多无人机“红外+手机信号”幸存者定位技术与效能评估

一、研究背景与意义

地震、滑坡及泥石流等突发性自然灾害往往导致灾区地形地貌严重损毁，并常伴随地面通信基础设施瘫痪，严重制约了救援行动的高效展开。依据国际通用的“黄金72小时”救援法则，灾后初期的搜救时效性直接决定了幸存者的生存概率。因此，如何在极其有限的时间窗口内，克服复杂环境干扰，实现对广域范围内幸存者的快速搜索与精准锁定，是灾后应急响应救援面临的关键难题。

现有的搜救手段在实际应用中存在明显局限：传统的人力搜救，如人工探寻、搜救犬等受限于作业半径与通行条件，效率低下且存在搜索盲区；天基卫星与高空航空遥感虽然覆盖面广，但易受云层遮挡、光照条件及空间分辨率的制约，难以有效识别地面个体微小目标。近年来，随着无人机技术的发展，利用多无人机协同组网，搭载多模态传感器进行低空搜索已成为趋势。

本项目旨在针对灾后数公里范围内的广域搜索需求，利用搭载红外热成像载荷与5G小站的无人机集群，构建端-边-云协同的搜救系统。系统通过红外热特征与手机射频信号的异构数据融合，解决单一手段在遮挡、夜间或复杂背景下的失效问题，实现对幸存者的高效、精准定位，具有较高社会效益与应用价值。

二、技术路线

2.1 总体技术路线

本项目遵循空中异构感知、空地协同处理的总体技术路线，旨在构建一套高机动、高智能的空地一体化搜救体系。系统主要由空中搜救与地面指控两大核心模块构成，两者通过高带宽、低延迟的无线数据链路实现实时交互。

空中搜救模块是整个系统架构的感知前端与执行主体。模块由多架旋翼/复合翼无人机协同组网构成，每架无人机平台均集成了红外热成像传感器与5G机载小站双模载荷。与单机作业不同，本系统的无人机群利用自组网技术建立去中心化的分布式通信网络，支持节点间的状态交互与任务动态分配，从而形成一个覆盖广、鲁棒性强的空中移动感知网。该设计不仅确保了在单一节点失效时的网络生存能力，还为多源数据的空中边缘融合提供了硬件基础。

地面指控模块作为系统的控制中枢，承担着全局任务规划、多源数据汇聚处理及综合态势可视化的职能。它负责接收空中搜救模块回传的疑似幸存者坐标及图像证据，结合地理信息系统进行综合研判，并对无人机集群下达航线调整或抵近侦察指令，实现“人在环路”的高效指挥决策。

图1 总体技术路线图

图2 应用场景图

 

2.2 关键技术

2.2.1 基于深度学习的弱红外目标检测算法

在灾后废墟场景中，幸存者往往被瓦砾、树木等不规则物体遮挡，且人体热特征与周围环境温差较小，导致图像对比度低、边缘模糊。传统的基于阈值分割或边缘检测的算法难以适应这种复杂背景。本项目采用图像增强与深度学习相结合的探测策略。首先，针对原始红外图像动态范围不足的问题，系统在预处理阶段引入自适应直方图均衡化与拉普拉斯锐化算法。这一处理过程能够非线性地拉伸灰度分布，有效抑制背景噪声，同时增强人体热辐射区域的纹理细节与边缘梯度，使潜在目标的轮廓在冷背景中得以突显。

在目标识别环节，鉴于无人机机载计算平台的算力与功耗限制，本项目拟部署经轻量化剪枝的YOLOv8深度神经网络模型。为了进一步降低虚警率，网络结构中嵌入了SE通道注意力机制，促使网络在特征提取阶段聚焦于具有典型肢体几何特征的热源区域，自动抑制环境热源产生的干扰特征。通过构建包含多姿态与多遮挡比例的红外数据集进行迁移学习，模型能够实现在低信噪比环境下对微小人体目标的鲁棒检测。

