ข้อ จำกัด ของการคำนวณที่ตายโดยใช้เซ็นเซอร์ MEMS

ฉันพยายามติดตามส่วนต่าง ๆ ของร่างกายที่สัมพันธ์กับเนื้อตัวของบุคคล ฉันเห็นคำถามสองสามข้อเกี่ยวกับการใช้ MEMS accelerometers และ gyros สำหรับการคำนวณที่ตายแล้วและพวกเขายืนยันความสงสัยของฉันว่ามีหลายปัจจัยที่ จำกัด การใช้ประโยชน์ของแอปพลิเคชันเหล่านี้อย่างมาก แต่ฉันต้องการคำจำกัดความเหล่านี้:

• ข้อ จำกัด เหล่านี้คืออะไร?

  คำตอบอื่น ๆ ได้กล่าวถึงสาเหตุข้อ จำกัด เหล่านี้ โดยปกติแล้วข้อมูลจำเพาะของชิ้นส่วนในระบบและคำถามที่ว่า "ข้อผิดพลาดที่ยอมรับได้" สำหรับทั้งระบบจะเปลี่ยนขีด จำกัด ที่แน่นอน แต่มีลำดับความสำคัญในเวลาเดียวหรือระยะทางที่ฉันคาดว่าจะสามารถใช้งานได้ ฉันทราบดีว่าในระยะทางไกล (ไม่กี่หลาหรือมากกว่านั้น) ข้อผิดพลาดจะใหญ่เกินไปสำหรับการใช้งานส่วนใหญ่ แต่สิ่งที่เกี่ยวกับภายในไม่กี่ฟุต?

• ฉันจะทำอย่างไรเพื่อปรับปรุงข้อ จำกัด เหล่านี้

  ฉันกำลังดูการใช้ accelerometer และ gyro ฉันสามารถเพิ่มเซ็นเซอร์ตัวอื่นในระบบเพื่อปรับปรุงอัตราความผิดพลาดได้อย่างไร ฉันรู้ว่าสามารถใช้ GPS ได้ในระยะยาว แต่ฉันสงสัยว่าอุปกรณ์ GPS สำหรับผู้บริโภคระดับใดก็ตามมีความละเอียดพอที่จะช่วยในกรณีของฉันได้

  นอกจากนี้ฉันทามติทั่วไปดูเหมือนจะเป็นวิธีเดียวที่จะปรับปรุงข้อ จำกัด เหล่านี้ได้ผ่านจุดที่เซ็นเซอร์ได้รับการปรับปรุงให้ดีขึ้นคือการให้การอ้างอิงโดยไม่เกิดข้อผิดพลาด บางระบบแก้ปัญหานี้โดยใช้กล้องและเครื่องหมาย จุดอ้างอิงชนิดใดที่อุปกรณ์พกพา / สวมใส่ได้ให้?

  ฉันเคยเห็นการใช้คลื่นวิทยุเพื่อวัดระยะทางอย่างแม่นยำ แต่ฉันไม่สามารถบอกได้ว่าระบบดังกล่าวอาจมีความแม่นยำในขนาดเล็ก (ในแง่ของการวัดระยะทาง) โดยใช้ส่วนประกอบ "off-the-shelf"

• พวกมันคืออะไรกันแน่?

แหล่งที่มาของข้อผิดพลาด ได้แก่ zero-offset (bias) และข้อผิดพลาดของสเกล (ซึ่งมีแนวโน้มที่จะแตกต่างกันอย่างช้าๆ) และเสียงรบกวน ราคาของเซ็นเซอร์ MEMS แตกต่างกันไปจากน้อยกว่า $ 10 ถึงมากกว่า $ 1,000 และขนาดของข้อผิดพลาดครอบคลุมหลากหลายขึ้นอยู่กับคุณภาพของเซ็นเซอร์

ปัญหาใหญ่คือการรวมมักจะต้องได้รับจากค่าเซ็นเซอร์ (ความเร่งอัตราเชิงมุม) ถึงค่าที่ต้องการ (ตำแหน่งมุม) แหล่งที่มาของข้อผิดพลาดทั้งหมดนั้นประกอบไปด้วย - เพิ่มขึ้นตามเวลา - เมื่อรวมเข้าด้วยกัน มูลค่าของข้อมูลสำหรับการคำนวณการตายที่ตายตัวตามกาลเวลาด้วยเซนเซอร์ราคาถูกที่ให้ข้อมูลที่มีประโยชน์มากที่สุดกับคุณในไม่กี่นาทีและเซ็นเซอร์ระดับสูงที่ดีอาจใช้เวลาสักสองสามชั่วโมง

