清華大學課題組聯合美團研發無人機聲波定位技術獲頂會大獎

11月6日至9日，第20屆國際計算機學會ACM嵌入式網絡感覺系統大會SenSys在美國波士頓召開。清華大學軟體學院何源副教授課題組和美團無人機團隊合作論文“麥巢：輔助無人機精準降落的遠距離即時聲源定位技術”獲得了大會最佳論文獎第二名（Best Paper Runner-Up）。

11月6日至9日，第20屆國際計算機學會（Association for Computing Machinery，簡稱ACM）嵌入式網絡感覺系統大會（Conference on Embedded Networked Sensor Systems ，簡稱SenSys）在美國波士頓召開。清華大學軟體學院何源副教授課題組和美團無人機團隊合作論文“麥巢：輔助無人機精準降落的遠距離即時聲源定位技術”（MicNest：Long-Range Instant Acoustic Localization of Drones in Precise Landing）獲得了大會最佳論文獎第二名（Best Paper Runner-Up）。

ACM嵌入式網絡感覺系統大會是ACM主辦的物聯網領域旗艦學術會議，自2003年開始已連續舉辦20屆。本屆大會共收到209篇論文投稿，其中52篇被接收發表，最終評選出1篇“最佳論文獎”（Best Paper）和1篇“最佳論文獎第二名”（Best Paper Runner Up）。

該論文研究動機來自美團公司正在打造的城市低空物流網絡真實應用場景。高精度的定位追蹤技術是保障配送服務無人機安全可靠精準起降的關鍵技術之一。研究提出了一種基于地面麥克風陣列進行遠距離即時聲源定位的方案，有效解決了複雜城市環境中信号衰減快、信噪比低、多普勒非線性失真等難題，對無人機的可定位高度達120m，定位相對誤差0.5%。

背景

為了使無人機能夠滿足配送營運的要求，無人機飛控系統主要依賴RTK、視覺等資訊實作對無人機的定位。但是在城市環境，尤其在接近地面的城市峽谷場景中，無人機附近的樓宇反射甚至會遮擋GPS衛星的信号，進而導緻嚴重的多徑效應或者是非視距的信号傳播。

無人機配送的長期業務目标是實作全天時全天候配送，為了提升無人機定位的健壯性，論文提出了基于聲波的定位方法。

2 整體架構

該論文提出一種新型的聲學定位系統，以幫助無人機精确着陸。如下圖1所示，無人機将裝配一個普通的揚聲器，進而使無人機能夠發送輔助定位的聲學脈沖信号。地面的機場将部署多個麥克風作為定位錨點。地面機場将從各個麥克風采集到的信号中檢測聲學脈沖，進而計算出脈沖信号的相對時延，定位無人機。

圖1 基于聲學信号的無人機定位示意圖

本論文需要解決如下三個技術難題:

• 第一個挑戰是聲學脈沖信号的信噪比非常低。有如下四個原因：（1）因為無人機穿梭于城市之間，是以揚聲器的傳輸功率必須要被限制，以避免幹擾城市居民。（2）本系統需要定位高空的無人機（>100m），聲學脈沖信号将會承受很大的信号衰弱。（3）此外，許多城市的背景噪聲本身就很強，約為 40-75 dB SPL。（4）在空中飛行時，無人機螺旋槳還會産生很大的聲學幹擾，可能高達104 dB SPL。
• 第二個挑戰是無人機運動引起的多普勒信号失真。對于無線信号而言，多普勒效應的嚴重程度，正比于物體的運動速度，反比于無線信号的傳播速度。相比于射頻信号的傳播速度（即光速），聲學信号在空氣中的傳播速度是非常慢的。是以，聲學信号将承受嚴重的多普勒失真。
• 第三個挑戰是信号處理必須要高效。本定位系統用于引導運動的無人機降落，定位資料延遲不能過高，否則高延遲的定位結果将給飛控引入嚴重的系統不穩定性，威脅整個降落環節的安全。

總之，本提案要解決的核心技術問題是：如何在低信噪比的條件下，檢測失真聲學脈沖信号。

圖2 定位流程示意圖

上圖2展示了本提案的定位流程的示意圖與對應的系統實作：無人機攜帶一個揚聲器持續的播放聲學脈沖信号。四個麥克風被部署在降落平台的四個角上以捕獲聲學脈沖信号。本系統通過定位音箱的位置來定位無人機。

3 具體方案

3.1 PRN調制與發送

在真實的場景中，無人機發送的聲學信号需要滿足如下要求：

1. 聲學對人耳友好：無人機發出的聲音不能引起居民的聽覺不适。
2. 支援并發檢測和識别：同一片空域總，可能會有多個無人機在起降，即多個無人機可能同時傳輸聲學脈沖。這就要求本系統能夠從沖突的聲學信号中分别檢測每個無人機的脈沖，并識别每個檢測出的脈沖屬于哪一個無人機。
3. 安全：能夠防止惡意攻擊者僞造無人機的脈沖來誤導系統。

