11 月 9 日，第 20 届国际计算机学会（for，简称 ACM）的嵌入式网络感知系统大会（on，简称）在美国波士顿完成召开。清华大学软件学院的何源副教授课题组与美团无人机团队展开合作，其论文“麦巢：辅助无人机精准降落的远距离即时声源定位技术”（Long- for ）获得了大会最佳论文奖第二名（Best -Up）。

ACM 嵌入式网络感知系统大会是由 ACM 主办的物联网领域的旗舰学术会议。从 2003 年起，该大会已连续举办了 20 届。本届大会收到了 209 篇论文投稿，其中 52 篇被接收发表。最终评选出了 1 篇“最佳论文奖”（Best ）和 1 篇“最佳论文奖第二名”（Best Up）。

该论文的研究动机源自美团公司正在构建的城市低空物流网络的实际应用场景。高精度的定位追踪技术是保障配送服务无人机能够安全、可靠且精准起降的关键技术之一。研究提出了一种方案，该方案基于地面麦克风阵列来进行远距离即时的声源定位。此方案有效解决了诸多难题，比如在复杂城市环境中信号衰减较快的问题，以及信噪比低、多普勒非线性失真等问题。并且，该方案对于无人机的可定位高度能够达到 120m，定位的相对误差为 0.5%。

背景

为让无人机满足配送运营需求，无人机飞控系统主要借助 RTK、视觉等信息来对无人机进行定位。然而在城市环境里，特别是在接近地面的城市峡谷场景中，无人机附近的楼宇反射情况可能会很严重，甚至会遮挡 GPS 卫星的信号，进而引发严重的多径效应以及非视距的信号传播。

无人机配送的长期业务目标在于实现全天时全天候的配送。为了增强无人机定位的稳定性与可靠性，论文提出了一种以声波为基础的定位方法。

2 整体框架

该论文提出一种新型声学定位系统来辅助无人机精确着陆。无人机会装配一个普通扬声器，这样就能发送辅助定位的声学脉冲信号。地面机场会部署多个麦克风当作定位锚点。地面机场会从各个麦克风采集到的信号里检测声学脉冲，接着计算出脉冲信号的相对时延，以此来定位无人机。

本论文需要解决如下三个技术难题:

总之，本提案的核心技术问题在于：在低信噪比的情况下，怎样去检测失真的声学脉冲信号。

上图 2 展示了本提案的定位流程的示意图以及对应的系统实现情况。其中，无人机携带一个扬声器，这个扬声器会持续播放声学脉冲信号。并且，四个麦克风被部署在降落平台的四个角上，用于捕获声学脉冲信号。本系统的工作原理是通过定位音箱的位置来实现对无人机的定位。

3 具体方案3.1 PRN调制与发送

在真实的场景中，无人机发送的声学信号需要满足如下要求：

声学对人耳友好，意味着无人机发出的声音不会让居民产生听觉上的不适。同时，系统需要支持并发检测和识别，因为在同一片空域中，可能会有多个无人机在起降，也就是多个无人机可能同时传输声学脉冲。这就要求本系统具备这样的能力：能够从相互冲突的声学信号中分别检测出每个无人机的脉冲，并且能够识别出每个检测出的脉冲属于哪一个无人机。安全：能够防止恶意攻击者伪造无人机的脉冲来误导系统。

为满足上述需求，本系统通过伪随机噪声（- ，PRN）进行调制，以此来生成无人机的声学脉冲。我们利用每个无人机的识别码（ID）来设定伪随机种子，并且生成一连串的 N 个高斯随机变量，这些变量将作为该无人机发送的脉冲信号。在具体的实现过程中，码率与扬声器的采样率相等，均为 。