• ฉันจะทำอย่างไรเพื่อปรับปรุงข้อ จำกัด เหล่านี้

ดังที่คุณได้พบแล้ววิธีที่ดีที่สุดในการกำจัดข้อผิดพลาดแบบรวมที่เพิ่มขึ้นคือการรวมข้อมูลเซ็นเซอร์กับแหล่งข้อมูลอิสระอื่น ๆ ที่ไม่มีข้อผิดพลาดประเภทเดียวกัน ตัวอย่างเช่น GPS สามารถให้ค่าตำแหน่งแน่นอนที่ไม่เบี่ยงเบนในระยะยาว แต่มีองค์ประกอบ "เสียงรบกวน" ที่ค่อนข้างใหญ่ คุณสามารถใช้ข้อมูลนี้เพื่อประเมินความผิดพลาดของอคติและสเกลของมาตรวัดความเร่งซึ่งช่วยให้คุณแก้ไขได้ในเวลาจริง นอกจากนี้ยังช่วยให้คุณสามารถยกเลิก "การเดินสุ่ม" ที่สร้างขึ้นโดยเสียงเซ็นเซอร์ ตัวกรองคาลมานเป็นวิธีการทั่วไปหนึ่งวิธีที่ใช้ในการสร้างแบบจำลองระบบ (รวมถึงเงื่อนไขข้อผิดพลาดของเซ็นเซอร์) และรวมข้อมูลเข้าด้วยกันเพื่อหาค่าสถานะของระบบที่เหมาะสมในทุกช่วงเวลา

อีกตัวอย่างหนึ่งคือการใช้ "แรงโน้มถ่วงเวกเตอร์" ซึ่งวัดโดยมาตรวัดความเร่งเพื่อยกเลิกการเลื่อนมุมของไจโร เคล็ดลับที่นี่คือการรู้ว่าเมื่อคุณมีเวกเตอร์แรงโน้มถ่วงที่ถูกต้อง; นั่นคือระบบจะไม่เร่งความเร็วไปในทิศทางใด การวิเคราะห์พฤติกรรมต่าง ๆ (เช่น "zero update") ถูกใช้เพื่อทำให้สำเร็จ magnetometer สามารถใช้วัดความผิดพลาดของไจโรแม้ว่าคุณจะไม่ทราบทิศทางที่แน่นอนของสนามแม่เหล็ก - ตราบใดที่คุณสามารถสันนิษฐานได้ว่ามันคงที่

การตรวจจับด้วยแสงเป็นอีกวิธีหนึ่งในการรับความเร็วมุมและตำแหน่งโดยไม่ต้องดริฟท์ แต่การประมวลผลภาพที่ต้องการนั้นจำเป็นต้องใช้รอบ CPU (หรือ FPGA) จำนวนมากและการพัฒนาระบบดังกล่าวค่อนข้างซับซ้อน

คุณถามว่าจะเพิ่มอะไรอีก เครื่องวัดสนามแม่เหล็ก 3 แกนน่าจะมีประโยชน์ สนามแม่เหล็กของโลกมีแนวโน้มที่จะเคลื่อนที่ไปรอบ ๆ ช้ากว่าที่ผู้ใช้ทั่วไปทำ (โชคดี)
ดู MPU6000 / 6050 ที่ยอดเยี่ยม

หนึ่งเวอร์ชันมีอินเตอร์เฟส SPI & IIC ส่วน IIC อื่นเท่านั้น

ประกอบด้วยไจโรสโคป 3 แกน + accelerometer 3 แกนพร้อมอินพุตเพื่อให้สามารถรวมสัญญาณจากและแมกเนโตมิเตอร์ 3 แกนภายนอก
IC ประกอบด้วย 'ตัวประมวลผลสัญญาณภาพเคลื่อนไหวดิจิตอล' ซึ่งรวมสัญญาณจากอาร์เรย์เซ็นเซอร์ 3 x 3 ฉันยังไม่ได้มาจับกับฟังก์ชั่นที่แม่นยำที่ให้ไว้ แต่ความตั้งใจคือการประมวลผลสัญญาณที่แยกต่างหาก 3 แหล่งให้เป็นระบบวิเคราะห์การเคลื่อนไหวที่มีประโยชน์

