《Drones》：Active Acoustic Sensing of Ground Surface Condition Using a Drone-Mounted Speaker–Microphone Array
Kotaro Hoshiba,
Kai Shirota,
Yuta Tsukamoto and
Hiroshi Yamaura
编辑推荐：
快速评估地表状况在灾害响应与搜救（SAR）行动中至关重要，无人机（unmanned aerial vehicles, UAVs）已越来越多地被部署用于空中巡检与受困人员定位。本研究提出了一种利用无人机载扬声器与麦克风阵列实现地表状况估计的主动声感知方法。该方法
快速评估地表状况在灾害响应与搜救（SAR）行动中至关重要，无人机（unmanned aerial vehicles, UAVs）已越来越多地被部署用于空中巡检与受困人员定位。本研究提出了一种利用无人机载扬声器与麦克风阵列实现地表状况估计的主动声感知方法。该方法基于多信号分类（multiple signal classification, MUSIC）框架，依据回声定位原理实现反射点的三维定位。本方法的核心特征在于其与基于声学的受困人员搜寻共享硬件与信号处理组件，从而允许在单一无人机平台上同时执行地表感知与声源定位（sound source localization, SSL），而无需增加系统复杂度。研究人员开展了室外实验以评估对地表异常的感知性能，具体针对地表凹陷与裂缝两类异常。实验结果澄清了真实环境中可实现的感知性能与覆盖范围，并揭示了影响检测性能的关键因素。研究同时考察了主动声感知与SSL同时执行的可行性，并澄清了感知与定位性能之间的相互影响。这些发现突出了在单一无人机平台上整合环境感知与受困人员定位的潜力及其实践局限性。
研究背景与问题阐述
自然灾害如地震、滑坡、洪水及大规模城市倒塌在全球范围内频繁发生，常造成严重人员伤亡与基础设施破坏。搜救（search and rescue, SAR）行动在挽救生命中发挥关键作用，受困人员的生存概率强烈依赖于救援活动的速度与效能。传统SAR行动高度依赖人工救援者与训练有素的搜救犬，这些方法存在搜索效率有限、覆盖不完全、对救援者体能要求高及安全风险大等固有限制。无人机（unmanned aerial vehicles, UAVs）因其无需地面通道即可快速部署、能在瓦砾、洪区或倒塌基础设施上方作业而进行广域监视，已成为现代SAR行动的重要工具。
现有无人机SAR系统主要依赖视觉感知（vision-based sensing），但在低能见度环境（如黑暗、烟雾、灰尘或恶劣天气）下存在固有困难，且无法探测被瓦砾或碎片掩埋的受害者。为弥补视觉方法的不足，基于声学的受困人员搜寻获得广泛研究。然而，现有声学SAR研究主要聚焦于受害者定位，缺乏对周围地表状况等环境信息的获取。在实际SAR场景中，救援团队必须了解地表状况、碎片分布和潜在危险，以确定安全救援路线和适当救援策略。
在环境感知方面，视觉感知与光探测和测距（Light Detection And Ranging, LiDAR）技术已被广泛应用，但这些方法在SAR背景下存在明显局限：视觉感知易受能见度影响且垂直方向精度有限；LiDAR虽能提供更精确的几何测量，但性能可能因反射表面或杂乱环境中的遮挡而下降，且多传感器配置会增加载荷重量、功耗和系统复杂度。现有基于声学的环境感知研究也存在局限：超声系统主要用于高度测量，频段与声学受困人员搜寻不同；利用无人机自噪声（ego-noise）的系统因降噪技术发展而面临性能下降风险。因此，亟需一种能与声学受困人员搜寻共享硬件、不依赖无人机自噪声的新型感知模态。
本研究旨在提出一种可与声学受困人员搜寻同时执行的主动声感知方法，用于地表状况估计，以期在单一无人机平台上实现环境感知与受害者定位的整合。
主要关键技术与方法
研究人员采用的核心技术方法包括：（1）多信号分类（multiple signal classification, MUSIC）基声源定位（SSL）算法，通过短时傅里叶变换（short-time Fourier transform, STFT）将多通道声信号转换至频域，构建相关矩阵并进行特征值分解，利用子空间正交性计算空间谱，通过峰值搜索实现波达方向（direction of arrival, DOA）估计；（2）基于MUSIC框架的主动声感知方法，采用正交解调（quadrature demodulation）技术获取时间采样级别的复值信号，实现样本级分辨率的到达时间分析以提高距离估计精度，通过计算MUSIC空间谱并进行坐标转换实现反射点三维定位；（3）脉冲压缩（pulse compression）技术提升反射信号信噪比；（4）全宽半高（full width at half maximum, FWHM）作为有效角分辨率和距离分辨率的定量评价指标；（5）室外真实环境实验与数值仿真相结合的评估策略，包括固定传感器记录、叠加单独记录的无人机自噪声、以及无人机挂载传感器三种条件对比。