為滿足以上需求，本系統采用僞随機噪聲（Pseudo-Random Noise， PRN）調制來生成無人機的聲學脈沖。我們用每個無人機的識别碼（ID）來設定僞随機種子，并生成一連串的N個高斯随機變量，作為該無人機發送的脈沖信号。具體實作中，碼率等于揚聲器的采樣率，即48 kHz。

3.2 脈沖檢測

将聲波信号進行調試并發送後，我們需要在地面端進行脈沖檢測。

我們選擇的是比對濾波器進行脈沖檢測。其思想是以發射脈沖為模闆，并将其與接收信号做相關。通過将接收信号流式地輸入到比對濾波器中，比對濾波器就會流式地輸出相關結果。如果從輸出結果中找到一個明顯的相關峰，我們就判定該脈沖被檢測到了。但為了解決低信噪比問題，需要增加脈沖長度，但是多普勒失真的存在，使得增加脈沖長度隻會适得其反。

解決此問題的直接有效方法就是補償多普勒失真：多普勒效應縮放了脈沖碼字的持續時間。 如果無人機相對于麥克風的徑向速度已知，我們就可以計算出碼字實際的持續時間，再用該參數重新采樣原始的PRN脈沖模闆，以生成一個與收到的脈沖碼字同步的信号模闆。可以預期的是，用該新模闆來檢測PRN脈沖的模闆補償了多普勒效應的幹擾，進而可以按需地增加PRN脈沖長度，克服低信噪比問題。

然而實際上，麥克風的徑向速度是未知的。是以，我們采用線性搜尋的方式來周遊麥克風的徑向速度。對于無人機可能速度的集合我們依次進行重采樣和相關計算。當集合中所有的速度都完成以上的操作，我們就得到了對應的N個相關函數。從中，我們隻需要保留有着最大相關值的一個相關函數。這是因為最大的相關值就意味着脈沖的多普勒失真已經被最大程度地補償了，其對應的搜尋速度也最接近真實的無人機的徑向速度。

3.3 TDoA估計和定位

本系統共部署了四個麥克風，順時針地分别記這些麥克風為為Mic0、Mic1、Mic2和Mic3。

圖3 ToA與TDoA估計

對于每一路麥克風Mici的音源，我們依次進行上述的多普勒速度補償與脈沖檢測，并得到相關函數。從該相關函數中，找到其中相關峰，并把相關峰的位置當作脈沖信号到達Mici的到達時間（Time of Arrial, ToA）。友善起見，分别記脈沖信号到達4個麥克風Mic0、Mic1、Mic2和Mic3的到達時間為ToA0、ToA1、ToA2和ToA3。

接着，我們計算脈沖到達相對時延（Time Difference of Arrial, TDoA）。在本系統中，我們隻計算對角麥克風對的TDoA，即麥克風對<Mic0,Mic2>與<Mic1,Mic3>。這是因為幾何上，對角麥克風有着最大的麥克間隔（即孔徑），是以有着最細的空間粒度。

兩個TDoA将通過WiFi傳輸給無人機。基于這些資訊，無人機可以建立兩個雙曲面方程組。根據雙曲面方程組和無人機的高度資訊，可以求得飛機剩下兩個自由度的資訊。

4 創新點

相比于視覺定位方案，本方案有如下優點：

1. 因為聲學信号的傳播不受光照條件的影響，故本系統的工作不受光照條件的影響；
2. 聲學信号是向全空間輻射的，故本系統的水準定位範圍更大；
3. 理論上也支援多個無人機定位。

目前，該技術方案已經接入美團無人機的飛行控制系統，并通過了多種複雜環境的測試驗證，未來計劃在美團無人配送業務中落地應用。

蓬勃發展的無人機産業，為目前正蓄勢爆發的即時零售新業态提供了更高效的配送解決方案。而前沿技術在現實場景中的落地應用，能夠進一步促進技術的發展。據深圳市交通運輸局資料，美團無人機已開通11條城市場景常态化試運作航線，完成超7萬單真實訂單，配送飛行總時長超1萬小時，累計測試超40萬架次。

美團無人機業務負責人毛一年表示：“綜合來看，城市低空末端物流具有高效、穩定、高品質等特點，可以更好滿足目前市場對即時物流行業發展的新需求，這也成為推動相關産業在近兩年快速落地的主要原因。”

相關資料及說明

• MicNest：https://micnest.github.io/
• 論文由清華大學、美團公司及米蘭理工大學的研究者共同完成，研究工作得到了清華大學-美團數字生活聯合研究院和國家自然科學基金的支援。

| 本文系美團技術團隊出品，著作權歸屬美團。歡迎出于分享和交流等非商業目的轉載或使用本文内容，敬請注明“内容轉載自美團技術團隊”。本文未經許可，不得進行商業性轉載或者使用。任何商用行為，請發送郵件至[email protected]申請授權。