基于幅度比较单脉冲原理的超声波自动跟踪系统设计与实现

1. 项目概述：从雷达原理到桌面上的超声波跟踪器

几年前，当我还在从事电子系统工程时，参与过一个L波段天线跟踪系统的项目。那个大家伙通过两个天线接收信号的幅度差来锁定空中飞行器的遥测信号，核心就是经典的“单脉冲跟踪”技术。退休后，我总琢磨着能不能用身边唾手可得的电子积木，把这种精妙的工程思想复刻出来，让它从昂贵的专业设备变成每个爱好者都能在桌面上把玩的教具。这就是“超声波单脉冲跟踪系统”的由来——用两个几十块钱的Grove超声波传感器、一个Arduino UNO和一个舵机，来演绎雷达领域里一项基础而重要的跟踪原理。

这个项目的核心目标很明确：让一套传感器“脑袋”能自动转动，始终对准一个移动的物体，比如你的手、一个小车或者一个摇摆的摆锤。它不依赖复杂的图像识别，也不需要进行三角测量计算，其“智能”完全源于对两个传感器接收回波信号幅度的直接比较。听起来有点抽象？你可以把它想象成我们的两只耳朵。当声音从正前方传来时，两只耳朵听到的响度是一样的；但如果声音偏左，左耳听到的就会比右耳响一些。我们的大脑会下意识地根据这个响度差（幅度差）来转动头部，直到双耳听到的响度再次平衡，这时脸就正对声源了。我们这个超声波跟踪系统干的就是一模一样的事，只不过它用电路和代码代替了我们的生物本能。

整个系统由感知、决策和执行三个环节构成闭环。感知层是两个经过小幅硬件改装的超声波传感器，它们像一双稍有“斜视”的眼睛，一左一右固定在一个舵机云台上，共同覆盖前方区域。决策大脑是Arduino UNO，它负责读取两个传感器传回的模拟电压值（这个电压值代表了回波的强弱），并实时计算两者的差值。执行机构就是舵机，它根据这个差值（即误差信号）的正负和大小，决定是向左转还是向右转，转多快。当系统对准目标时，两个传感器接收到的回波强度相等，差值为零，舵机便停止转动，系统进入“锁定”状态。一旦目标移动，平衡被打破，误差信号立刻出现，驱动舵机转动以消除误差，从而重新对准目标，实现自动跟踪。

无论你是对机器人感知感兴趣的学生，还是想深入理解传感器融合与反馈控制原理的硬件爱好者，这个项目都是一个绝佳的实践切入点。它剥离了工业级系统的复杂性，直指“幅度比较单脉冲”这一核心思想的本质，让你在动手焊接和调试代码的过程中，真切地感受到从模拟信号到数字控制，再到物理运动的完整链条是如何被打通的。接下来，我们就从最基础的原理开始，一步步拆解这个系统的设计与实现。

2. 核心原理深度解析：幅度比较单脉冲跟踪

要理解我们如何用两个普通的测距传感器实现跟踪，必须深入其背后的核心思想：“幅度比较单脉冲”（Amplitude Comparison Mono-pulse）。这并非超声波测距的常规用法，而是一种源自雷达和无线电导航的经典角度测量技术。

2.1 单脉冲跟踪的基本思想

在传统的扫描式跟踪中，系统需要让波束（比如雷达天线）在目标可能出现的空域来回扫描，通过比较不同位置接收到的信号强度最大值来估计目标方向。这种方法速度慢，且存在“滞后”。而单脉冲技术的精髓在于“瞬时”测角。它使用两个（或两组）在空间上略有偏移的相同波束，同时接收目标回波。由于波束指向不同，同一个目标在这两个波束中产生的信号幅度就会不同。这个幅度差与目标偏离两个波束中心轴（即等信号轴）的角度近似成正比。

关键在于“同时”和“比较”。系统不需要移动波束去搜索，在任何一个瞬间，通过比较两个通道的幅度，就能立即知道目标在当前指向的左边还是右边，以及偏差大概有多大。这个实时的、连续的误差信号，正是驱动伺服系统进行高精度、快速跟踪的源泉。

