★ FEATURED ARTICLE 1. 定位技术图谱先把“谁在什么位置”这件事拆开看做定位项目这些年被问得最多的一句话就是“UWB到底比蓝牙强在哪为什么报价贵这么多还有人抢着用”这个问题看着简单其实背后是一整套关于信号体制、误差来源和场景约束的取舍。UWBUltra Wideband超宽带不是一种新鲜出炉的概念它在测距和精确定位这个细分领域已经打磨了很长时间只是最近几年随着工业、仓储、商显互动、机器人导航这些场景起量才被更多非通信背景的开发者注意到。它解决的核心问题很朴素在几十米到几百米的范围内稳定给出分米级甚至厘米级的位置而且不依赖光学可见、不怕遮挡、不怕金属反射。我把话说直白一点如果你要做的是“判断设备在哪个房间”低功耗蓝牙信标配合信号强度就够用成本压到几十块如果你要的是“判断叉车在货架第几列的哪个位置、有没有压线”那就得换成UWB这种靠飞行时间测距的方案。这两者的差距不是“好一点”和“差一点”而是测量原理层面换了赛道——一个是靠信号强弱猜距离一个是拿时间直接算距离。前者天生受环境衰减影响后者把误差压到了纳秒量级。这篇文章我会从技术原理、选型逻辑、部署实操到踩坑排查完整讲一遍为什么在需要高精度实时定位的场合UWB成了很多团队的第一选择以及它到底贵在哪、难在哪、什么时候不该用它。1.1 五类主流方案的信号逻辑差异要理解UWB的位置得先把同类选手排一排。今天工程上能落地的室内定位方案基本逃不出五类信号强度类低功耗蓝牙、Wi-Fi、Zigbee、飞行时间类UWB、部分Wi-Fi测距、相位差类部分蓝牙寻向、超声、光学类视觉标签、激光雷达、以及惯性推算IMU。它们的底层逻辑完全不同误差特性也完全不同。信号强度类的工作方式是接收端测到一个RSSI值再套一个“距离-衰减”模型反推距离。问题在于这个模型极其依赖环境——同样距离隔一堵石膏板和隔一堵承重墙衰减能差十几dB人体走过、门开合、货架增减都会让模型漂移。所以这类方案的实际定位误差普遍在2到5米做区域级判断没问题做轨迹级就力不从心。它的优势是便宜、功耗低、手机原生支持一颗纽扣电池撑一年。飞行时间类换了个思路我不猜信号多强我直接测信号飞过去花了多长时间。光速是常数时间测得准距离就准。UWB用的是纳秒级窄脉冲时间测量的分辨率天然高Wi-Fi的测距精度受限于带宽通常20/40/80MHz厘米级很难做到但米级可以。这一类方案的关键指标是带宽带宽越宽时间分辨率越高——这是UWB的核心底牌后面会展开算。相位差类利用载波相位做距离估计理论精度高但存在周期性模糊整周未知数需要多频点解算工程复杂度不低。超声方案精度不错但传播慢、易受气流和遮挡影响覆盖半径小。光学类精度最高可以到毫米级但硬伤是必须视距、怕遮挡、怕光照变化、算力开销大且涉及隐私问题摄像头在工业场景里往往只作为辅助校正。惯性推算不给绝对位置只给相对位移误差会随时间累积单独用几乎不可行但和上面任何一种融合都能显著改善短时抖动。把这五类放在一起看你会发现一个规律精度越高的方案对环境假设的要求越强。UWB的巧妙之处在于它用极宽的带宽换取了时间分辨率从而在“非视距、有遮挡、多金属反射”的工业环境里依然能把误差控制在可接受范围内——这是它区别于光学方案的关键。1.2 精度、成本、功耗、覆盖的四维取舍表光讲原理不够做项目最后都要落到选型表上。我按实际项目里最常对比的五个维度整理了一张表数据取自公开的器件手册和我在几个模拟项目里的实测记录具体数值会因芯片、天线、环境差异浮动看趋势比看绝对值重要。方案类型典型定位精度单点硬件成本标签功耗覆盖半径抗遮挡典型场景低功耗蓝牙RSSI2-5 m极低极低纽扣电池年级10-30 m一般资产盘点、区域感知蓝牙寻向AoA0.5-1.5 m中低5-15 m一般展厅导览、人员管理Wi-Fi测距3-10 m低复用AP高30-50 m一般大范围粗定位UWB TWR/TDoA0.1-0.3 m高中需定期充电或大电池30-80 m强工业、仓储、机器人视觉/激光0.01-0.1 m高高算力视距内弱产线精密对接这张表里最扎眼的一列是“单点硬件成本”。