UWB 技术通过数字射频和基于机器学习的校正提高准确性

本周，Imec 表示已开发出下一代超宽带 (UWB) 技术，该技术使用数字射频和机器学习技术，可在具有挑战性的环境中实现小于 10 厘米的测距精度，同时功耗比目前的实现低 10 倍。

该研究和创新中心宣布了其安全邻近研究计划的两项新创新，用于安全和非常高精度的测距技术。一种是基于硬件的，采用数字式 RF 电路设计，例如其全数字锁相环 (PLL)，以实现低于 4mW/20mW (Tx/Rx) 的低功耗，它声称已达到比今天的实现好 10 倍。第二个是基于软件的增强，它利用基于机器学习的纠错算法在具有挑战性的环境中允许小于 10 厘米的测距精度。

解释上下文 imec 说，超宽带技术目前非常适合支持各种高精度和安全的无线测距用例，例如通常应用于汽车的“智能锁”解决方案；它会在车主靠近时自动解锁车门，并在车主离开时锁定车门。

UWB 的优势和挑战（图片：imec）

然而，尽管它有一些优点，例如本质上比某些替代方案更难妥协，但由于其更高的功耗和更大的占地面积，它的潜力在很大程度上仍未得到开发。因此，imec 表示，它引入的硬件和软件创新标志着释放该技术全部潜力的重要一步，并为微本地化服务开辟了机会，超越了迄今为止广泛推广的安全无钥匙访问，到 AR/VR游戏、资产跟踪和机器人技术。

imec 项目经理 Christian Bachmann 表示：“UWB 的功耗、芯片尺寸和相关成本一直是该技术采用的阻碍因素，尤其是在无线测距应用的部署方面。 “Imec 全新的 UWB 芯片开发显着减少了基于数字式 RF 概念的技术占用空间：我们已经能够在一个区域集成整个收发器——包括三个用于到达角测量的接收器小于 1mm²。”

他补充说，这是在适用于物联网传感器节点设备的先进半导体工艺节点上实施的。新芯片还符合新的 IEEE 802.15.4z 标准，该标准得到了汽车连接联盟 (CCC) 和精细测距 (FiRa) 等具有影响力的行业联盟的支持。

作为硬件开发的补充，IDLab（根特大学的 imec 研究小组）的研究人员提出了基于软件的增强功能，可显着提高 UWB 在具有挑战性的环境中的无线测距性能。尤其是在工厂或仓库中，人员和机器不断移动，金属障碍物会引起大量反射——所有这些都会影响 UWB 定位和距离测量的质量。

它使用机器学习创建了智能锚点选择算法，可以检测 UWB 锚点和被跟踪移动设备之间的（非）视线。以该知识为基础，估计测距质量，并纠正测距误差。该方法还带有机器学习功能，可以对网络的物理层参数进行自适应调整，然后可以启动适当的步骤来减轻这些测距误差——例如通过调整锚点的无线电。

障碍物和非视线效应会影响 UWB 定位和距离测量的质量。片上 ML（机器学习）可以纠正错误，如这两个示例所示。 （图片：imec）

IDLab 的 Eli De Poorter 教授说：“我们已经在这种极具挑战性的工业环境中展示了优于 10 厘米的 UWB 测距精度，与现有方法相比，这是两个改进的因素。此外，虽然 UWB 本地化用例通常是定制的，并且通常依赖于手动配置，但我们的智能锚点选择软件可以在任何场景中运行——因为它在应用层运行。”

通过这些自适应配置，下一代低功耗和高精度 UWB 芯片可以广泛用于其他应用，例如使用小型和隐私感知设备在流行病期间改进接触者追踪。

事实上，imec 已经将这项技术授权给其衍生产品 Lopos，该公司发布了一款可穿戴设备，当员工在相互接近时违反安全距离准则时，会通过声音或触觉警报警告员工，从而强制实施 Covid-19 社交距离.

选择 UWB 而不是蓝牙，Lopos 的 SafeDistance 可穿戴设备作为独立的解决方案运行，重量为 75 克，电池寿命为 2-5 天。基于 UWB 技术的设备可实现安全、高精度（<15cm 误差容限）的距离测量。当两个可穿戴设备相互靠近时，设备之间的确切距离（可调）会被测量，并在未遵守最小安全距离时触发警报。

由于它是独立的，因此不会记录个人数据，也不需要网关、服务器或其他基础设施。 Lopos 已经提高了产量以满足市场需求，过去几周收到了来自活跃于不同行业的公司的多笔大订单。

>> 本文最初发表于我们的姊妹网站 EE Times。