2.2 从超声波传感器获取幅度信号

标准的Grove超声波传感器（如HC-SR04的Grove版本）是一个数字脉冲器件。它发射一组超声波脉冲，然后测量高电平的持续时间来计算距离，最终通过数字接口（如I2C或单线脉冲）直接输出距离值。这个距离值对我们来说是“黑盒”处理后的结果，我们无法从中直接提取回波的原始幅度信息。

因此，硬件改造是第一步，也是最关键的一步。我们需要窥探传感器内部，找到能反映接收信号强弱的模拟节点。通过分析传感器核心控制芯片（通常是某个8位MCU）的电路和信号流图，可以发现其接收放大电路的输出端，在接收到有效回波时，会产生一个与回波强度相关的脉冲串。我们的改造，就是从这个点引出信号。

具体来说，我在传感器电路板上找到了MCU的一个引脚（例如原理图中标注的Pin 9），该引脚在传感器工作时，会输出一串代表接收放大器饱和状态的方波脉冲。回波越强，这串脉冲的宽度或密度可能就越大。我们在这个引脚后级搭建一个简单的包络检波电路：由一个二极管进行半波整流，再经过一个RC低通滤波器进行平滑。最终，在滤波器的电容两端，我们就得到了一个平稳的直流电压。这个电压的高低，直接反映了本次测距周期内接收到的回波信号的整体能量，也就是我们需要的“幅度”信号。

注意：这种改造需要一定的电路焊接技巧，并且因传感器批次或型号不同，内部电路可能有差异。务必先在一个传感器上试验成功，并确保改造后的传感器依然能通过原有接口正常进行距离测量（我们的跟踪系统同时需要距离和幅度信息），然后再对第二个传感器进行相同操作。两个传感器的检波电路参数应尽可能一致，以减少固有的通道间差异。

2.3 波束重叠与S曲线

将两个改造后的传感器并排安装，但它们的声学波束（即超声波的主要传播方向）不是完全平行的，而是让两个波束的主轴略微向内汇聚，形成一个小的夹角（例如10-15度）。这样，两个波束在正前方区域会产生大面积的重叠。

当一个小目标（如一根直径20mm的圆杆）在正前方时，它同时处于两个波束的主瓣强区内，两个传感器接收到的回波幅度都很高，且基本相等，幅度差接近于零。当目标逐渐向左移动时，它会更靠近左传感器的波束中心，同时逐渐偏离右传感器的波束中心。因此，左传感器接收到的幅度会缓慢增加（或保持高位），而右传感器接收到的幅度会明显下降。左右幅度的差值（左减右）就会变成一个正值。反之，目标右移时，差值变为负值。

如果我们以角度为横坐标，以“左幅度减右幅度”的差值为纵坐标，绘制一条曲线，就会得到一条典型的“S”形曲线。这条曲线在正前方（角度为零）附近过零点，在左侧区域为正，在右侧区域为负。其斜率代表了系统的角灵敏度：斜率越陡，意味着微小的角度偏移就能产生明显的误差信号，系统的跟踪精度潜力就越高。这个S曲线，就是我们整个跟踪控制系统的“误差检测器”特性曲线。伺服系统的任务，就是驱动传感器平台旋转，使得无论目标在何处，系统都努力将工作点维持在这个S曲线的零点附近。

3. 硬件系统搭建与电路改造详解

理论清晰之后，动手搭建是让想法落地的关键。这一部分，我们将详细拆解从传感器改造到整个系统连线的全过程，其中包含许多从实践中总结出来的细节和避坑指南。

3.1 超声波传感器的幅度信号提取改造

如前所述，我们需要从Grove超声波传感器中引出模拟幅度信号。以常见的基于STC单片机或类似方案的Grove超声波模块为例，改造步骤如下：

1. 安全准备与识别：首先，确保传感器与任何电源断开。使用放大镜仔细观察传感器电路板，找到核心MCU。通常，连接超声波换能器（那个银色圆片）的驱动和接收电路会经过MCU附近的几个三极管或运放。我们需要找到接收放大电路的最终输出点，它往往连接至MCU的一个IO口。查阅有限的资料或通过示波器观察（在传感器工作时，用示波器探头小心地点测MCU各个引脚），找到那个在接收到回波时会产生脉冲序列的引脚。在我的实验中，这是MCU的Pin 9。