UWB的基站和标签价格通常是蓝牙方案的几倍甚至十几倍这也是很多项目在预算评审阶段被砍掉的原因。但成本这笔账要换个算法一个蓝牙方案需要每3到5米布一个信标才能保证覆盖一个仓库下来动辄几百个点而UWB基站覆盖半径30米以上一个中等仓库二三十个基站就能撑起来加上标签数量少只贴在关键资产上总投入差距没有想象中那么悬殊。我在一个模拟的仓储项目里算过两套方案的三年总成本差在30%左右而不是单价上的四五倍。功耗这一列也得说明白。UWB标签确实比蓝牙标签费电因为它要发窄脉冲、要做高精度时间戳、还要维持和多个基站的测距时序。一个典型标签在1Hz定位频率下平均电流在几十毫安量级2000mAh电池大概撑一到两周如果降到0.1Hz、用休眠唤醒机制可以拉到几个月。这就决定了UWB标签不适合“贴上去三年不管”的场景更适合可充电、可换电池、或者有固定充电流程的人员/车辆标签。覆盖半径这一项经常被低估。UWB的射频功率受频谱规范严格限制功率谱密度上限很低所以它的单站覆盖不像Wi-Fi那么豪放空旷环境能到50米以上但在密集货架、多墙体的环境里有效半径可能缩到15到20米。布站前必须做现场勘测不能照抄手册上的理想值。2. UWB的精确定位到底从哪来很多人以为UWB的精度来自“脉冲短”这只说对了一半。真正决定精度的是三个东西的组合超宽的瞬时带宽带来的时间分辨率、极低的占空比带来的抗多径能力、以及基于飞行时间而非信号强度的测量体制。这三者叠加才让分米级定位在复杂环境里变得可持续。下面我把每一块的账算给你看。2.1 500MHz带宽换来的时间分辨率先做一个最基本的换算。电磁波在空气中传播速度约3×10⁸ m/s也就是说1纳秒对应30厘米。这个数字是所有时间测距方案的基准尺。你想做到10厘米精度时间测量误差就得控制在0.33纳秒以内想做到1米精度允许1.67纳秒的误差。那么测距系统能分辨多小的时间差这取决于信号带宽。理论上距离分辨率约为 c/(2B)B是带宽。UWB在一个信道上通常占用500MHz带宽也有1GHz以上的宽模式代入算一下c 3e8 m/s B 500e6 Hz 分辨率 3e8 / (2 × 5e8) 0.3 m看起来只有30厘米别急这是可分辨的最小距离间隔不是测距误差。实际测距精度还取决于脉冲前沿的检测精度、采样率、信噪比和时钟质量。工程上主流UWB芯片配合双边测距在视距条件下单次测距的标准差可以做到几厘米多基站解算后的二维定位精度通常在10到30厘米。对比一下蓝牙BLE信道带宽2MHz或1MHz同样套公式分辨率是75米量级——这就是为什么蓝牙不能靠时间测距只能退回去用信号强度。Wi-Fi的80MHz带宽理论分辨率约1.9米勉强能做米级测距但很难再往下压。带宽是硬门槛不是靠算法能绕过去的。还有一层UWB的脉冲极短亚纳秒级占空比非常低通常低于1%。这意味着它在时域上“闪一下就消失”发射机大部分时间处于静默。这个特性带来两个好处平均功耗低以及脉冲之间互不重叠多径反射回来的信号在时间上和直达信号分得很开接收机可以只锁定最先到达的那一簇。这是UWB在多径环境里表现优异的核心原因。2.2 TOF与TWR测距的完整账本原理懂了具体怎么算出距离最基础的是单边测距OWR/TOF单向要求两端时钟严格同步误差直接进结果时钟差1ppm在100米距离上就是100微秒×1e-6100纳秒的偏差对应30米误差显然不可接受。所以工程上普遍用双边双向测距DS-TWR让时钟误差在公式里自我抵消。DS-TWR的过程是这样的设备A在t1发出测距请求设备B在t2收到、t3发出响应设备A在t4收到。得到两个时间戳差往返时间 RoundA t4 - t1应答处理时间 ReplyA t3 - t2单次测距的距离就是 d c × (RoundA - ReplyA) / 2。但这里有个隐含假设A和B的时钟频率完全一致。现实中晶振有几十ppm的偏差长距离下误差会被放大。所以做第二次交换B发请求A响应得到RoundB和ReplyB。