UWB Radar 거리 측정 원리

본 글은 UWB Radar를 이용한 거리 측정 원리를 싣고 있다.

UWB Radar의 UWB는 Ultra Wide Band의 약자이며 초광대역의 주파수를 사용한 레이더를 의미한다. UWB Radar는 사용 주파수 특성상 다른 방식의 레이더 보다 인체에 무해하다는 장점이 있다. UWB Radar 칩을 제조 공급하는 업체는 Novelda, Time Domain(예전에 Time Domain에 UWB 칩이 있었지만, 지금은 사이트내용이 변함) 등이 알려져 있다. ETRI에서도 UWB Radar 칩을 개발한 것으로 알고 있다. 그리고, 아직 이 칩들이 높은 가격대를 형성하고 있는 것으로 알고 있다. UWB Radar관련 응용 논문이나 기술이 오래전에 나왔지만, 주변에서 아직 UWB Radar를 사용한 제품이 쉽게 찾아볼 수 없는 것도 이 때문인 것 같다. 

UWB Rader는 일반 다른 Radar와 마찬가지로 특정 신호를 송출한 후 물체에 반사되어 돌아오는 시간을 측정하여 레이더와 물체 간의 거리를 측정한다. 

레이더와 물체의 거리 = 전파의 속도* 반사되어 돌아오는 시간/2, 대기중 전파의 속도 = 빛의 속도 C = 약 3×108m/s

Radar에서 송출된 신호(그림의 a)는 물체/사람에 닿으며(그림의 b) 반사되어 오며(그림의 c) 레이더의 안테나에서 반사된 신호를(그림의 d) 수신하게 된다. 물체/사람에 닿지 않은 영역의 신호는 계속 방사되며 물체/사람에 닿은 영역의 신호만 반사된다(그림의 c). 사람에 닿은 레이더 신호의 일부는 투과되기도 한다. 이 때문에 UWB 레이더로 심장 박동수 측정이 가능하다고 한다.
 


 
<이미지 출처 X4  Datasheet https://novelda.com/x4-soc.html에서 다운로드 할 수 있다>

위 그림은 Novelda(xethru)의 X4 칩 회로에서 볼 수 있듯이 송신부의 펄스 generator에서 생성된 signature 신호는 안테나를 통해 주기적으로 송출되고, 수신 안테나를 통해 수신된 반사 신호는 HPF(High Pass Filter), LNA(Low Noise Amplifier), threshold 설정을 위한 DAC(Digital-to-Analog Converter) 등을 거친 후 Sampler에서 샘플링 된 후 디지털 변환되어 프레임 버퍼에 쌓이게 된다. 0~n번의 Sampler에 의해 샘플링 된 데이터는 각각이 레이더로부터 어느정도 떨어진 곳에서 반사되는 신호가 있는지를 나타낸다. 
 


UWB Radar 칩에서 받은 프레임 데이터는 몇 가지 신호 처리와 threshold를 정한 후 레이더와 물체/사람의 거리를 측정할 수 있다.
 

주파수 노이즈 제거를 위해 Band Pass Filter를 통과한 후 송신 신호와의 상관관계 분석을 위해 Cross-Correlation을 통과한다. 마지막으로 타겟 여부 판단을 위해 CFAR 등의 기법을 통해 Threshold를 정하고 어느 Sampler위치에 사물/사람이 있는지 산출한다. 산출된 Sampler의 위치와 UWB 칩의 Sampler별 거리 해상도를 통해 실제 물체/사람의 거리를 측정할 수 있다. 

