基于低成本麦克风的声学增强型微型飞行器群局部方位估计方法及其仿生启发

为解决微型飞行器(MAV)群在受限机载处理能力和载荷下，难以在低能见度环境中实现精确相对定位的问题，研究人员开展了一项结合超宽带(UWB)测距与声学信号处理的研究。他们提出了一种仿生蝙蝠回声定位的声学增强方位估计框架，利用频率滑动广义互相关(FS-GCC)方法处理异步高频采样信号，补偿通道切换延迟，实现了高精度的到达时间差(TDOA)估计。实验表明，该方法在静态和动态场景下均能获得可靠的方位估计结果，为GPS拒止环境下的MAV群协同导航提供了低成本解决方案。

　　

在隧道检测、考古勘探和野生动物监测等复杂环境中，微型飞行器(MAV)群正展现出巨大的应用潜力。这些应用往往需要MAV之间能够实时感知邻居的相对位置，以完成导航、避障和协同任务。然而，MAV群面临着严峻的挑战：有限的机载处理能力和载荷容量限制了复杂定位系统的使用，而低能见度环境（如黑暗、多尘或杂乱场景）又使得传统的视觉惯性里程计(VIO)、光流和相机方法性能大幅下降。

虽然超宽带(UWB)测距技术因其轻量化、低功耗和在视觉退化条件下的鲁棒性而被广泛采用，但它存在一个根本性局限——无法提供方位（bearing）信息，因此不能完全解决群体感知问题。这就像只知道距离而不知道方向，难以实现精确的相对定位。

受到自然界中蝙蝠在黑暗中通过回声定位导航的启发，研究人员开始探索利用声学信号来增强MAV群的方位感知能力。蝙蝠通过处理声音到达两耳的时间差和强度差异，能够精确估计附近物体的方向和距离。这种生物策略为MAV群在低能见度环境中的感知问题提供了全新的解决思路。

在这项发表于《Biomimetic Intelligence and Robotics》的研究中，马来西亚理科大学航空航天工程学院的研究团队提出了一种创新的声学增强方位估计方法。他们设计了一种仿生系统，使用轻型麦克风阵列结合UWB测距模块，模拟蝙蝠的空间听觉和耳间时间差处理机制。目标MAV在飞行中自然发出声音，接收MAV通过麦克风阵列捕获这些声学信号，并通过改进的信号处理算法提取方位信息。

研究人员采用了几个关键技术方法：首先开发了高频声学信号异步采集系统，能够处理多通道切换延迟；其次采用频率滑动广义互相关(FS-GCC)方法进行TDOA估计，通过子带分析和加权奇异值分解(SVD)增强抗噪声能力；最后建立了融合TDOA、UWB距离和麦克风几何信息的方位估计模型。实验在50m×40m×15m的室内大厅进行，包括静态方位估计（目标MAV悬停在预定义角度位置）和动态方位估计（目标MAV以不同速度飞越这些角度）两种场景。

研究结果显示，在静态方位估计实验中，系统在0°、±30°、±45°、±60°等多个角度位置均能实现准确的方位估计。通过FS-GCC方法获得的TDOA估计结果相比传统的GCC-PHAT方法和基于LSTM神经网络的方法具有更低的均方根误差(RMSE)，在麦克风对A1-A2和A1-A3上分别达到5.0180和5.4972个样本的误差。经过中值滤波和巴特沃斯低通滤波处理后，数据分布更加集中，减少了异常值的影响。

在动态方位估计实验中，系统成功跟踪了以不同速度（0.14m/s、0.24m/s、0.28m/s）直线飞行的目标MAV的方位变化。尽管相对距离随时间变化导致方位呈现非线性过渡，但估计结果仍能紧密跟随基于已知位置计算的名义方位（地面真实值），证明了系统在动态场景下的有效性和鲁棒性。

值得注意的是，研究也发现了一些局限性。在±90°的极端角度配置下，由于麦克风圆柱形声学端口引起的横向波反射，接收信号出现严重失真，导致可靠的TDOA估计变得不可行。此外，MAV固有的低声学特征在远距离检测时面临挑战，环境噪声也会影响信号质量。

这项研究的结论部分强调，提出的声学增强方位估计框架为MAV群在GPS拒止或视觉退化环境中的协同导航提供了一种低成本、轻量化的解决方案。通过仿生设计和多传感器融合，系统能够实现准确的相对方位估计，支持改进的相对导航和分散式感知。研究人员在讨论中指出，未来的工作将集中于通过声学信号增强或主动声音发射器来改进信号捕获，以及在极端角度和噪声条件下提高TDOA处理的鲁棒性。

这项工作的重要意义在于它将生物启发原理与工程实践相结合，为解决MAV群感知中的关键挑战提供了创新思路。不仅推动了仿生机器人技术的发展，也为在复杂环境中部署自主MAV群提供了技术基础，具有重要的理论价值和实际应用前景。