UWB的「殺手級應用」終於來了?

2021-02-04
作者 Pål Kastnes,Nordic Semiconductor

在社交距離應用中,超寬頻(UWB)成為可精確測量距離的最佳解決方案。

超寬頻(UWB)技術已經存在了近三十年。從一開始,射頻(RF)技術就將訊號擴展到較大頻寬以確保很高的資料速率和較低的功耗。然而,儘管軍方已在雷達應用和其他軍事領域中應用了UWB,但這項技術在消費性電子產品中的影響力仍然有限。例如,電池供電的PC週邊由於實際性能未達到預期水準,早期應用的樂觀前景逐漸暗淡。 然而,相關標準經過修訂,新的商用晶片問世,還有Apple的支持,我們已經看到UWB應用捲土重來。不久之後,UWB與藍牙低功耗(Bluetooth Low Energy,BLE)技術搭配使用,將被證明十分適合應用於在新冠疫情下保持社交距離的可穿戴裝置。 高傳輸量+抗多路徑衰減衰減 「超寬頻」(ultra wideband)一詞是由美國國防高等研究計畫署(DARPA)所創,描述了一種射頻技術,在很大的頻寬範圍(在最新IEEE標準中高達1.35GHz)以特定時間間隔產生非常短促──奈秒(nanosecond)甚至皮秒(picosecond)──且精確的無線電脈衝來傳輸資訊。使用這些脈衝的脈衝位置或時間調變來承載資訊。由於採用脈衝重複率高,可以實現高傳輸量(在標準中高達27.24Mbps)。 相較之下,BLE是一種窄頻技術,可在2MHz的通道寬度和2Mbps最大輸送量下傳輸資料封包。窄頻短距離無線技術可能會受多路徑衰減(multipath fading)和干擾的影響,但低功率頻譜密度可以抵抗這些問題,成為了UWB的關鍵優勢。然而,魚與熊掌不可兼得,GHz頻段的工作頻率會被牆壁和其他障礙物吸收,因此只能在視線範圍內運作。 精確距離測量 UWB為即時定位服務(RTLS)應用提供了有發展前景的選擇。這些類型的應用需要快速測量目標相對於參考點的距離和位置。使用例子包括資產追蹤、室內導航和保持社交距離。 常規的短距離無線位置測量系統使用訊號強弱(RSSI)定位技術來估算兩個收發器之間的距離,以衡量訊號自發射器離開後,訊號功率降低了多少。然而,牆壁和傢俱等障礙物會帶來許多變數,例如多路徑衰減,因此只考慮訊號強弱其實無法精確地指示實際的距離。 為克服此缺陷,UWB並不採用訊號強弱作為定位方式,而是測量無線電脈衝到達接收器並返回所需的時間,來測量兩個UWB無線電之間的距離。可以考慮接收器延遲和光速來實現準確的距離估算。 使用多天線來測量入射脈衝的到達角(AoA),可以找到目標的位置。然後,將距離和方向資料相結合,系統便可以精確地確定無線電脈衝發射器在三個維度上的位置。 與BLE結合應用於保持社交距離的穿戴式裝置 與BLE這樣的成熟短距無線技術比較,UWB確實缺少許多固有優勢,其中包括了低功耗、廣泛的產業支持以及智慧型手機互通性。 包括Decawave (現隸屬於Qorvo)和Insight SiP等公司提供的模組,結合了Nordic的nRF52832藍牙低功耗SoC與商用UWB晶片的優勢,協助了PHYTEC等業者開發例如Distancer等保持社交距離的穿戴式裝置。Distancer是一款專門為對抗新冠疫情而開發,應用於工作場所的保持社交距離追蹤器。 像Distancer這樣的應用產品,以BLE無線電來估算定位目標的位置(此過程需要相對大量的RF活動),然後切換到UWB無線電以進行更短促的精確定位操作。這種運作模式最大程度地縮短了高功率UWB無線電的廣播時間,以延長電池壽命。除此之外,如果遇到非UWB目標裝置,則BLE/UWB組合允許將RSSI用作後備技術。 商業前景廣闊 在大規模疫苗接種計畫擊敗新冠病毒之前,建基於BLE/UWB驅動的產品有望在控制疫情中發揮越來越重要的作用。這將提升UWB技術的公眾知名度,並為晶片製造商提供一個健全發展的市場。除了疫情之外,RTLS領域還將實現快速的成長;分析機構Allied Market Research預測,該市場2019年至2026年的複合年成長率(CAGR)為30.2%,這將有助於鞏固UWB技術的發展前景。 眼看著Apple在iPhone 11中整合了自行開發的UWB晶片以「帶動空間意識」進入智慧型手機,除了PC周邊設備和連絡人追蹤之外,也鼓勵新的消費性應用多加利用精確定位技術,進一步促進了UWB作為消費性技術的興起。 本文由Nordic Semiconductor供稿        
活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

發表評論

訂閱EETT電子報