2. 焊接引出线：使用尖头烙铁和细导线（如AWG30的漆包线或排线），小心地将导线焊接到目标引脚上。这是一个精细操作，务必避免与相邻引脚短路，也避免高温损坏MCU或焊盘。焊接完成后，用万用表测试该引出线与电源正负极之间没有短路。

3. 构建检波与滤波电路：这是一块独立的子板或直接在传感器板子空余处搭建。你需要以下元件：

   • 1N4148开关二极管一个（用于整流）。
   • 10kΩ电阻一个。
   • 10μF电解电容一个（注意极性）。
   • 0.1μF陶瓷电容一个。 连接方式：从MCU引脚引出的线，先串联1N4148二极管（正极接MCU引脚，负极作为输出）。在二极管的负极（输出端）与地（GND）之间，并联10μF电容和0.1μF电容（后者用于滤除高频噪声）。同时，在二极管负极与电源正极（VCC）之间，连接一个10kΩ的上拉电阻。这个电阻为电容提供了一个放电回路，确保当没有回波信号时，输出电压能缓慢下降到零，而不是一直保持高电平。

4. 测试与校准：将改造后的传感器接回Arduino，使用原有的数字接口正常读取距离。同时，将我们新做的模拟输出端连接到Arduino的模拟输入口（如A0）。上传一个简单的测试程序，连续读取模拟口的值并打印到串口监视器。用手或纸板在传感器前方不同距离、不同角度晃动，观察模拟值的变化。你应该能看到，当有物体正对传感器时，模拟值最高；物体移开或角度偏了，值会下降。这就证明改造成功了。

实操心得：两个传感器的检波电路务必使用同一批次的元件，并在同一工作电压下测试。即使如此，由于传感器个体差异和焊接的微小不同，两个通道的“增益”几乎不可能完全一致。这会导致在目标正对时，两个模拟读数本身就不相等，从而在零点产生一个固定的偏差。我们将在软件中通过引入一个“平衡因子”来补偿这个硬件差异，具体方法在软件部分详述。

3.2 系统整体连接与供电考量

完成两个传感器的改造后，整个系统的硬件连接就清晰了。以下是基于Arduino UNO的接线清单：

• 电源部分：

  • Arduino UNO通过USB线供电，其5V和GND引脚可为外部设备提供有限电力。
  • 重要提示：舵机（如SG90）在启动和堵转时瞬间电流可能超过500mA，而超声波传感器工作脉冲电流也不小。如果将所有设备都接在Arduino板载的5V上，极易导致电压跌落、Arduino复位或损坏。强烈建议使用外部5V电源（如手机充电器搭配DC插头，或稳压模块）为舵机和传感器单独供电。只需将外部电源的“地”（GND）与Arduino的GND连接在一起，实现“共地”即可。

• 信号连接：

  • 左传感器：
    • 红色线（VCC） -> 外部5V电源正极
    • 黑色线（GND） -> 外部5V电源负极（并与Arduino GND相连）
    • 黄色线（Trig/Echo） -> Arduino 数字引脚 D13（用于传统的脉冲触发与回波接收，获取距离信息）
    • 白色线（改造的模拟输出） -> Arduino 模拟引脚 A0
  • 右传感器：
    • 红色线（VCC） -> 外部5V电源正极
    • 黑色线（GND） -> 外部5V电源负极
    • 黄色线（Trig/Echo） -> Arduino 数字引脚 D11
    • 白色线（改造的模拟输出） -> Arduino 模拟引脚 A1
  • 舵机（SG90）：
    • 红色线（VCC） -> 外部5V电源正极
    • 棕色线（GND） -> 外部5V电源负极
    • 橙色线（信号） -> Arduino 数字引脚 D9（PWM引脚）