实验使用DJI Matrice 600 Pro无人机平台，搭载Sensor 1（中心放置扬声器、16麦克风环形阵列，直径155 mm）和Sensor 2（16麦克风球形阵列，直径110 mm）。样本来自日本某平坦路面上的真实地表凹陷（长5.2 m、宽1.7 m、深约0.5 m）和裂缝（长5.0 m、宽和深约0.05 m），并以LiDAR测量结果作为参考。
研究结果
3.1 主动声感知性能评估
3.1.1 实验设置：为独立于SSL评估主动声感知本征性能，研究人员在实际室外环境中开展感知实验。Sensor 1安装于无人机下部，采样频率48 kHz、量化分辨率24 bit，采用脉冲压缩处理记录信号后使用所提方法分析。选取地表凹陷和裂缝作为代表性地表异常，无人机悬停高度5 m。评估包括不同发射信号的性能比较，以及感知位置对性能和覆盖范围的影响。
3.1.2 发射信号比较：通过改变啁啾信号（chirp signal）的频率范围和持续时间（Signal 1: 1–5 kHz/1.0 s；Signal 2: 1–5 kHz/0.5 s；Signal 3: 4–8 kHz/0.5 s），研究人员发现所有信号均能检测凹陷边缘，但裂缝检测性能差异显著。Signal 2在裂缝检测中功率超过20 dB，表现最优。窄带宽虽减少自噪声影响但降低脉冲压缩增益和角分辨率；长持续时间提高脉冲压缩增益但增加对无人机运动波动的敏感性。Signal 2在脉冲压缩增益与抗运动稳健性间取得最佳平衡，后续实验均采用此参数。角分辨率在平坦路面约0.06 m（FWHM），距离分辨率约为0.06 m。
3.1.3 感知位置影响：研究人员评估了不同悬停位置的影响。凹陷检测结果表明，当无人机位于凹陷边缘附近（?1≤x≤0 m）时成功率较高，远离时（x≤?2 m）显著下降；裂纹有效感知范围约为1 m内，超过2 m成功率显著降低。无人机自噪声和姿态波动会进一步降低性能，平坦路面的镜面反射特性使斜入射时反射波难以返回传感器。增加无人机高度可扩大覆盖范围，但会因几何扩散损失和大气衰减降低信噪比。
3.2 主动声感知与声源定位同时执行
3.2.1 实验设置：为验证同时执行可行性，研究人员采用Sensor 1和Sensor 2进行室外实验与数值仿真。SSL目标声音（人声和哨声）通过数值仿真生成并叠加至真实记录信号中。
3.2.2 麦克风阵列配置对声源定位的影响：对比分析表明，安装于无人机下部的Sensor 1因机体对自噪声的物理遮挡作用，几乎所有方向的定位成功率均超过90%，显著优于安装于延伸管末端的Sensor 2（后者在近无人机后方方向成功率接近0%，其余方向约50%）。证明主动声感知传感器配置同样适用于SSL。
3.2.3 主动声感知对声源定位的影响：在感知信号发射期间，SSL成功率低于20%；而在发射间隔期间，信噪比为?20 dB时成功率约50%，高于?15 dB时超过80%。这表明SSL可在感知信号发射间隔期间有效执行，是实用的操作策略。
3.2.4 声源定位对主动声感知的影响：当定位目标声音信噪比为?20 dB时，感知检测成功率超过90%；但随信噪比升高至0 dB，成功率降至约20%。高声压级定位目标声音会显著降低主动声感知性能。
讨论与结论总结
本研究提出的基于MUSIC框架的主动声感知方法，通过无人机载扬声器和麦克风阵列实现了地表状况的三维估计，并与SSL共享硬件与信号处理组件。主要结论如下：首先，该方法能成功检测地表凹陷和裂缝等典型异常，感知性能强烈依赖于发射啁啾信号参数，1–5 kHz频率范围与0.5 s持续时间可在信噪比改善与脉冲分辨率间取得适宜平衡。其次，5 m高度时有效水平感知范围约为1 m，揭示了当前框架的覆盖局限；几何扩散损失、角与频率相关反射特性、自噪声及波动共同影响不同表面条件下的检测性能。最后，SSL可在感知信号发射间隔期间有效执行，但强定位目标声音会降低感知性能——这些发现澄清了感知与定位性能间的相互影响，揭示了单一无人机平台上同时操作的基本权衡关系。
该研究为整合环境表面感知与受困人员定位的统一无人机声学系统提供了实践基础。未来工作包括：优化感知信号设计与无人机定位策略以平衡感知和定位性能；扩展至其他类型表面异常；开发动态扫描方法以实现更广区域覆盖。
