系统中的带通射频系统不同，UWB系统的频率范围要高10倍以上，而UWB信号在每一个频点的信号功率密度都很低，因此如何克服宽带内噪声的问题将是接收机的一个重要课题。此外，UWB系统的天线需要满足宽频带，这与传统通信系统中的窄带天线不同。如果UWB定位系统中的设备端需要同时判断基站与设备之间的方向关系，那么还会需要设计一个天线阵列，这也增加了设计的难度。从功耗上来说，UWB的功耗通常较低，因此我们可望看到UWB技术进入更多的智能设备中。

室内导航芯片

室内定位可以提供设备的位置，而室内导航技术则从另一个角度提供设备的精确运动轨迹。精确运动轨迹对于许多任务来说至关重要，而精确运动轨迹对于每次测量之间相对误差的需求往往小于10厘米，因此光靠室内定位就不够用。

室内导航的主要技术是SLAM技术，即同时完成定位和环境的地图建模。目前应用在消费应用中的SLAM技术可以分成两类，一类是基于惯性传感器加视觉的SLAM方案，另一类是仅仅基于视觉的SLAM方案。

SLAM对于算力的需求很高。这是因为SLAM算法的本质是找到环境中的特征点，根据环境特征点的变化来估计设备的移动轨迹。例如，SLAM算法需要首先从摄像头传感器的图像中去提取特征点，之后需要做特征点匹配算法，再之后才是移动估计。这一套算法在DSP或CPU上的执行效率都不够高，因此需要使用专用加速器芯片来实现高效率SLAM。随着室内导航应用在机器人和AR／VR设备上的普及，我们可望见到SLAM加速器芯片或专用IP进入相关设备SoC。

目前，室内导航SLAM芯片在学术界已经得到了广泛的重视，也有一些芯片研究发表在ISSCC或VLSI Symposium等重要的会议上。对于基于IMU和视觉的SLAM，MIT的Amr Suleiman在今年早些时候发表了Navion系列芯片，该芯片把IMU+视觉 SLAM的整个计算流水线都放到了芯片上，同时做了图像压缩、稀疏计算优化等优化，最终能实现低至2mW的计算功耗，因此非常适合微型无人机等需要SLAM但是对于功耗非常敏感的应用。

在纯视觉SLAM方面，由于没法借助IMU，而必须纯粹靠视觉特征点的匹配和位移去做运动轨迹估计，因此算法要更复杂一些。该领域的芯片最新的研究成果是密歇根大学发表在ISSCC 2019上的视觉SLAM加速芯片，该芯片使用卷积神经网络做特征提取，并且对于特征点匹配、深度估计等都做了相应优化，最终整体芯片的功耗仅240mW。

展望未来

随着下一代智能设备和机器人应用的普及，我们认为相应的室内定位和室内导航专用硬件会成为一个专门的品类，而相应的芯片也会有可观的出货量，苹果的UWB室内定位芯片就是一个例子。

在室内定位方面， 我们认为以UWB为代表的下一代室内定位芯片将会逐渐成为主流。室内定位芯片主要是射频系统芯片，我们认为中国半导体行业在该领域并不落后美国太多，因此如果UWB真正得到广泛认可我们期望看到许多中国芯片厂商成为该领域的重要出货商。

在室内导航方面，SLAM芯片实质上是专用的算法加速芯片，其本质类似于摄像头ISP。因此，该芯片的主要挑战不仅仅在于电路设计，而更在于算法的选择和参数调优，我们认为一旦有了公认的主流算法，那么中国半导体行业在相应的芯片设计方面将会很快占据主导地位。这一点其实和人工智能芯片很像，在卷积神经网络确定成为主流算法之后，中国已经诞生了许多家能走在世界前列的人工智能芯片公司。我们认为一旦室内导航SLAM系统和算法确定之后，中国芯片公司也将会成为主流供货商。