• 调试辅助连接（可选但推荐）：

  • 将Arduino的数字引脚D12和D10设置为调试输出。例如，可以让D12在读取左传感器模拟值时短暂拉高，D10在读取右传感器时拉高。用示波器观察这两个引脚和模拟输入信号，可以非常直观地看到采样时刻和信号波形，对调试程序逻辑和时序至关重要。

这种连接方式确保了功率器件由外部电源承担，Arduino只负责脆弱的逻辑信号处理，大大提高了系统稳定性。所有信号地连接在一起，保证了电压参考点一致。

4. 核心软件设计与信号处理流程

硬件是躯干，软件则是灵魂。本项目的软件需要完成多任务协调：驱动两个传感器测距、读取两个模拟幅度值、计算误差、控制舵机转向，同时还要进行必要的信号滤波和补偿。我们将代码分为两个主要部分：首先是用于测绘波束方向图的诊断程序，然后是最终的自动跟踪程序。

4.1 波束方向图测绘程序（Aj_Track_1.ino）

在开始跟踪之前，我们必须先了解自己的“武器”特性。这个程序的目的就是让传感器平台匀速旋转，同时记录下在不同角度上，左右两个传感器接收到的来自固定目标的幅度值，从而绘制出前文提到的波束重叠图和S曲线。

程序核心逻辑如下：

1. 初始化：设置舵机引脚，将其移动到最左端（如-60度）作为扫描起点。初始化串口，设置较高的波特率（如115200）以便快速传输数据。
2. 扫描循环：从-60度开始，以固定的较小角度增量（如1度或2度）逐步向右转动舵机。
3. 数据采集：在每个角度位置上： a. 等待舵机运动稳定（延时20-50ms）。 b.顺序触发左、右传感器进行一轮测距（获取距离值用于监控，但绘图主要用幅度）。 c. 在每轮测距的回波接收窗口期间，进行高速模拟采样。由于超声波脉冲串持续时间很短，我们需要在回波预期时间内，以微秒级间隔连续读取A0和A1的模拟值，并记录下峰值或平均值。这里的一个技巧是：在发出触发脉冲后，延迟一小段时间（根据当前距离预估）再开始密集采样，这样可以避开发射噪声，直接捕捉回波包络。 d. 将当前角度、左幅度值、右幅度值通过串口发送出去，格式如“-60, 423, 398”。
4. 数据处理与可视化：在电脑端，使用Python（配合Matplotlib）或Processing，甚至Excel，读取串口数据，分别绘制“左幅度-角度”、“右幅度-角度”以及“（左-右）幅度差-角度”三条曲线。你会看到两条钟形的波束方向图曲线，以及一条穿过零点的S曲线。

这个步骤至关重要，它不仅能验证硬件改造和安装是否正确（两个波束是否对称重叠），还能定量地测量出系统的角灵敏度（S曲线的斜率），以及两个通道的增益差异（两条波束曲线峰值的高度差）。这个增益差异就是我们后续需要补偿的“平衡因子”。