然后用对称式公式消除时钟偏差d c × (RoundA×RoundB - ReplyA×ReplyB) / (RoundA RoundB ReplyA ReplyB)这个公式的妙处在于所有时间量都以“本地时钟计数”的形式出现时钟比例因子在分子分母里约掉了。我在实际调试中验证过不做这一步修正30米距离上误差能到几十厘米做了之后稳定在10厘米以内。用Python把这段逻辑写出来方便你在上位机里做离线校验C 299702547.0 # 光速空气中传播的常用近似值单位 m/s def ds_twr_distance(round_a, reply_a, round_b, reply_b): 四个参数均为本地时钟计数值换算出的秒数 round_a: A发出的往返时间 reply_a: A测得的B处理时间 round_b: B发出的往返时间 reply_b: B测得的A处理时间 numerator round_a * round_b - reply_a * reply_b denominator round_a round_b reply_a reply_b tof numerator / denominator # 单程飞行时间 return C * tof # 一组实测样例单位秒 d ds_twr_distance( round_a1.2345e-6, reply_a1.0000e-6, round_b1.2350e-6, reply_b1.0002e-6 ) print(f计算距离: {d:.4f} m)这段代码看着简单但有两个坑必须提醒。第一时间戳的单位。芯片内部通常给的是“计数刻度”比如1/64GHz的计数单元换算成秒之前一定要确认刻度值我曾经因为把刻度当成了纳秒导致距离整体偏移了15厘米排查了半天。第二天线延迟补偿。信号从芯片引脚到天线辐射出去中间有走线、巴伦、天线本身带来的固定延时这部分必须在固件里作为常量减掉否则会引入一个固定偏移通常几厘米到十几厘米且每个硬件批次都要标定。2.3 多径环境下的物理层韧性工业现场和实验室最大的区别在于多径。金属货架、叉车、混凝土柱、移动的人员都是强反射面。一个脉冲发出去接收端可能收到直达波、一次反射、二次反射甚至绕射波彼此时间间隔从几纳秒到几十纳秒不等。传统窄带系统遇到多径信号在频域上叠加产生衰落某些位置信号直接消失这就是所谓的“多径零点”。UWB在时域上处理这个问题脉冲宽度只有亚纳秒级多径分量在时间轴上被拉开接收机的前沿检测器锁定第一个超过阈值的峰就能把直达路径挑出来。反射路径晚到几纳秒对应的距离差就是几十厘米到几米完全落在检测窗口之外被自然滤除。当然这不意味着UWB免疫多径。在极端非视距情况下直达路径被完全遮挡接收机只能锁到反射波上这时候测距会系统性偏长因为路径变长了误差可以达到几十厘米甚至米级。这也是为什么高端方案要做非视距识别通过分析首径能量、信道冲激响应的形状、以及首径和第二径的功率比判断当前测量是否可信不可信的测量降权或不参与解算。这个机制在滤波阶段非常关键我在第5节会详细讲。另一个优势来自低占空比带来的低干扰。UWB的功率谱密度被压在很低的水平规范上限约-41.3dBm/MHz信号淹没在噪声底之下对其他系统的干扰极小同时它自己用相关器做解扩抗窄带干扰能力很强。这就解释了为什么UWB可以和Wi-Fi、蓝牙在同一空间共存甚至在频谱上和某些系统部分重叠也不会打成一团。这对现场已经是“无线信号拥挤”的工厂来说是很实际的加分项。3. 选型逻辑什么时候该上UWB什么时候别硬上技术好不等于该用。我见过太多项目需求方张口就要“厘米级定位”实际业务只是想知道物料在哪个区域结果上了UWB预算翻三倍维护还麻烦。选型这件事本质是把业务需求翻译成技术指标再拿指标去卡方案。下面三节分别讲场景匹配、成本账和融合打法。3.1 场景匹配矩阵从业务需求反推技术指标先问四个问题基本能定生死定位精度要求多少更新频率要求多少标签是电池供电还是固定供电现场有没有视距条件把答案填进下面这张矩阵指向就很清楚了。