2.2.2 基于空基5G小站的主动式信号诱发定位算法

考虑到灾区公网基站通常已瘫痪，常规的被动式信号侦测手段无法生效。本系统采用空基微站主动诱发的技术路径，在无人机上搭载轻量化5G小站作为空中临时通信节点。节点通过配置灾区运营商的频率参数，向地面广播高功率的系统消息，模拟公网覆盖环境。该机制利用了手机终端在失去网络连接后会自动搜索并尝试接入最强信号源的底层协议特性，可诱发处于休眠或空闲态的幸存者手机发起位置更新或随机接入请求。通过解析接入信令中的IMSI或TMSI临时标识，系统即可在无公网条件下完成对覆盖范围内受困人员手机设备的点名与身份确认。

成功诱发手机信号后，系统利用多架无人机构成的分布式接收阵列，同步采集目标手机上行链路的参考信号。针对废墟环境存在的非视距传输与多径效应问题，单一的接收信号强度（RSSI）测距往往误差较大。本项目提出一种基于到达时间差（TDOA）与信号强度指纹相融合的混合定位算法。通过高精度的全网时钟同步，计算同一信号到达不同无人机节点的时间差，构建双曲线定位方程组；同时，结合传播模型对RSSI数据进行卡尔曼滤波平滑处理，修正距离估计值的波动。最后，将射频定位解算出的坐标与红外图像检测到的热源坐标进行异构数据关联，利用贝叶斯概率模型融合两者的置信度，从而在数公里范围内实现米级精度的幸存者位置确定。

2.2.3 效能评估方法

为了科学、客观地验证系统的实战效能，本项目拟构建综合评估体系，重点考核系统在物理真实环境下的感知准确率与定位精度。本项目将在实地搭建的模拟废墟试验场布置若干已知坐标的模拟幸存者节点，每个节点配置具备恒温控制的人体热特征模拟器与处于空闲态的5G手机终端。为了验证算法的鲁棒性，设置两种典型的测试情景：

（1）光学/热学干扰情景：针对红外探测算法，在目标周围设置高温岩石、燃烧堆、发动机等作为诱饵热源，测试算法去除虚警的能力。同时利用木板、混凝土预制件等对热源进行不同比例的物理遮挡，验证时空关联算法对非完整人体特征的识别效能。

（2）电磁环境干扰场景：针对5G定位算法，将手机终端埋于钢筋混凝土废墟之下，模拟非视距传输条件下的信号衰减与多径效应，考核TDOA/RSSI混合定位算法在弱信号环境下的收敛速度与解算精度。

在实测过程中，无人机集群将按照预设航线对测试区域进行全自主搜索。系统后端将实时记录每一次定位事件的时间戳、解算坐标及判定置信度。评估工作将基于实测数据与真实数据进行对比分析，核心考量指标包括定位精度、检测率、虚警率、时效性等。上述测试不仅能够评估原理样机的功能完备性，还可通过误差分布分析反向指导核心算法的参数调优与迭代。

三、成果形式

（1）原理样机类：集成红外热成像传感器和5G小站的无人机原理样机4套；

（2）算法模型类：基于深度学习的弱红外目标检测算法1套；基于空基5G小站的主动式信号诱发定位算法1套；

（3）技术报告类：《基于深度学习的弱红外目标检测算法》、《基于空基5G小站的主动式信号诱发定位算法》、《多无人机红外+手机信号幸存者定位技术与效能评估研究报告》各1份。

AIoT万物智联，智能安全帽生产厂家，执法记录仪生产厂家，为大型国企央企提供移动视频类产品的ODM/OEM服务，单北斗定位智能安全帽、智能头盔、智能头箍、头盔记录仪、独立北斗定位执法记录仪、智能视频分析/边缘计算AI盒子、车载视频监控/车载DVR/NVR、布控球、智能眼镜、智能手电、智能电子工牌、无人机4G补传系统等统一接入大型统一视频平台~融合通信可视指挥调度平台VMS/smarteye 。

什么是智能安全帽，如何选购智能安全帽，智能安全帽的主要功能，https://www.besovideo.com/detail?t=1&i=109

目前支持的AI智能算法、视频智能分析算法有哪些，https://www.besovideo.com/detail?t=1&i=297

视频演示1~单独北斗定位智能安全帽助力光伏新能源，  视频演示2~石油石化

海康、大华等5000路固定点摄像头走国标GB28181接入统一视频平台smarteye，支持eHome,ISUP, SIP，萤石云，CMSV6等

海康等IP摄像头走国标GB28181接入smarteye平台， https://www.besovideo.com/detail?t=1&i=244