4.2 自动跟踪程序（Aj_Track_2.ino）

这是系统的主程序，实现了完整的闭环反馈控制。其核心是一个不断循环的“感知-计算-执行”过程。

// 伪代码与关键逻辑阐述 #include <Servo.h> Servo trackerServo; int leftAmpPin = A0; int rightAmpPin = A1; int servoPin = 9; int leftTrigPin = 13; int rightTrigPin = 11; float balanceFactor = 1.0; // 右通道增益补偿因子，由测绘程序确定 float deadZone = 5.0; // 误差死区，防止在零点附近抖动 float Kp = 0.2; // 比例控制系数，需调试 int currentAngle = 90; // 舵机初始中间位置 int targetAngle = 90; void setup() { Serial.begin(9600); trackerServo.attach(servoPin); pinMode(leftTrigPin, OUTPUT); pinMode(rightTrigPin, OUTPUT); // 初始化传感器... trackerServo.write(currentAngle); delay(1000); // 等待系统就位 } void loop() { // 1. 感知：获取当前时刻的幅度值 int leftAmpRaw = readAveragedAmp(leftAmpPin, leftTrigPin); int rightAmpRaw = readAveragedAmp(rightAmpPin, rightTrigPin); // 2. 计算：补偿并计算误差 float compensatedRightAmp = rightAmpRaw * balanceFactor; float error = leftAmpRaw - compensatedRightAmp; // 误差信号 // 3. 决策：根据误差决定动作（简单的P控制器） if (abs(error) > deadZone) { // 误差为正，目标偏左，需要向左（减小角度）转动 // 误差为负，目标偏右，需要向右（增加角度）转动 int angleAdjustment = (int)(Kp * error); // 对angleAdjustment进行限幅，防止过大 targetAngle = currentAngle - angleAdjustment; // 注意：根据舵机安装方向调整正负号 targetAngle = constrain(targetAngle, 30, 150); // 限制在机械范围内 } else { // 误差在死区内，保持不动 targetAngle = currentAngle; } // 4. 执行：平滑移动舵机 if (targetAngle != currentAngle) { smoothMoveTo(targetAngle); currentAngle = targetAngle; } // 可选：通过串口输出数据用于监控 Serial.print(leftAmpRaw); Serial.print(","); Serial.print(rightAmpRaw); Serial.print(","); Serial.print(error); Serial.print(","); Serial.println(currentAngle); delay(50); // 主循环延迟，控制更新速率 } // 关键函数：读取指定传感器的平均幅度值 int readAveragedAmp(int ampPin, int trigPin) { // 触发一次测距 digitalWrite(trigPin, HIGH); delayMicroseconds(10); digitalWrite(trigPin, LOW); // 在回波预期时间内进行模拟采样 long startTime = micros(); int peakValue = 0; while (micros() - startTime < 25000) { // 假设最大测量距离对应约4.25ms，留有余量 int val = analogRead(ampPin); if (val > peakValue) { peakValue = val; // 记录峰值 } delayMicroseconds(50); // 采样间隔 } return peakValue; } // 关键函数：舵机平滑移动 void smoothMoveTo(int newAngle) { // 简单实现：分小步移动，避免跳跃 int step = (newAngle > currentAngle) ? 1 : -1; for (int pos = currentAngle; pos != newAngle; pos += step) { trackerServo.write(pos); delay(15); // 控制移动速度 } }

软件要点与调试经验：

• 平衡因子（balanceFactor）的确定：在测绘程序中，当传感器正对目标时，记录下左、右传感器的幅度值A_left和A_right。平衡因子可粗略地设为balanceFactor = (float)A_left / A_right。在跟踪程序中应用此因子，使系统在正对时的理论误差归零。
• 死区（deadZone）的设置：由于传感器噪声和机械间隙，误差信号在零点附近会有微小波动。设置一个合理的死区可以防止舵机因噪声而产生高频抖动，提升稳定性。死区大小应根据实测的噪声水平来设定。
• 比例系数（Kp）的调试：这是控制系统的“灵敏度”。Kp太大，系统反应剧烈，容易在目标点来回振荡（超调）；Kp太小，系统跟踪缓慢，滞后明显。调试时，先将Kp设小，观察系统对目标移动的反应，然后逐步增大，直到出现轻微振荡，再略微调小，找到一个响应既快又稳的值。
• 采样时机与滤波：readAveragedAmp函数中的采样窗口和延迟是关键。采样窗口必须覆盖整个回波持续时间。delayMicroseconds(50)的采样间隔（约20kHz采样率）对于40kHz的超声波包络是足够的。也可以采用多次触发、多次采样取平均的方法来进一步抑制随机噪声。