业务需求精度门槛建议方案理由资产在哪个库区5 mBLE信标精度够了成本最低人员在哪个工位/房间2-3 mBLE寻向或Wi-Fi区域级足够无需高精度叉车防撞、路径纠偏0.3-0.5 mUWB需要实时位置且响应要快AGV/AMR导航辅助0.1-0.3 mUWB激光/视觉融合UWB补遮挡时段的绝对位置产线工具防错、装配引导0.1 mUWB精度硬指标且环境多金属展厅互动、大屏跟随0.2-0.5 mUWB需要低延迟、平滑轨迹体育训练动作分析0.1 mUWB多标签高刷新率、多人同时这张表反映出一个共性只要业务里出现“防撞”“纠偏”“引导”“跟随”这类词精度门槛基本就落到半米以内BLE和Wi-Fi就出局了。反过来如果需求是“盘点”“统计”“区域告警”UWB就是过度设计。还有一个容易被忽略的指标更新频率。UWB标签在1Hz下功耗可控但在10Hz甚至50Hz下比如防撞场景需要低延迟功耗会线性上升同时空口时隙也会变紧张能支持的标签数量下降。所以选型时一定要把“多少人/车同时在线”和“每秒更新几次”一起算进容量规划不能只看精度。3.2 部署密度与成本的经济账算一遍就明白我用一个模拟的仓储场景把账算细。场地100米×60米共6000平方米货架高度6米要求叉车定位精度优于30厘米同时在线叉车15台。UWB方案基站按25米间距布设考虑货架遮挡实际需要约24个基站含边角冗余标签15个。基站单价按中位数估加安装辅材、交换机、供电一次性投入大概在基站部分标签可充电配充电柜。三年运维主要是电池更换和少量故障替换。定位频率取5Hz每帧每标签与4个基站测距空口时隙占用需要核算下一节细讲24个基站、15个标签的规模完全在单区域控制器能力范围内。BLE方案要达到30厘米精度基本不可能但如果退一步接受3米精度信标按8米间距布6000平方米大概需要120到150个信标单价低但数量多安装工时是大头。标签便宜但精度达不到业务要求方案直接不成立。所以真正的对比不是“UWB贵不贵”而是“其他方案能不能满足指标”。满足不了价格就没有可比性。这也是我在做方案评审时最常说的一句话先做减法把不满足硬指标的方案剔掉再在剩下的里比价格。反过来如果业务方愿意把精度放宽到1米那UWB的性价比优势就没了这时候该老实换方案。还有一笔隐性成本要算进去调试和运维。UWB系统的部署难度明显高于BLE涉及基站坐标标定、时钟同步、天线朝向、信道规划一个中等场地首次调试通常要一到两天。如果团队没有相关经验这部分人力成本要提前计入。这也是很多集成商报价高的原因——卖的不只是硬件还有调优服务。3.3 融合定位UWBBle惯导的组合拳纯UWB方案有一个绕不开的短板基站覆盖有边界标签离开覆盖区就丢位置。而实际场景里叉车会开到月台、人员会走出厂房、机器人会经过信号盲区。这时候单靠加基站既不经济也不现实业界的通行做法是做融合。最常见的组合是UWB 惯性测量单元IMU。UWB提供绝对位置在有测量的时段把IMU的累积误差拉回来UWB丢测的短暂间隙几秒钟靠IMU的加速度和角速度做航位推算位置能平滑延续不会出现轨迹断裂。实现上用松耦合的卡尔曼滤波就够了状态量取位置、速度UWB测距结果作为观测更新IMU作为预测步。这个结构简单、鲁棒我在几个移动机器人项目里都用这套。另一种组合是UWB BLE。BLE负责大范围的区域级粗定位和进出判断UWB负责关键区域的高精度。切换逻辑可以按地理围栏触发标签进入UWB覆盖区就切高精度模式离开就切低功耗信标模式。这样既控制了标签功耗又保证了关键工位的精度。还有一种在展馆类项目里常见的UWB 视觉视觉负责识别目标身份和朝向UWB负责给出全局坐标两者时间戳对齐后做数据关联。难点在时间同步和坐标系统一如果两块系统的时钟不同源融合出来的轨迹会有抖动需要做时间戳插值对齐。提示融合方案不是越多越好。每增加一路传感器就多一套标定、多一组时间戳、多一类故障模式。我的经验是除非单方案确实有硬缺陷否则优先把单方案调稳再考虑融合。4. 动手搭一套UWB定位系统从布站到出坐标原理和选型讲完进入实操。这一节我按“硬件选型—基站布局—时序配置—解算输出”的顺序走一遍中间穿插参数计算和现场记录。