เอกสารข้อมูลที่นี่

ค่าใช้จ่าย IC ประมาณ $ 10/1 จาก Digikey และคณะกรรมการประเมินผลประมาณ $ 50 + จากผู้ผลิต หรือคุณสามารถซื้อกระดานสมบูรณ์จากจีน - พวกเขาขายที่นี่ในราคาปลีก 6 ดอลลาร์สหรัฐใน 1 ของ - ประกอบ IC และ PCB
ฉันยังไม่ทราบว่าเกิดอะไรขึ้นหรือเป็นจริงหรือ ... ฉันได้รับเมื่อวานนี้ แต่จะไม่สามารถเล่นกับมันได้สักพัก ('Whiles' มีความแตกต่างกันอย่างมากตั้งแต่ขนาดเล็กไปจนถึงบางครั้งก็ใหญ่เกินไป) มีจำนวนบทความบนเว็บที่ใช้พวกเขาด้วยเช่น Arduinos

แม่นยำแค่ไหน:

อาจมีการอภิปรายเกี่ยวกับเรื่องนี้ทางเว็บมาก
ถ้าฉันอ่านแผ่นข้อมูลอย่างถูกต้อง (และไม่ใช่ประเภทอุปกรณ์ที่ฉันคุ้นเคยมากเกินไป)
ตารางที่ 6.1 ในหน้า 12 แสดงให้เห็นว่า Gyroscope มีการเบี่ยงเบนของ +/- 20 องศา / วินาทีสูงสุดที่ 25 C และมากกว่านั้นอีกครั้ง - ช่วงอุณหภูมิ 40 ถึง + 85C สมมติว่าอัตราจริง 20 องศา / วินาทีนั้นเป็นหนึ่งรอบเต็มใน 18 วินาที อย่างไรก็ตามทั้ง magnetometer และ accelerometer ให้การเข้าถึงเวกเตอร์อ้างอิงภายนอก (แรงโน้มถ่วงและสนามแม่เหล็กของโลก) และสัญญาณจากสิ่งเหล่านี้สามารถใช้เพื่อรับอัตราการหมุนไจโรระยะสั้นและระยะยาวและชดเชย นี่อาจเป็นส่วนหนึ่งของ "ตัวประมวลผลการเคลื่อนไหว" ของพวกเขา

ข้อผิดพลาดของมาตรวัดความเร่งดูเหมือนว่าปกติจะอยู่ที่ +/- 5%
ฉันคาดหวังว่า (และอาจผิดมาก) ว่าการใช้ accelerometer และ magnetometer เพื่อตัดข้อผิดพลาดของไจโรดริฟท์ไปที่ศูนย์ระยะยาวจะช่วยให้คุณใช้สัญญาณไจโรสำหรับการนำทางในไม่กี่วินาทีต่อนาที จีพีเอสยังให้สัญญาณความเร็วและการรวมตำแหน่ง GPs + ความเร็วกับหน่วย 9DOF เสียงที่มีประโยชน์อย่างมาก

Wooly: เสียงด้านบนนั้นนุ่มกว่าที่ฉันต้องการ ฉันคาดหวังว่าจะรู้เรื่องนี้มากขึ้นในอีกไม่กี่สัปดาห์ข้างหน้า ฉันสนใจที่จะฟังสิ่งที่คุณค้นพบและหากฉันเรียนรู้สิ่งที่มีประโยชน์จะลองและรายงานกลับ

.

ขึ้นอยู่กับแอปพลิเคชันของคุณคุณอาจวาง GPS อ้างอิงและตัวรับสัญญาณชั่วคราวในตำแหน่งที่สะดวกซึ่งอาจมีขนาดเล็กมาก - GPS + แบตเตอรี่ + TX เมื่อฝากมันจะรู้ว่ามันอยู่ที่ไหนและสามารถส่งการแก้ไขตามที่ระบบบอกว่ามันอยู่ที่ไหน การใช้กลุ่มดาวดวงเดียวกันนั้นน่าจะเป็นความคิดที่ดี หากผู้ใช้และ GPS อ้างอิงอยู่ในจุดเดียวกันเมื่อมีการฝากที่ดีกว่ามาก แต่ระบบนี้มีแนวโน้มที่จะทำงานแม้ว่าพวกเขาจะถูกแยกออกจากกันเสมอ

