认为是USB数据传输的无线替代方案,蓝牙的问题是传输速度太慢。UWB还常用于军用保密通信,这主要也是因为UWB脉冲的能量很低,很容易低于噪声门限,不容易被其它无线电系统监听到。

  • 成像:UWB系统的带宽很宽,目前UWB穿墙雷达是很广泛的应用,具体做法是利用窄脉冲传过墙壁,获得墙对面的回波,可以得到成像,成像误差很低。所以如果有一天苹果开放底层接口,说不定iphone就可以拿来窥探邻居了。

本文部分内容转自:

https://www.zhihu.com/question/345471985/answer/836891220


  回复「 篮球的大肚子」进入技术群聊

回复「1024」获取1000G学习资料

转载地址:http://ujepf.baihongyu.com/

你可能感兴趣的文章
how2heap-double free
查看>>
how2heap-fastbin_dup_consolidate
查看>>
orw_shellcode_模板
查看>>
[fmt+shellcode]string
查看>>
fmt在bss段(neepusec_easy_format)
查看>>
[double free] 9447 CTF : Search Engine
查看>>
[fast_bin_consoli + unlink]sleepyHolder_hitcon_2016
查看>>
python 函数式编程
查看>>
python编码
查看>>
scala maven plugin
查看>>
flink 1-个人理解
查看>>
redis cli
查看>>
redis api
查看>>
flink physical partition
查看>>
java 解析json
查看>>
java http请求
查看>>
tensorflow 数据格式
查看>>
tf rnn layer
查看>>
常用中间件
查看>>
tf input layer
查看>>