📚 课程目录第3章 UWB定位原理

3. UWB定位原理

做UWB定位这行，算法就是灵魂。很多朋友一上来就问我：“哪种算法最好？”说实话，没有绝对的好坏，只有合不合适。今天我把四种最常用的定位原理掰开揉碎了讲，都是我这些年踩坑总结出来的经验。

核心观点：UWB定位不是单一算法的天下，TOF、TDOA、AOA、RSSI各有各的适用场景。选对算法，项目就成功了一半。

3.1 TOF测距原理：最直观的“时间差”

TOF，全称Time of Flight，飞行时间法。说白了就是测量信号从A点到B点飞了多久。光速是已知的，时间乘以光速除以2，就是距离。

公式很简单：距离 = 光速 × 飞行时间 / 2

为什么除以2？因为信号发过去再返回来，走了两趟。嗯，这里要注意，UWB信号是双向测距的，不是单向。

我的经验：TOF测距在室内10-50米范围内表现非常稳定。我做过一个仓库项目，用TOF方案，30米内误差基本控制在15厘米以内。但要注意，时钟同步精度是最大的坑。

TOF的典型实现流程：

标签发送测距请求（Poll消息）
基站接收后回复响应（Response消息）
标签计算往返时间
根据时间差算出距离

代码实现其实不复杂，我贴一段伪代码大家感受下：

// TOF测距伪代码
function TOF_measure(tag, anchor):
    t1 = get_current_time()          // 标签发送时间
    anchor.receive_and_reply()       // 基站接收并回复
    t4 = get_current_time()          // 标签接收回复时间
    
    T_round = t4 - t1                // 往返总时间
    T_reply = anchor.get_reply_delay() // 基站处理延迟
    
    T_of = (T_round - T_reply) / 2   // 单程飞行时间
    distance = C * T_of              // C = 光速
    return distance

我曾经在一个隧道项目里吃过亏。隧道里多径反射严重，TOF测出来的距离忽大忽小。后来加了首径检测算法，才把问题解决。首径检测就是只认第一个到达的信号，不认反射回来的。

3.2 TDOA定位原理：时间差定位法

TDOA，Time Difference of Arrival，到达时间差。和TOF不同，TDOA不需要标签和基站来回通信，而是多个基站同时监听标签发出的信号。

核心思想：标签发一个信号，基站A和基站B收到的时间不一样。这个时间差对应一个距离差，多个距离差交汇就能算出位置。

关键区别：TOF测的是绝对距离，TDOA测的是距离差。TDOA要求所有基站时钟严格同步，误差不能超过纳秒级。

TDOA的数学原理：

基站A和基站B收到信号的时间差 Δt_AB
对应的距离差 Δd_AB = C × Δt_AB
标签位置在一条双曲线上（到两定点距离差为常数）
至少需要3个基站形成两条双曲线，交点就是位置

我记得有个客户非要在一个工厂里用TDOA，但他们的基站时钟用的是普通晶振。结果呢？定位误差直接飙到5米以上。后来我给他们换了温补晶振（TCXO），配合有线时钟同步，精度才回到30厘米以内。

避坑指南：我曾经见过一个团队，TDOA算法写得没问题，但基站部署时没考虑几何分布。四个基站排成一条直线，结果定位结果在垂直方向上完全发散。记住，基站不能共线，最好呈四边形分布。

3.3 AOA定位原理：角度决定位置

AOA，Angle of Arrival，到达角定位。这个思路和前面两个完全不同——我不测时间，我测角度。

原理：基站用天线阵列接收信号，通过不同天线接收到的信号相位差，算出信号来的方向。两个基站各自测出一个角度，两条射线一交叉，位置就出来了。

你想想看，这就像你在山上用两个观测点同时看一个目标，每个观测点报一个方位角，两个方位角一交汇，目标位置就确定了。

AOA的优缺点很明显：

优势	劣势
只需要2个基站就能定位	天线阵列成本高
不需要时钟同步	角度误差随距离放大
适合狭长场景	多径环境下角度不准

我做过一个停车场项目，车位窄长，用TOF需要很多基站。后来改用AOA，两个基站覆盖一整条车道。但有个问题——车一多，信号反射严重，角度偏差能到10度以上。最后我们加了角度滤波，把突变的角度值剔除掉，才稳定下来。

个人建议：AOA适合基站数量受限的场景，比如隧道、走廊、停车场。但如果你对精度要求很高（10厘米以内），还是老老实实用TOF或TDOA吧。

3.4 RSSI定位原理：最简单的“信号强度”法

RSSI，Received Signal Strength Indicator，接收信号强度指示。这个原理最简单——信号越强，离得越近；信号越弱，离得越远。

公式：距离 = 10^((P_tx - P_rx - 常数) / (10 × n))

其中n是路径损耗指数，室内一般取2-4。

说实话，RSSI在UWB里用得不多。为什么？因为UWB的优势就是精度高，RSSI的精度实在拿不出手。我测试过，在空旷环境下RSSI误差3-5米，有遮挡时误差能到10米以上。

但RSSI有个好处——实现成本几乎为零。所有无线芯片都自带RSSI功能，不需要额外硬件。所以有些场景还是会用它：

区域级定位（判断人在哪个房间）
辅助其他算法做粗定位
低功耗场景（不需要频繁通信）

我曾经踩过的坑：有个项目想用RSSI做人员定位，结果发现不同厂家的手机RSSI值差异巨大。同一位置，iPhone和安卓手机测出来的RSSI能差10dBm。后来我们做了设备校准，每个设备单独建一个RSSI-距离映射表，才勉强能用。

3.5 四种算法对比总结

说了这么多，最后给个对比表，方便大家选型时参考：

特性	TOF	TDOA	AOA	RSSI
典型精度	10-30cm	10-30cm	0.5-2m	3-10m
基站数量	≥3	≥3	≥2	≥3
时钟要求	低（双向测距）	高（纳秒级同步）	低	低
硬件成本	中	高（需同步模块）	高（天线阵列）	低
抗多径能力	强	强	弱	弱
适用场景	室内定位、机器人	大规模部署	狭长空间	区域级定位

选算法的时候，我建议你先问自己三个问题：精度要多少？预算有多少？现场环境什么样？答案出来了，算法自然就定了。

嗯，这四种原理是UWB定位的基石。后面章节我们会深入讲每种算法的工程实现细节，包括时钟同步怎么做、天线阵列怎么设计、滤波算法怎么调参。到时候再结合具体项目案例，大家会理解得更深。