... ฉันสงสัยว่า GPS ระดับอิเล็กทรอนิกส์สำหรับผู้บริโภคใดมีความละเอียดพอที่จะช่วยฉันได้

ไม่ทราบว่ากรณีของคุณคืออะไรทำให้พูดยาก แต่ตัวอย่างสัมพัทธ์กับตัวอย่างความละเอียด GPS นั้นเหนือกว่าความสำเร็จในช่วงเวลาไม่กี่นาทีหรือชั่วโมง ฉันได้ทำการทดสอบที่ฉันขับรถผ่านเส้นทางในเมืองและวางแผนพิกัด GPS แล้วทำแบบฝึกหัดซ้ำหลายชั่วโมงในภายหลัง ในบางกรณีทั้งสองเส้นทางแยกกันหลายเมตร แต่เมื่อพูดว่าขับรถเป็นเส้นตรงไปตามถนนในเมืองพล็อตนั้นเป็นเส้นตรงที่มี "เสียงรบกวน" ทั้งสองข้างของเส้นตรงที่อาจน้อยกว่าหนึ่งเมตร (นั่นคือเมื่อหลายปีก่อน - มันง่ายที่จะลองด้วยตัวคุณเองฉันเพิ่งบันทึกข้อมูลจาก GPS serial RS232 output (โดยปกติแล้ว 4800 baud) และในกรณีนั้นพล็อตมันใน Excel เป็นกราฟ XY

ระบบดิฟเฟอเรนเชียลดิฟเฟอเรนเชียลสามารถใช้งานได้โดยเครื่องรับสัญญาณคงที่ในพื้นที่ให้การแก้ไขข้อผิดพลาดตามที่มันรู้และที่ระบบบอกว่าตอนนี้มีผู้ให้บริการหลายระบบ แต่แนวคิดนั้นเรียบง่าย ในงบประมาณที่ จำกัด

บางสิ่งที่ไม่ครอบคลุมในคำตอบเหล่านี้ยังเป็นแอปพลิเคชันเฉพาะของคุณซึ่งจริงๆแล้วได้รับการฝึกฝนอย่างน้อยหนึ่งโหลครั้งก่อนโดยคนฉลาดมาก คำหลักสองคำที่นี่คือจลศาสตร์ของผกผันและตัวกรองคาลมาน

ถึงตอนนี้มันควรจะชัดเจนว่าแหล่งที่มาของข้อผิดพลาดสำหรับแอปพลิเคชันของคุณคืออะไรและจะแก้ไขอย่างไร แต่เมื่อต้องรับมือกับเซ็นเซอร์ที่จับจ้องอยู่กับมนุษย์เป็นหลักคุณสามารถลดช่วงตำแหน่งเชิงพื้นที่และเชิงมุมของเซ็นเซอร์ของคุณโดยใช้จลศาสตร์ผกผันกับสมการ นี่หมายถึงคุณติดตามตำแหน่งสัมพัทธ์ของข้อต่อหลาย ๆ ตัวในร่างกายให้มากที่สุดเท่าที่จะทำได้และใช้แบบจำลองจลนศาสตร์ของร่างกายมนุษย์ ยกตัวอย่างเช่นความยาวของแขนคนไม่แตกต่างกันไปตามกาลเวลาและช่วงของการเคลื่อนไหวของพวกเขาเปลี่ยนไปอย่างเห็นได้ชัด กระดูกไม่โค้งงอ (ภายใต้สถานการณ์ปกติ) ทั้งหมดนี้สามารถใช้เพื่อ จำกัด ตำแหน่งเซ็นเซอร์ของคุณ

