1. 引言

近年来，随着机器人、无人车、智能行李箱、辅助出行设备等市场的快速发展，自动跟随技术成为一种重要的交互方式。传统的跟随方法主要依赖视觉（如目标检测、颜色追踪）或无线信号（如蓝牙RSSI、WiFi RTT），但在精度、延迟、稳定性等方面存在不足。

UWB（Ultra Wide Band，超宽带）技术的出现，为自动跟随带来了新的突破——厘米级定位精度、亚毫秒级延迟、极强的抗多径干扰能力，使其在室内外复杂环境中均能稳定工作。

2. 技术原理

UWB自动跟随的核心在于高精度实时定位。它通过在数百MHz到数GHz的超宽频带上发送极窄脉冲信号，并利用“飞行时间（TOF）或到达时间差（TDOA）”计算目标相对于参考点的精确位置。

2.1 信号特性

• 脉冲宽度：< 1ns
• 带宽：> 500MHz（FCC规定3.1~10.6GHz）
• 穿透能力：可穿透非金属材质，如木板、塑料、人体
• 抗多径能力：窄脉冲减少了多路径重叠，提高精度

2.2 定位方式

1. TOF（Time of Flight）
      测量信号从发送到接收的飞行时间，结合光速计算距离：

其中：

        c 为光速（约 3×10⁸ m/s）

        t_round​ 为信号往返时间

        t_proc​ 为设备处理延迟

2. TDOA（Time Difference of Arrival）

多个基站同时接收标签信号，通过不同接收时间差计算位置。

3. PDOA（Phase Difference of Arrival）

 信号到达不同接收天线的相位差 可以反映出信号传播路径的差异。

通过测量相位差，并结合几何关系，可以计算信号源的方向（Angle of Arrival, AoA）或者距离差（TDoA）。

在UWB中，PDOA常通过两个或多个天线阵列来测量接收到的同一脉冲信号的相位差，从而推算目标的方位角或位置。

2.3 系统架构

一个典型的UWB自动跟随系统由以下部分组成：

标签（Tag）：安装在用户身上（如腰部、背包），周期性发射信号

基站（Anchor）：固定在跟随设备（如机器人）或场地参考点

主控MCU：运行定位算法、路径规划算法

驱动系统：根据目标位置和速度控制电机运动

3. 工程实现细节

3.1 硬件选型

UWB芯片：Decawave DW1000 / Qorvo DW3000 系列

主控：STM32、ESP32、NXP i.MX RT 系列

辅助传感器：IMU（加速度计、陀螺仪）、编码器、超声波（防撞）

3.2 数据融合

为了提高稳定性，UWB常与其他传感器结合：

UWB + IMU：短时无信号时用IMU推算位置

UWB + 视觉：在近距离用视觉做细跟随，UWB做长距离定位

UWB + 超声波：避免近距离碰撞

常用融合算法：

EKF（扩展卡尔曼滤波）

UKF（无迹卡尔曼滤波）

粒子滤波（复杂场景下多目标跟踪）

3.3 路径规划

直线跟随：适合开阔环境

避障跟随：结合激光雷达或视觉SLAM，规划绕行路线

队列跟随：多个设备按队列移动

4. 优势与挑战

优势：

定位精度高（±10cm）

延迟低（<10ms）

抗干扰能力强，穿透力好

挑战：

室外大范围部署成本高

遮挡下定位误差增大

需要额外功耗优化

5. 应用案例

PSICV随辅物流搬运机器人：在仓库中跟随搬运员行走

Soffofel随福电动轮椅：在商场中自动跟随护理人员

Soffofel随福无人行李箱：在机场自动跟随主人

6. 总结与未来

未来，UWB自动跟随将向低功耗、小型化、多传感融合、云端协同方向发展，并与蓝牙LE、WiFi RTT等技术融合，实现跨场景的无缝跟随。