3.2 脉冲检测

将声波信号进行调试并发送后，我们需要在地面端进行脉冲检测。

我们选择匹配滤波器来进行脉冲检测。它的思想是把发射脉冲当作模板，接着把这个模板与接收信号进行相关操作。把接收信号逐流地输入到匹配滤波器里，那么匹配滤波器就会逐流地输出相关的结果。倘若在输出结果中能够找到一个较为明显的相关峰，我们就可以判定该脉冲被检测到了。为了解决低信噪比问题，需要增加脉冲长度。然而，由于多普勒失真的存在，增加脉冲长度反而会带来不好的结果，即只会适得其反。

补偿多普勒失真是解决此问题的直接有效方法。多普勒效应会缩放脉冲码字的持续时间。若无人机相对于麦克风的径向速度是已知的，那么我们就能计算出码字实际的持续时间。接着用该参数重新采样原始的 PRN 脉冲模板，从而生成一个与收到的脉冲码字同步的信号模板。可以预期，该新模板能检测 PRN 脉冲。此模板补偿了多普勒效应的干扰，从而能够按需增加 PRN 脉冲长度，以克服低信噪比问题。

然而实际上，麦克风的径向速度是未知的。所以，我们运用线性搜索的办法来对麦克风的径向速度进行遍历。对于无人机可能具有的速度的集合，我们逐个进行重采样以及相关计算。当集合里所有的速度都完成了上述操作之后，我们就获得了相应的 N 个相关函数。在这些相关函数中，我们只需保留具有最大相关值的那一个相关函数。这是因为最大的相关值表明脉冲的多普勒失真已得到最大程度的补偿。同时，其对应的搜索速度最接近真实的无人机的径向速度。

3.3 TDoA估计和定位

本系统部署了四个麦克风。这些麦克风按照顺时针方向分别被标记为 Mic0、Mic1、Mic2 和 Mic3。

对于每一路麦克风 Mici 的音源，我们依次进行上述的多普勒速度补偿操作以及脉冲检测操作，并且得到了相关函数。在这个相关函数当中，我们找到了其中的相关峰。然后，我们把相关峰的位置当作脉冲信号到达 Mici 的到达时间（Time of, ToA）。为了方便，将脉冲信号到达 4 个麦克风 Mic0 的到达时间记为 ToA0；将脉冲信号到达 Mic1 的到达时间记为 ToA1；将脉冲信号到达 Mic2 的到达时间记为 ToA2；将脉冲信号到达 Mic3 的到达时间记为 ToA3。

接着，我们来计算脉冲到达的相对时延（Time of, TDoA）。在本系统当中，我们仅仅计算对角麦克风对的 TDoA，也就是麦克风对与麦克风对。之所以这样做，是因为从几何角度来看，对角麦克风具有最大的麦克风间隔（即孔径），因此也就具有最细的空间粒度。

两个 TDoA 会经由 WiFi 传输给无人机。凭借这些信息，无人机能够构建出两个双曲面方程组。依据双曲面方程组以及无人机的高度信息，便可以算出飞机剩余两个自由度的相关信息。

4 创新点

相比于视觉定位方案，本方案有如下优点：

声学信号的传播不受光照条件影响，所以本系统的工作不会受光照条件影响。声学信号是向全空间辐射的，这使得本系统的水平定位范围更大。并且在理论上，本系统也能够支持多个无人机定位。

该技术方案现已接入美团无人机的飞行控制系统，并且经过了多种复杂环境的测试验证，未来打算在美团无人配送业务中进行落地应用。

无人机产业蓬勃发展，为当前蓄势爆发的即时零售新业态提供了更高效的配送方案。前沿技术在现实场景中落地应用，可进一步推动技术发展。据深圳市交通运输局数据显示，美团无人机已开通 11 条城市场景常态化试运行航线，完成了超过 7 万单真实订单，配送飞行总时长超过 1 万小时，累计测试超过 40 万架次。

美团无人机业务负责人毛一年称：城市低空末端物流综合来看具有一些特点。这些特点包括高效、稳定以及高品质等。它能够更好地满足当前市场对于即时物流行业发展所产生的新需求。而这也成为了推动相关产业在最近两年得以快速落地的主要原因。

相关资料及说明