วิธีแก้ปัญหาอื่น ๆ คือการใช้เซ็นเซอร์มุมฉากมากที่สุดเท่าที่จะทำได้ มุมฉากในแง่: ใช้หลักการวัดที่แตกต่างกันโดยพื้นฐาน คุณสามารถใช้ตัวกรองคาลมานเพื่อใช้งานเซ็นเซอร์ให้ได้มากที่สุดเท่าที่จะทำได้โดยให้ข้อมูลที่เซ็นเซอร์ของคุณอยู่ ถึงแม้ว่าตัวกรองคาลมานจะมีบางสิ่งที่มีมนต์ขลังในการตอบคำถามที่ดีที่สุด มันเป็นแบบจำลองทางคณิตศาสตร์ที่จำเป็นต้องปรับแต่งและดัดแปลงเป็นแอพพลิเคชั่นเฉพาะของคุณและมันอาจเป็นเรื่องที่ค่อนข้างยุ่งยากที่จะทำให้พวกมันทำงานได้ดี แต่มันจะช่วยให้คุณสามารถรวมข้อมูลเซ็นเซอร์เข้าด้วยกันได้ยากมาก อินพุตของตัวกรองประเภทนี้สามารถเป็นอะไรก็ได้: ตำแหน่งเซ็นเซอร์ความเร่งและเซ็นเซอร์ความเร็ว แต่เช่นเซ็นเซอร์แสงที่สามารถเพิ่มข้อมูลโดยการตอบสนองต่อแหล่งกำเนิดแสงที่มองเห็นได้ในบางมุม

'powergloves' ไม่กี่คนที่มีหลักการทำงานนี้ (ตัวกรอง kinematics + kalman) ได้รับการสาธิตโดย บริษัท และมหาวิทยาลัยเหมือนกัน ล่าสุดที่ฉันเห็นที่ TU Eindhoven ใช้ MPU6050s บนวัสดุที่มีความยืดหยุ่นที่ทอเป็นถุงมือและเซ็นเซอร์สนับสนุนบางอย่าง (ฉันคิดว่าในขณะนี้มันเป็นเพียงเว็บแคม) ทั้งหมดถูกป้อนเข้าสู่ตัวกรองคาลมาน Matlab ที่ขับเคลื่อนด้วย Matlab มันทำงานได้ภายใน 1 มม. การทำซ้ำ

ปัญหาพื้นฐาน

โดยปกติแล้วข้อมูลจำเพาะของชิ้นส่วนในระบบที่เป็นปัญหาและสิ่งที่ถือว่าเป็น "ข้อผิดพลาดที่ยอมรับได้" สำหรับทั้งระบบจะเปลี่ยนข้อ จำกัด ที่แน่นอนแต่มีลำดับความสำคัญเพียงลำดับเดียวในเวลาหรือระยะทางที่ฉันคาดว่า ฉันทราบดีว่าในระยะทางไกล (ไม่กี่หลาหรือมากกว่านั้น) ข้อผิดพลาดจะใหญ่เกินไปสำหรับการใช้งานส่วนใหญ่ แต่สิ่งที่เกี่ยวกับภายในไม่กี่ฟุต?

สิ่งนี้สามารถแก้ไขได้โดยการศึกษาพลวัตความผิดพลาดระยะสั้นของระบบนำทางเฉื่อย มันครอบคลุมในรายละเอียดในข้อความจำนวนมาก แต่นี่เป็นรุ่น "สมการฟรี" สั้น ๆ

การนำทางเฉื่อยทำงานดังต่อไปนี้:

1. ทราบตำแหน่งเริ่มต้นความเร็วและทัศนคติของคุณอย่างแม่นยำ (เช่นทอยพิทช์และหันเห)

2. $\Delta t$

3. ใช้ทัศนคติใหม่ของคุณที่คุณเพิ่งคำนวณเพื่อหมุนการอ่าน accelerometer ของคุณให้เป็นระดับโลก

4. ลบแรงโน้มถ่วงจากการอ่านมาตรความเร่งระดับใหม่ของคุณ

5. $\Delta t$

6. $\Delta t$

7. ทำซ้ำขั้นตอนที่ 2-6 ตราบเท่าที่ต้องการ

$b_g$$b_g \times \Delta t \times \Delta t \times \Delta t = b_g (\Delta t)^3$

ยิ่งไปกว่านั้นอคตินั้นจะรวมอยู่ในทัศนคติซึ่งจะทำให้เครื่องวัดความเร่งผิดระดับซึ่งจะทำให้การเร่งถูกจัดระดับในทิศทางที่ไม่ถูกต้องซึ่งจะถูกรวมเข้ากับทิศทางที่ผิด - ข้อผิดพลาดสามระดับ

ซึ่งหมายความว่าข้อผิดพลาดไจโรสาเหตุข้อผิดพลาดตำแหน่งที่จะเติบโตไปพร้อมกับก้อนของเวลา

โดยตรรกะเดียวกันaccelerometer ข้อผิดพลาดข้อผิดพลาดสาเหตุตำแหน่งที่จะเติบโตไปพร้อมกับตารางเวลา