관련 글:
- cross-correlation을 사용한 신호 상관 관계 테스트 및 source code
- 간단한 cfar 알고리즘에 대해
- UWB 레이더를 사용한 호흡수 측정 원리
- uwb 레이더 물체의 위치 측정
- uwb radar 신호 움직이는 물체 위치 측정 예제

댓글

댓글 쓰기

이 블로그의 인기 게시물

windows에서 간단하게 크롬캐스트(Chromecast)를 통해 윈도우 화면 미러링 방법

이미지
 Windows 10에서는 미라캐스트를 사용한 무선 디스플레이연결을 지원한다. 하지만, 만약 크롬캐스트(Chromecast)를 사용해 윈도우 화면을 미러링 하고자 할 때, 구글 크롬 브라우저를 사용하면 쉽고 편하게 할 수 있다. https://www.google.co.kr/intl/ko/chrome/ VLC에서도 비디오 화면을 미러링 할 수 있다고 하는데, 잘 동작하지 않고 윈도우 화면 전체를 미러링하지 않아 크롬 브라우저를 사용하고 있다. 크롬 캐스트 윈도우 화면 전송 방법 0. 크롬 캐스트 디바이스와 windows pc는 같은 네트웍에 연결되어 있어야 한다. (같은 공유기에 연결되어 있어야 한다.) 1. 크롬 브라우저의 우측 상단의 메뉴 > 전송을 클릭하면, 현재 사용가능한 크롬캐스트 디바이스 항목을 볼 수 있다. 2. 편의에 따라 탭 전송 아이콘에서 우측 버튼을 클릭하여 항상 표시되게 설정할 수도 있다. 3.  윈도우 화면 전체를 전송하고자 할 때는 탭 전송의 소스에서 '데스크톱 전송'을 선택하고, 바로 위의 크롬캐스트 디바이스를 클릭하면 된다. ** 소스는 미러링 중에는 변경되지 않는다. 먼저 소스를 선택하고 미러링해야 한다.  4. 화면 전송을 끝내고자 할 때는, 탭 전송에서 화면 전송중인 크롬캐스트 디바이스를 클릭하거나, 크롬 브라우저를 종료하면 된다.
자세한 내용 보기

간단한 cfar 알고리즘에 대해

이미지
Constant False Alarm Rate (CFAR)은 기본적으로 테스트하고자 하는 위치의 cell과 주변 cell의 관계를 보고 테스트 cell이 Target 인지 아닌지를 구분하는 알고리즘이다. 주변 cell과의 관계를 어떤 방식으로 비교하는가에 따라 여러가지 알고리즘이 존재한다. CA-CFAR, GO-CFAR, SO-CFAR, OS-CFAR, VI-CFAR, OSVI-CFAR등이 있다. 이 많은 알고리즘 중 간단하고 기본적인 CA-CFAR과 OS-CFAR에 대해 알아보자. CA-CFAR (Cell Average CFAR)   CA-CFAR의 원리는 위 그림과 같다. 좌우의 Reference Cell의 평균에 Scale Factor T를 곱하고, ADT (Average Decision Threshold)를 합하여 CUT가 타겟인지 아닌지를 구분한다. ADT는 신호의 white noise를 고려하기 위해 더해준다. Scale Factor T와 ADT는 아래와 같은 공식으로 사용할 수 있다. 사용하려는 시스템에 따라 공식은 달라질 수도 있다.   Pfa는 False Alarm 발생 확률을 나타내고, M과N는각 좌우의 Reference Cell의 개수를 나타낸다. OS-CFAR (Order Static CFAR)   OS-CFAR의 원리는 위 그림과 같다. 좌우의 reference cell중 K번째 큰 값의 cell을 Reference Cell의 대표 값으로 정해 CUT가 타겟인지 아닌지를 구분한다. 보통 전제 reference cell의 크기 순에서 (3*N)/4 번째 cell이 성능이 좋다고 알려져 있다. CFAR 사용 예 아래 사진은 위 두 cfar을 사용한 예다. 파란색은 신호이며, 붉은 색은 char을 사용해 만든 threshold이다. 이 threshold보다 큰 값의 신호가 있는 위치에 실제 Tar...
자세한 내용 보기

