UWB 技术的定位原理及核心算法

UWB 定位的核心逻辑是：利用纳秒级窄脉冲信号的高时间分辨率，通过测量信号在 “标签（待定位节点）” 与 “基站（固定位置节点）” 之间的传播参数（时间、角度），结合几何定位模型计算标签的精准坐标。其定位精度能达到厘米级，关键在于对 “时间 / 角度参数的精准测量” 和 “算法对误差的抑制”。一、定位核心原理：先明确 “测量什么”

UWB 定位的基础是参数测量—— 先通过硬件测量信号传播的核心参数，再代入算法计算位置。核心测量参数分为两类：

1. 时间类参数（主流测量方式）

UWB 脉冲信号的传播速度接近光速（3×10⁸m/s），时间测量精度达到纳秒级（1ns 对应距离 0.3m），因此时间参数是实现厘米级定位的核心。常见时间参数包括：

• ToF（Time of Flight，飞行时间）：信号从标签发射到基站接收的 “单程传播时间”，直接对应距离：距离 = 光速 × ToF。
• TWR（Two-Way Ranging，双向测距）：标签和基站双向交互信号，测量 “标签发射→基站接收” 和 “基站回应→标签接收” 的总时间，无需标签与基站时钟同步（核心优势），距离计算为：距离 = 光速 × 总时间 / 2（抵消设备内部延迟）。
• TDoA（Time Difference of Arrival，到达时间差）：同一标签信号到达多个基站的 “时间差”，而非绝对时间。例如：信号到达基站 A 的时间是 t1，到达基站 B 的时间是 t2，时间差 Δt = |t1 - t2|，对应距离差Δd = 光速 × Δt。
• RTT（Round-Trip Time，往返时间）：与 TWR 类似，侧重 “标签→基站→标签” 的完整往返时间，需扣除设备处理延迟，计算单程距离。

2. 角度类参数（辅助提升精度）

通过多天线阵列测量信号的入射 / 出射角度，补充空间维度信息，常与时间参数结合使用：

• AoA（Angle of Arrival，到达角度）：基站通过多天线阵列，测量标签信号的入射角度（水平角 / 俯仰角），确定标签相对于基站的方向。
• AoD（Angle of Departure，出发角度）：标签通过多天线阵列，测量信号向基站的出射角度，适用于基站移动、标签固定的场景（如手机定位基站）。

二、定位核心流程（通用步骤）

无论哪种算法，UWB 定位都遵循 “测量→计算→输出” 的核心流程：

1. 基站部署：在定位区域内固定 3 个及以上基站（已知精确坐标，称为 “锚点”），覆盖整个待定位范围。
2. 信号交互：标签周期性发射 UWB 脉冲信号，多个基站（或标签与基站）完成信号收发，测量时间 / 角度参数。
3. 数据预处理：剔除信号干扰、多径效应导致的异常数据（如滤波、 outliers 去除）。
4. 算法计算：将预处理后的参数代入定位算法，解算标签的三维（x,y,z）或二维（x,y）坐标。
5. 坐标输出：将计算结果实时上传至服务器，完成定位跟踪。

三、主流定位算法详解（原理 + 适用场景 + 优缺点）

UWB 定位算法主要分为 “基于距离的算法”“基于角度的算法” 和 “混合算法”，其中基于距离的算法（ToF/TWR、TDoA）最常用。

1. 基于距离的算法：核心是 “测距离→几何定位”

（1）ToF/TWR 算法（双向测距定位）

• 核心思想：通过标签与基站的双向信号交互，测量往返时间，计算标签与单个基站的距离；再通过多个基站的距离数据，用 “三角定位法” 解算坐标。
• 关键细节：
• 定位模型：假设有 3 个基站，坐标分别为（x1,y1,z1）、（x2,y2,z2）、（x3,y3,z3），标签坐标为（x,y,z），标签到 3 个基站的距离分别为 d1、d2、d3，则：解这个方程组，即可得到标签坐标（二维场景下只需 2 个基站，去掉 z 轴方程）。

