Ultra-wideband (UWB) communications have gained popularity in recent years for being able to provide distance measurements and localization with high accuracy, which can enhance the capabilities of devices in the Internet of Things (IoT). Since energy efficiency is of utmost concern in such applications, in this work we evaluate the power and energy consumption, distance measurements, and localization performance of two types of UWB physical interfaces (PHYs), which use either a low- or high-rate pulse repetition (LRP and HRP, respectively). The evaluation is done through measurements acquired in identical conditions, which is crucial in order to have a fair comparison between the devices. The LRP devices that we tested have the same ranging and localization performance, but ten times (10x) lower power consumption, 6x lower energy consumption per distance measurement, and at least 8x higher coverage than the HRP devices. Therefore, UWB LRP devices can offer high-accuracy ranging and localization even to ultra-low-power devices in the IoT. We performed measurements in typical LOS and NLOS scenarios and propose theoretical models for the distance errors obtained in these situations. The models can be used to simulate realistic building deployments and we illustrate such an example. This paper, therefore, provides a comprehensive overview of the energy demands, ranging characteristics, and localization performance of state-of-the-art UWB devices.


翻译:近年来,由于能够以高精确度提供远程测量和本地化,从而能够提高Things(IoT)互联网设备的能力,超广频频谱通信近年来越来越受欢迎。由于能效是这类应用中最令人关切的问题,我们在此工作中评估了两种类型的UWB物理界面(PHY)的电力和能源消耗、远程测量和本地化性能,它们使用低或高频脉冲重复(分别为LRP和HRP),因此,评价是通过在相同条件下获得的测量方法进行的,这对于公平比较这些装置至关重要。我们测试的LRP装置具有相同的范围和地方化性能,但10倍(10x)的电力消耗量较低,每条距离测量的能源消耗量降低6x,覆盖率至少比HRP装置高8x。因此,UWBLP装置可以提供高精确度的测距和本地化,甚至对IoT的超低能装置(LP和HRP)。我们在典型的假设中进行了测量,并提出了这些装置的远程误差的理论模型。我们测试过的LRP装置的模型展示了这些情况。

0
下载
关闭预览

相关内容

【CVPR2021】动态度量学习
专知会员服务
39+阅读 · 2021年3月30日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机类 | 国际会议信息7条
Call4Papers
3+阅读 · 2017年11月17日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
5+阅读 · 2018年5月22日
Arxiv
3+阅读 · 2017年12月14日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机类 | 国际会议信息7条
Call4Papers
3+阅读 · 2017年11月17日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员