需要说明的是具体寄存器配置和API调用各家芯片差异很大我讲的是通用流程和思路落到具体型号时以官方手册为准。4.1 硬件选型与基站几何布局硬件层面要看四个参数射频通道、测距模式支持、天线形式、接口。射频通道方面常用的有中心频率6.5GHz和8GHz两个频段前者波长长、穿透稍好、天线尺寸大一些后者天线小、更适合小型标签但路径损耗略高。选哪个要看标签形态和现场材质金属密集环境我更倾向6.5GHz频段实测绕射能力好一点。测距模式上要确认芯片或模组是否支持双边测距DS-TWR和TDoA。TWR实现简单、对基站同步要求低适合中小规模TDoA容量大、标签功耗低但要求基站之间高精度时钟同步通常用有线时钟分发或无线同步部署复杂度高一个档次。我建议初次做项目从TWR起步把几何布局和解算跑通再考虑升级。天线形式分板载陶瓷天线和外接天线。标签用板载天线便于小型化基站建议用外接全向天线并调整朝向因为基站的覆盖形状直接影响几何精度。几何布局是这一节的重点。定位精度不只取决于测距精度还取决于基站和标签的相对几何关系业内用几何精度因子GDOP描述。直观理解标签周围四个基站分布越均匀、越包围标签误差放大越小如果四个基站都在标签同一侧比如都贴在一面墙上解算出来的位置在垂直墙面的方向上误差会急剧放大。实操上我遵循三条规则。第一基站不要布成一条直线至少要有高度差或前后错位避免共线导致的解算奇异。第二基站高度控制在3到5米太低了容易被人和货物遮挡太高了垂直角度大、水平投影误差放大。第三相邻基站间距控制在有效覆盖半径的0.8倍左右太密浪费太疏会出现精度洼地。以30米有效半径算间距24米比较合适。布站时还要做一件事精确标定基站坐标。这一步的误差会直接进入最终结果而且无法靠算法弥补。我用激光测距仪逐点测量记录每个基站的x, y, z误差控制在2厘米以内。有条件的可以用全站仪精度更高。千万别图省事用“目测图纸标注”我吃过这个亏一个基站坐标偏了15厘米导致整个区域边缘的定位系统性偏移。4.2 时钟同步与测距时序配置如果做TWR基站之间不需要严格同步只要求标签和基站之间的往返时序正确如果做TDoA基站同步就是命门。这里重点说TWR的时序配置因为大多数项目从这里起步。一个测距帧的核心参数是应答延迟Reply Time。标签发出请求后基站要等一个固定延迟再回复。这个延迟不能太短基站来不及处理也不能太长标签等待期间晶振漂移累积且空口效率下降。典型值在几百微秒到1毫秒之间。我一般先用500微秒跑通再根据实测误码率调整。时序配置里最容易出问题的是时隙分配。多个标签同时测距会撞车必须用TDMA或CSMA机制错开。以15个标签、每个标签每帧与4个基站测距、帧率5Hz为例粗算一下每个测距交互DS-TWR大约占用1.5到2毫秒含两次往返和应答延迟15个标签就是30毫秒一帧200毫秒内完成绰绰有余剩余时间还可以插入广播或休眠。但如果标签数涨到100个、帧率提到20Hz一帧只剩50毫秒就会严重拥塞必须改用TDoA或者降低帧率。配置时还有几个参数值得关注。前导码长度影响抗干扰能力和测距耗时长前导码更稳但更慢信道编号要和现场其他无线系统错开避免同频干扰发射功率不是越大越好过大会加剧多径和邻区干扰一般在满足覆盖的前提下取中低档。下面是一段示意性的配置逻辑用伪代码表达参数之间的关系# 帧容量粗算示例 label_count 15 anchors_per_label 4 twr_cycle_time 2e-3 # 单次DS-TWR交互耗时单位秒 frame_rate 5 # 每秒定位次数 slot_time label_count * anchors_per_label * twr_cycle_time frame_period 1.0 / frame_rate print(f单帧空口占用: {slot_time*1000:.1f} ms) print(f帧周期: {frame_period*1000:.0f} ms) print(f空口利用率: {slot_time/frame_period*100:.1f}%) if slot_time frame_period * 0.7: print(警告空口利用率过高建议降低帧率或改用TDoA)这段代码不复杂但建议每个项目动手前都跑一遍把容量边界先摸清楚别等部署完了才发现掉点。