(x - x1)² + (y - y1)² + (z - z1)² = d1²

(x - x2)² + (y - y2)² + (z - z2)² = d2²

(x - x3)² + (y - y3)² + (z - z3)² = d3²

• 适用场景：工业 AGV 定位、仓储货物跟踪、智能家居设备定位（如扫地机器人）、汽车无钥匙进入。
• 优点：算法简单、定位速度快、无时钟同步要求、抗干扰能力强。
• 缺点：受非视距（NLOS，如墙壁遮挡）影响较大，需通过算法补偿；单个标签与多个基站逐一测距，功耗略高于 TDoA。

（2）TDoA 算法（到达时间差定位）

• 核心思想：多个基站同时接收同一标签的信号，测量信号到达各基站的时间差，形成 “双曲线（二维）/ 双曲面（三维）”，交点即为标签位置。
• 关键细节：
• 定位模型：以二维场景为例，基站 1（x1,y1）、基站 2（x2,y2）、基站 3（x3,y3），标签（x,y）：两个双曲线方程的交点即为标签坐标（三维场景需 4 个基站，形成双曲面交点）。

√[(x-x1)²+(y-y1)²] - √[(x-x2)²+(y-y2)²] = Δd12 √[(x-x1)²+(y-y1)²] - √[(x-x3)²+(y-y3)²] = Δd13

• 适用场景：人员定位（如矿井、医院）、资产跟踪（如仓储货物）、大范围区域监控（基站数量多，同步易实现）。
• 优点：标签功耗低、定位响应快（标签无需等待回应）、支持大量标签同时定位。
• 缺点：基站同步要求高（增加硬件成本）、NLOS 环境下时间差测量误差会放大定位偏差。

2. 基于角度的算法：AoA/AoD 算法

• 核心思想：通过多天线阵列测量信号的入射 / 出射角度，结合基站坐标，确定标签的方向，再通过多个基站的角度交叉定位。
• 关键细节：
• 适用场景：近距离高精度定位（如手术室器械定位）、需要方向信息的场景（如 AGV 避障）。
• 优点：无需测量距离，硬件结构简单（无需复杂时间同步）、定位速度快。
• 缺点：角度测量精度受天线数量影响大（天线越多精度越高，成本越高）、视距（LOS）要求严格（遮挡会导致角度测量失效）。

3. 混合算法：ToF+AoA / TDoA+AoA

• 核心思想：结合距离参数和角度参数的优势，弥补单一参数的缺陷，进一步提升定位精度和稳定性。
• 典型应用：
• 优点：抗干扰能力强、NLOS 环境下稳定性更好、定位精度更高（可达厘米级甚至亚厘米级）。
• 缺点：算法复杂度高、硬件成本略高（需同时支持距离和角度测量）。

四、主流算法对比表

五、影响定位精度的关键因素及优化

1. 时钟同步精度：TDoA 算法对基站同步要求极高，同步误差 1ns 会导致 30cm 的距离差误差，需通过 GPS 授时、PTP（精确时间协议）优化。
2. 多径效应：UWB 信号遇到墙壁、障碍物会反射，导致接收端收到多个信号（直射 + 反射），干扰时间测量。优化方式：采用脉冲编码技术（如 DS-UWB）、多径抑制算法（如 RAKE 接收）。
3. 非视距（NLOS）：遮挡会导致信号衰减或延迟，优化方式：增加基站密度（冗余覆盖）、NLOS 误差补偿算法（如卡尔曼滤波）。
4. 基站部署：基站需均匀覆盖定位区域，避免信号盲区；基站高度、间距需根据场景调整（如工业场景基站间距建议 5~10m）。
5. 硬件性能：脉冲信号的带宽、天线增益、时间测量模块的精度，直接影响参数测量准确性（如高性能 UWB 芯片的时间测量精度可达 10ps，对应距离误差 3mm）。

总结

UWB 定位的核心是 “高分辨率参数测量 + 几何解算”：

• 若场景无时钟同步条件、需低复杂度，优先选 ToF/TWR；
• 若需支持大量标签、低功耗，且能实现基站同步，优先选 TDoA；
• 若需方向信息、近距离高精度，优先选 AoA/AoD；
• 若追求极致精度和稳定性，选 混合算法（ToF+AoA）。

实际应用中，需结合场景的同步能力、功耗要求、成本预算，选择合适的算法并优化硬件部署和误差补偿。