바로 프로젝트 적용 가능한 FIR Filter (low/high/band pass filter )를 c나 python으로 만들기

이미지
 band pass filter 코드가 필요해 인터넷을 검색을 해봤지만, 쓸 만한 코드와 자료가 별로 없어 그냥 만들어 쓰기로 했다. 필요한 공식은 위키피디아에 나와있다. https://en.wikipedia.org/wiki/Finite_impulse_response 1. filter 크기 FIR filter를 만들 때 filter의 크기(tpas의 크기)를 결정할 때 도움될 수식이 있다.   N=A㏈Fs / 22*Δf A㏈ : 감쇄될 db Fs : Sampling Frequency Δf : frequency bandwidth 출처 :  https://www.allaboutcircuits.com/technical-articles/design-of-fir-filters-design-octave-matlab/ def estimatefilterlen(fl,fh,fs,db):     N = int(np.round(db * fs / (22 * (fh-fl)))-1)     return N 2. Low Pass Filter [ python code ] def lowpassfilter(f,fs,N):     taps = np.zeros(N)          fc = f / fs     omega = 2*np.pi*fc     middle = int(N/2)     for i in range(N):         if i == middle:             taps[i] = 2*fc         else:    ...
자세한 내용 보기

간단한 칼만 필터(Kalman Filter) 소스 코드와 사용 예제

이미지
칼만 필터(Kalman filter)는 노이즈가 포함된 측정치로 부터 실체 상태를 추정(推定, estimation)하는 도구다. 본 포스트의 칼만 필터 소스는 한 타겟의 위치를 추정하는 용도로 만들어 졌다.  위키피디아 페이지( https://en.wikipedia.org/wiki/Kalman_filter )와 “Human Target Tracking in Multistatic Ultra-Wideband Radar” 논문 등을 참조하여 칼만 필터의 공식을 구현하였다. F,H,Q,R matrix는 아래와 같은 값으로 정하여 사용하였다. 칼만 필터 c++ 소스는 아래와 같다.  #include <malloc.h> #include <Eigen/Dense> __declspec(align(16)) class CKalmanFilter { private: BOOL mFirst; Eigen::MatrixXd mX; Eigen::Matrix4d mP; Eigen::Matrix4d mF; Eigen::MatrixXd mH; Eigen::Matrix2d mR; // measurement noise covariance Eigen::Matrix4d mQ; // process noise covariance public: void* operator new(size_t i) { return _mm_malloc(i, 16); } void operator delete(void* p) { _mm_free(p); } CKalmanFilter(double process_var, double measure_var, double T) { ...
자세한 내용 보기

python winsound를 이용한 윈도우 환경에서 소리 재생 예제

 본 포스트에는 윈도우 환경에서 python의 winsound라이브러리를 이용한 사운드 재생의 예제를 싣고 있다. import winsound 특정 주파수 톤 재생 Beep를 사용하여 특정 주파수의 소리를 정해진 시간동안 재생할 수 있다. winsound.Beep(frequency, duration) 파라미터 frequency : Hz 단위며, 범위는 37Hz~32,767Hz duration : milliseconds 단위이다. example code import winsoind winsound.Beep(370,2000) wave 재생 지정된 파일, 윈도우 레지스트리에 등록된 사운드 혹은 오디오 데이터(bytes-like object)를 재생한다. 만약 sound 리소스가 없는 경우 시스템 디폴트 사운드를 재생한다.  winsound.PlaySound(sound, flags) 파라미터 sound : 파일 이름, 시스템 사운드 별명, 오디오 데이터 flags : winsound.SND_FILENAME : sound 파라미터는 wave file 이름 이며, SND_ALIAS와 함께 사용하면 안된다.  winsound.SND_ALIAS : sound 파라미터는 시스템 사운드 별명이며, SND_FILENAME와 함께 사용하면 안된다. ex) 'SystemAsterisk', 'SystemExclamation', 'SystemExit', 'SystemHand', 'SystemQuestion' winsound.SND_LOOP : 반복 재생한다. 테스트해보니 SND_ASY...
자세한 내용 보기