空口利用率我一般控制在70%以下留出重传和广播的余量。4.3 解算、滤波与坐标输出拿到每个基站到标签的距离后要解算出二维或三维坐标。最基础的是三边定位三个基站三个圆交点就是位置。但实际测距有噪声三个圆往往不交于一点所以要转成最小二乘问题。设基站坐标为 (xi, yi)测得距离为 di标签位置为 (x, y)则有(x - xi)² (y - yi)² di²把第一个方程作为参考其余方程减去它可以线性化成 Ax b 的形式再用最小二乘求解。基站多于三个时是超定方程正好利用冗余提升精度。下面是一个可以直接用的实现import numpy as np def trilaterate(anchors, distances): anchors: [(x, y), ...] 至少三个基站坐标 distances: [d1, d2, ...] 对应的测距值 anchors np.array(anchors, dtypefloat) d np.array(distances, dtypefloat) # 以第一个基站为参考做线性化 x0, y0 anchors[0] d0 d[0] A [] b [] for i in range(1, len(anchors)): xi, yi anchors[i] di d[i] A.append([2*(xi - x0), 2*(yi - y0)]) b.append(d0**2 - di**2 xi**2 - x0**2 yi**2 - y0**2) A np.array(A) b np.array(b) # 最小二乘求解 pos, residuals, rank, sv np.linalg.lstsq(A, b, rcondNone) return pos解算出来的原始坐标一定是抖的必须滤波。最简单的是一阶低通但会引入滞后工程上更常用卡尔曼滤波。状态取位置和速度观测取解算坐标过程噪声和观测噪声按实测调。核心代码骨架如下class SimpleKalman2D: def __init__(self, dt0.2, q0.01, r0.05): self.dt dt self.x np.zeros((4, 1)) # [x, y, vx, vy] self.P np.eye(4) * 1.0 self.F np.array([ [1, 0, dt, 0], [0, 1, 0, dt], [0, 0, 1, 0], [0, 0, 0, 1] ]) self.H np.array([ [1, 0, 0, 0], [0, 1, 0, 0] ]) self.Q np.eye(4) * q self.R np.eye(2) * r def predict(self): self.x self.F self.x self.P self.F self.P self.F.T self.Q def update(self, z): z np.array(z).reshape(2, 1) y z - self.H self.x S self.H self.P self.H.T self.R K self.P self.H.T np.linalg.inv(S) self.x self.x K y self.P (np.eye(4) - K self.H) self.P def position(self): return self.x[0, 0], self.x[1, 0]参数调优有个经验q 大代表你更相信观测跟随快但抖r 大代表你更相信模型平滑但滞后。叉车这类运动目标q 取大一些静止资产r 取大一些。我在实际项目里会先用静止标签采10分钟数据算出坐标的标准差把这个值作为 r 的初值再根据运动响应调整。