面向智能耕整地中多无人机辅助农业车辆定位的鲁棒压缩感知波达方向方法

《Sensors》：A Robust CS-DOA Method for Multi-UAV-Assisted Agricultural Vehicle Localization in Smart Tillage

　　

精准农业与智能耕整地的发展依赖于对无人地面车辆（UGV）位置的高精度实时感知。在大规模农田作业中，基于全球导航卫星系统（GNSS）的传统定位可能遭遇短期信号丢失而导致精度下降。基于波达方向（DOA）估计的多无人机（UAV）辅助车辆定位可为UGV提供关键的定位补偿，其中常采用基于压缩感知（CS）的DOA辅助定位算法。然而，现有方案既未考虑UAV局部位置振荡引入的偏差，也未解决基于CS的DOA估计在精度与实时性上的局限，制约了其农业部署。为此，研究人员首先建立了一种显式纳入多UAV局部位置偏移的辅助定位架构及相应的阵列信号接收模型。为克服传统CS-DOA方法的精度—效率权衡，研究人员进而构造了自适应局部过完备字典（LOD）以在感兴趣区域附近鲁棒细化角度分辨率。在源数K已知且固定的前提下，进一步引入基于粒子群优化（PSO）的局部细化算法，在所得局部字典内自适应优化DOA估计，从而提升低信噪比与相关源条件下的估计鲁棒性。结果表明，所提方法在仿真场景中在维持良好定位精度与计算效率的同时提升了鲁棒性；仿真显示其相比前沿算法显著降低了定位误差，具备作为可持续耕整地中UGV导航定位辅助方法的潜力。

研究背景方面，在气候变化、人口增长与耕地稀缺压力下，气候智慧型农业（CSA）依赖精准农业技术，其中无人地面车辆（UGV）自动导航是关键支撑，而高精度低时延定位是核心。传统全球导航卫星系统（GNSS）在大规模农田因基站（BS）与接入点（AP）稀疏、4G/5G覆盖差导致实时动态（RTK）校正信息不稳定，易出现短期定位数据丢失与米级精度退化。多传感器融合方案成本高，而多无人机（UAV）作为“移动点基站”辅助定位虽灵活，但现有框架假设UAV静止，忽视强风等引起的局部位置振荡（偏差）会通过延迟域与角度域双路径劣化定位；同时DOA估计中传统Nyquist类算法（如MUSIC、ESPRIT）在相干源与低信噪比下受限，基于压缩感知（CS）的on-grid方法使用均匀过完备字典（UOD）全局遍历致实时性差，正交匹配追踪（OMP）类串行重构存在源相关级联误差。因此研究人员开展面向农田场景、显式建模UAV振荡并兼顾精度—效率的CS-DOA辅助定位研究，论文发表于《Sensors》。

关键技术方法上，研究人员构建多UAV辅助DOA定位架构，将UAV瞬时位置拆解为名义悬停分量与高斯随机位移分量，建立位移感知阵列接收模型；采用两阶段“粗估—局部细化”策略，以FBSS-ESPRIT闭式解为先验中心，以RMSE为基本网格单元、按信噪比（SNR）分段常数准则确定倍数N构造自适应局部过完备字典（LOD）；将多源联合DOA估计重构为粒子群优化（PSO）问题，每粒子承载完整K源角度向量，在LOD内连续搜索最小化重构残差，突破OMP串行耦合。仿真参数：均匀线阵（ULA）M=8，半波长间距，快照Q=32，蒙特卡洛100次，PSO种群20迭代50，UAV抖动速度0.05 m/s、积分0.1 s得位移标准差约0.0158 m。

研究结果部分，第2节系统架构中，研究人员由方位LOS线性化得最小二乘定位解与几何精度因子（GDOP），推导角度测量误差项（正比距离平方与角度方差、受GDOP调制）与平台抖动项（正比总时延平方与速度方差）解耦的误差传播模型（式14），并指出三UAV非共线、信息矩阵条件数受限、视线夹角避近0或π的几何可行性约束。第3节基于UAV状态变化的信号接收模型中，研究人员将UAV位置分解为p_k⁰(t_k)+Δp_k(t_k)，Δp为零均值高斯，显式给出位移经由传播时延τ_k（延迟域）与相对方位θ_k一阶扰动（角度域）双路径进入导向矢量的机制，形成位移感知接收模型（式19-24）。第4节LOD-PSO优化CS算法中，研究人员以FBSS-ESPRIT粗估为中心、N·RMSE为半宽（高SNR取N=2，低SNR取N=3）生成LOD，将全局字典点数从18000降至每源数十点；用PSO替代OMP，粒子位置x_l^(k)=[θ?_l,1^(k)…θ?_l,K^(k)]整体评价K源残差∥r_l∥²，更新公式含惯性w、认知c₁、社会c₂因子，边界投影至LOD，实现多源解耦。第5节结果显示，在SNR=-5 dB不相干双源时LOD-PSO的RMSE约0.15°优于MSCM-OMP(0.9°)、FOMP(0.7°)、FBSS-ESPRIT(1.1°)；相干源SNR=-5 dB下RMSE约0.22°仍为最低；每帧时延在嵌入式级x86测得低于对比CS类算法，定位误差亚米级满足播撒施肥等中粗作业容忍度。第6节实验讨论指出LOD软失效概率<5%可被导航滤波时序平滑吸收。第7节结论翻译：研究人员提出一种显式建模UAV振荡的多UAV辅助CS-DOA定位架构，通过位移感知接收模型、SNR自适应LOD与PSO并行细化，在仿真中相较前沿算法显著降低UGV定位误差，于低SNR与相干源下保持鲁棒，且计算负荷适配ARM级农机端处理，可作为RTK短时失效时的漂移约束层而非替代层，对可持续耕整地导航具备部署意义。

讨论总结上，研究人员强调所建误差模型首次将UAV抖动通过延迟与角度双耦合路径量化，并证明总定位MSE可拆为算法效率η_k·CRB_k决定的精度项与时延平方决定的实时项，二者构成固有权衡；LOD以RMSE为网格单元揭示FBSS-ESPRIT子空间稳定性相变（SNR≈-3 dB为界），以分段常数N兼顾高SNR紧字典与低SNR鲁棒性；PSO将串行残差耦合转为粒子级并行独立，破除网格量化极限。论文整体贡献在于把CS-DOA从全局穷举拉入局部连续优化，使农机端<10 Hz定位频率下维持亚米误差，填补了农田UAV非静止假设的理论空白。