UWB 助力无人机集群协同导航定位：突破难题，开启新篇

《Scientific Data》：Data set for UWB Cooperative Navigation and Positioning of UAV Cluster

为解决无人机集群协同导航定位难题，研究人员开展 UWB 技术相关研究，获数据集，助力相关算法发展。

　　

一、研究背景：无人机集群导航的挑战与机遇

在科技飞速发展的当下，无人机（Unmanned Aerial Vehicle，UAV）凭借小巧身形和出色续航，在军事与民用领域大显身手，从战场攻击对抗到矿产勘探，从农业监测到交通巡逻，都有其忙碌的身影。然而，单架无人机受 payload、体积、质量等因素制约，执行任务时成功率低、系统韧性不足的短板日益凸显。

为弥补这些缺陷，无人机集群应运而生。通过实时协同信息共享与资源互补，无人机集群能有效提升作战和工作效率。但要实现这一目标，精准的导航信息至关重要。

在多数环境下，无人机依赖卫星导航获取定位信息。可一旦卫星信号受干扰或设备故障，定位精度便会大打折扣，严重影响集群协作。尤其在卫星信号受阻的环境中，无人机间的信息交互对保持编队和避免碰撞起着决定性作用。因此，探索卫星导航受限条件下无人机集群的协同导航技术迫在眉睫。

射频（Radio Frequency，RF） - 基于的协同导航技术因成本低、通用性强脱颖而出。其中，超宽带（Ultra - wideband，UWB）技术凭借独特优势备受关注。UWB 设备通过极短脉冲序列（<1 ns）发送和交换信息，信号带宽超 500MHz，时间分辨率高，能显著降低非视距对测量的影响，实现基于飞行时间（Time of Flight，TOF）的精确导航定位。

尽管 UWB 技术优势明显，但目前适用于无人机集群协同导航定位的数据集却相对匮乏，难以满足相关算法研究和性能评估的需求。在此背景下，西北工业大学的研究人员展开了深入研究，成果发表在《Scientific Data》上。

二、研究方法：搭建精准测量体系

研究人员构建了一套完整的测量体系。选用 UWB 模块作为核心测量工具，搭建基站 - 多无人机协同系统，涵盖室内和室外环境。

测量基于标准笛卡尔坐标系，在特定区域建立局部坐标系，用于设定参考基站节点位置和规划无人机节点轨迹坐标。节点定位校准和测量均在此坐标系内完成，通过坐标转换，数据集可应用于全球集群导航。

UWB 测距采用双面双向测距（Double - Sided Two - Way Ranging，DS - TWR）方法。该方法利用两次往返时间计算信号飞行时间，有效减少时钟偏差带来的时间漂移影响。具体过程中，UAV 节点和基站节点在信号交互时记录多个时间戳，通过特定公式计算出 TOF，进而得出节点间距离。

测量环境选取了室外建筑区域和室内场地。室外区域位于建筑物间的开阔地带，长 20m、宽 18m、高 10m，存在多种干扰物体；室内场地长 18m、宽 15m、高 8m，内部结构复杂，布满电子设备和金属反射物。在这两个环境中，分别规划了两种不同的无人机编队飞行任务。

UWB 基站系统由 8 个参考基站节点构成，每个节点配备 LinkTrack P - B UWB 模块，精确放置在预设位置，位置精度控制在 1cm 以内。UAV 集群系统包含 7 架无人机，每架搭载 LinkTrack P - B UWB 模块和三轴激光测距仪，按规划轨迹飞行，确保实际位置贴近预设值后开始数据采集。

测量流程分为多步。以室外直线编队任务为例，首先设计基站节点分布和无人机飞行轨迹，将相关位置信息保存为.mat 文件。接着放置基站和无人机节点，调试数据接收代码并检查设备状态。然后启动测量应用，在不同通信信道下获取大量距离测量数据，形成测距矩阵。测量结束后，对数据进行校验、解析和分析，计算各种误差，最终将处理后的数据按规范格式保存。

三、研究结果：数据支撑多领域算法发展

1. 数据记录：研究生成了丰富的数据集，公开于 Figshare 平台，数据集归档名为 Data_set.zip。主目录下包含 Environment0、Environment1、Raw_data、Technical_validation 和 Code 五个文件夹。其中，Environment0 和 Environment1 存储各环境的测量数据，包括参考基站节点位置、环境示意图和飞行路径信息；Raw_data 存放原始测量文件，按环境和编队类型分类，每个轨迹点的测量数据分多文件存储，涵盖原始数据、节点间距离和定位结果等；Technical_validation 保存技术验证结果，包含测距误差和定位误差估计；Code 文件夹则存放数据测量和处理的所有代码。
2. 技术验证：
   • 测距误差分析：研究分析了不同环境下的测距误差。在室外建筑环境中，视距（Line of Sight，LOS）条件下测距误差分散度低，整体误差范围小；非视距（Non - Line of Sight，NLOS）条件下，因厚混凝土墙影响，UWB 信号衰减严重，测距误差明显增大。室内场地环境中，LOS 条件下测距误差大于室外 LOS 情况，NLOS 条件下误差虽小于室外 NLOS，但仍比室内 LOS 时大，主要原因是室内金属表面多、电磁干扰强。
   • 定位误差分析：定位误差分析结果显示，室内分散编队飞行定位误差主要在 0.5m - 1.0m，圆形编队飞行误差多在 0.0m - 0.5m；室外直线编队飞行定位误差在 0.0m - 1.0m，部分超 2.0m，升序编队飞行误差集中在 0.5m - 1.0m，主要受非视距条件和飞行高度变化影响。

四、研究结论与讨论：为未来导航技术奠基

研究人员成功创建了用于无人机集群协同导航定位的数据集，涵盖室内外多种环境和编队飞行任务。该数据集为距离基多目标导航算法开发、编队维持和避碰算法评估以及多源融合集群定位算法研究提供了有力支持。

然而，研究也存在一定局限性。数据集选取的轨迹点数量有限，难以满足长时间、长距离导航任务需求，且仅包含 UWB 测量数据，在多源融合导航应用中需额外考虑时间同步问题。

未来，研究人员计划扩充数据集，增加时间步长，收集 IMU 和视觉传感器数据，以更好地服务于多源信息融合导航技术发展。这一研究成果为无人机集群协同导航定位领域开辟了新道路，有望推动相关技术迈向新高度，在更多领域发挥重要作用。