5. 踩坑实录UWB项目里最容易翻车的几件事前面讲的是“怎么做对”这一节讲“哪里会错”。我把这几年在现场遇到的问题归了三类跳点漂移、容量冲突、以及标定与安装的细节疏漏。每一条都是真金白银换来的。5.1 跳点与漂移的排查路径跳点是UWB项目最典型的故障现象轨迹上突然冒出一个偏离十几米的点然后又恢复正常。排查要按“数据链路—几何—多径”的顺序走从下往上查。第一步看原始测距值。把每个基站的距离单独打出来看是哪一路在跳。如果某一路距离突然变大通常是那条路径被遮挡直达波消失接收机锁到了反射波上测距系统性偏长。这种测量必须剔除不能直接喂给解算器。剔除规则可以按“距离跳变量超过前一帧的N倍”或“残差超过阈值”来判断。第二步看几何分布。如果标签处在基站包围圈之外比如走出了角落或者和两个基站几乎共线解算矩阵的条件数会变得很差微小的测距噪声会被放大成米级跳动。解决办法是增加基站冗余或者在解算时给条件数差的组合降权。第三步看滤波参数。很多人一上来就把滤波调得很重结果响应变慢叉车转弯时轨迹被“拉直”反而失真。正确做法是保留原始轨迹做对比把滤波前后画在同一张图上看滞后是否可接受。还有一种隐蔽的漂移静止时位置缓慢游走。这通常是温漂导致的时钟频率变化或者天线附近有金属物体移动改变了多径环境。前者需要定期做时钟校准后者只能靠非视距识别和滤波抑制。注意不要用“把异常值直接丢掉”来掩盖问题。丢掉之后轨迹看着平滑了但真值可能就藏在被丢掉的点里。正确的做法是标记这些点、统计发生率从根因上解决。5.2 多标签容量与信道冲突规模一上去问题就从“准不准”变成“稳不稳”。我遇到过的典型症状是标签数量从10个加到30个之后部分标签开始间歇性丢帧定位频率掉到标称值的一半。原因通常有两个。一是空口拥塞前面算过帧内时隙不够用标签排队等不到发送机会。这时候要么降帧率要么改TDoA要么分区把场地切成几个区域不同区域用不同信道。二是随机接入冲突如果标签用CSMA而没有严格的时隙分配两个标签同时发请求的概率随数量上升重传又会进一步加剧拥塞形成恶性循环。解决办法是引入中心调度由控制器统一分配时隙标签按分配的时间片发送。还有一类冲突来自外部干扰。现场的Wi-Fi AP、无线图传、甚至某些工业设备可能在UWB频段附近有杂散辐射。判断方法是把标签放在固定位置静止采集看误码率和测距方差的时段分布如果和某些设备的启停时间吻合基本能锁定干扰源。应对手段是换信道、调整前导码、或者物理上拉开距离。容量规划这件事我建议在项目初期就做一张表把“最大标签数”“目标帧率”“单次测距耗时”“可用信道数”四个量列出来算出理论上限再打七折作为工程上限。别相信标称值标称往往是在理想空口条件下的数字。5.3 常见问题速查表把上面这些整理成一张表方便现场对照。现象可能原因排查动作处理方式单点跳变十几米某路基站被遮挡锁到反射波打印各路原始距离看哪一路异常加非视距识别剔除异常测量静止时位置缓慢游走时钟温漂、多径环境变化静止采集30分钟看方差定期校准调整滤波参数边缘区域精度骤降基站包围不足GDOP变差画基站分布图看标签是否在包围圈内补基站或缩小有效作业区标签数增加后丢帧空口拥塞、时隙不足核算空口利用率降帧率、分区、改TDoA整体位置有固定偏移基站坐标标定错误或天线延迟未补偿用已知点做校验重新标定补偿天线延迟轨迹转弯处被拉直滤波过重滞后明显对比滤波前后轨迹提高过程噪声减小滞后测距整体偏长非视距传播、天线朝向不当检查遮挡和天线极化方向调整安装位置加补偿偶发通信中断同频干扰、供电不稳频谱扫描检查电源纹波换信道加强供电滤波这张表不是穷举但覆盖了八成以上的现场问题。我的习惯是每次进场调试前先看一遍把可能的坑预先排除比事后救火省事得多。最后分享一个小技巧在场地里布置几个“校验点”用地面标记固定位置调试时把标签放上去直接对比解算坐标和真实坐标一眼就能看出系统误差和随机误差各占多少。这个过程只要十分钟但能帮你快速判断问题出在标定系统性偏移还是环境随机抖动比盯着轨迹图猜半天有效得多。
阅读完成 · 觉得有帮助？