ด้วยเหตุนี้คุณจึงได้รับการนำทางเฉื่อยที่มีประโยชน์ (บริสุทธิ์) เพียงไม่กี่วินาทีจากเซ็นเซอร์ MEMS เกรดโทรศัพท์มือถือ

แม้ว่าคุณจะมีเซ็นเซอร์เฉื่อยที่ดีมากเช่นเกรดอากาศยานคุณก็ยัง จำกัด อยู่เพียงเล็กน้อยภายใต้การนำทางแรงเฉื่อย (บริสุทธิ์) เล็กน้อยภายในสิบนาที เหตุผลคือขั้นตอนที่ 3 - การเปลี่ยนแปลงแรงโน้มถ่วงด้วยความสูง ทำให้ความสูงของคุณผิดและแรงโน้มถ่วงของคุณจะผิดซึ่งทำให้ความสูงของคุณผิดซึ่งทำให้แรงโน้มถ่วงของคุณผิดมากขึ้นเรื่อย ๆ - การเติบโตของความผิดพลาดแบบเอกซ์โปเนนเชียล ดังนั้นแม้แต่ระบบนำทางเฉื่อยที่ "บริสุทธิ์" เช่นที่พบในเครื่องบินไอพ่นของทหารก็มักจะมีเครื่องวัดความสูงด้วยความกดอากาศ แหล่ง

โซลูชั่น

นอกจากนี้ฉันทามติทั่วไปดูเหมือนจะเป็นวิธีเดียวที่จะปรับปรุงข้อ จำกัด เหล่านี้ได้ผ่านจุดที่เซ็นเซอร์ได้รับการปรับปรุงให้ดีขึ้นคือการให้การอ้างอิงโดยไม่เกิดข้อผิดพลาด

$t^2$

บางระบบแก้ปัญหานี้โดยใช้กล้องและเครื่องหมาย จุดอ้างอิงชนิดใดที่อุปกรณ์พกพา / สวมใส่ได้ให้?

มีทั้งงานวิจัยและผลิตภัณฑ์เชิงพาณิชย์ที่สามารถทำได้

แนวคิดมันใช้งานได้เหมือนสเตอริโอวิชั่น - คุณมีพื้นฐานที่รู้จักกันดีระหว่างกล้องและมุมที่แตกต่างกันสำหรับเครื่องหมายแต่ละอันตามที่ดูจากกล้องแต่ละตัว จากนี้ตำแหน่ง 3D ของแต่ละเครื่องหมายสามารถคำนวณได้ (สัมพันธ์กับกล้อง) มันสามารถทำงานได้ดีขึ้นด้วยกล้องมากขึ้น

ฉันเคยเห็นการใช้คลื่นวิทยุเพื่อวัดระยะทางอย่างแม่นยำ แต่ฉันไม่สามารถบอกได้ว่าระบบดังกล่าวอาจมีความแม่นยำในขนาดเล็ก (ในแง่ของการวัดระยะทาง) โดยใช้ส่วนประกอบ "off-the-shelf"

การใช้ฮาร์ดแวร์ราคาถูกdecawave UWBอาจเป็นประโยชน์บางอย่าง (ตั้งแต่ 10 ซม. ขึ้นไป) คุณจะต้องคิดหาอัลกอริทึมของคุณเอง

ฉันรู้ว่าสามารถใช้ GPS ได้ในระยะยาว แต่ฉันสงสัยว่าอุปกรณ์ GPS สำหรับผู้บริโภคระดับใดก็ตามมีความละเอียดพอที่จะช่วยในกรณีของฉันได้

ถัดจากร่างกายระบบ GPS จะต่อสู้ การรับ GPS ระดับซม. นั้นขึ้นอยู่กับการติดตามระยะต่อเนื่องของสัญญาณ GPS (มาก, อ่อนแอมาก) ซึ่งยากมากหากเสาอากาศอยู่ติดกับร่างกายและร่างกายกำลังเคลื่อนที่ไปรอบ ๆ ! สำหรับระบบ L1 เท่านั้น - ไม่ว่าพวกเขาจะราคาถูกหรือแพง - การติดตามจะต้องใช้เวลานานมาก (10 นาที +) และทำไม่ได้สำหรับปัญหานี้ เครื่องรับแบบ dual-ความถี่อาจทำงานบางครั้งแต่เหล่านี้จริงๆไม่ได้ราคาถูก (หลายพันดอลลาร์)