5. 系统调试、优化与局限性探讨

将硬件组装好，代码上传后，真正的挑战才刚刚开始——调试。一个能稳定、平滑跟踪的系统，是反复调试和优化的结果。

5.1 调试步骤与常见问题排查

1. 静态测试：不上电，手动将目标物（如一个水瓶）放在传感器正前方1米处。用手缓慢左右移动目标，同时通过串口监视器观察leftAmpRaw，rightAmpRaw和error的值。移动时，左右幅度值应此消彼长，误差值应从正到负（或负到正）平滑过零。如果误差值始终为正或负，说明平衡因子没调好。如果误差值变化非常迟钝，可能是波束夹角太小或传感器安装不牢。

2. 开环测试：注释掉跟踪程序中根据error移动舵机的部分，改为手动控制舵机角度（例如用Serial.parseInt()接收串口指令控制角度）。在不同角度下，观察误差值。你应该能复现出测绘程序得到的S曲线。这验证了感知部分是否正常工作。

3. 闭环测试（不带负载）：恢复跟踪逻辑，但暂时不安装传感器云台到舵机上。运行程序，用手在传感器前方移动。观察串口输出的targetAngle变化是否与你手移动的方向逻辑一致（例如，手向左移，targetAngle应减小以命令舵机向左转）。这验证了控制逻辑是否正确。

4. 闭环测试（带负载）：将整个传感器云台安装到舵机上。在舵机运动范围内放置一个目标。首次运行时，务必用手扶住云台，防止因参数不当导致舵机剧烈摆动而损坏机械结构。逐步增大Kp，观察系统从迟钝到振荡的整个过程，找到临界点后回调。

常见问题速查表：

5.2 系统性能的固有局限性及优化思路

正如原项目作者所指出的，这是一个原理验证原型，其性能受限于基础器件的物理特性：

1. 波束宽度与角精度：商用超声波传感器的波束角通常很宽（约15-30度）。这导致其波束方向图的主瓣非常“胖”，重叠后产生的S曲线在零点附近的斜率不够陡峭。这意味着系统对微小的角度变化不敏感，角分辨率差。优化思路：使用波束角更窄的专用超声波探头，或者尝试在传感器前方加装声学透镜（如抛物面反射腔）来聚焦波束。但这会大幅增加复杂性和成本。

2. 距离与幅度关系：回波幅度与距离的四次方成反比（往返路径衰减），变化极快。近距离时信号饱和，远距离时信号又太弱。这导致系统的有效跟踪距离范围很窄。优化思路：引入对数放大器（Logarithmic Amplifier）来处理检波后的模拟信号。对数放大器能压缩信号的动态范围，使输出电压与输入信号幅度的对数成正比，这样无论是近距离的强信号还是远距离的弱信号，都能被ADC较好地分辨。

3. 多目标与复杂环境：当前系统无法区分多个目标。如果前方有多个物体，它只会对回波最强的那个产生反应，并且容易受墙壁等背景反射的干扰。优化思路：这是迈向实用化必须解决的问题。可以引入“距离门”跟踪：先利用传感器的数字输出来测量目标的大致距离，然后只在回波时间对应这个距离的附近窗口内，采样模拟幅度值。这样可以有效排除其他距离上的干扰物。更进一步的，可以结合距离和角度信息，实现简单的目标运动预测。

4. 伺服系统性能：普通SG90舵机存在死区、回差，且速度有限。这限制了系统的跟踪带宽和精度。优化思路：使用数字舵机或直流电机搭配编码器和PID控制，可以构建响应更快、精度更高的云台。

尽管有这些局限，本项目成功地用极低的成本，搭建了一个演示单脉冲跟踪原理的完整平台。它所有的缺点，恰恰是引导学生和爱好者思考如何改进、如何从原理走向实用的绝佳起点。通过调整传感器布局、改进信号处理电路、优化控制算法，每一项优化都能带来肉眼可见的性能提升，这个过程本身充满了工程实践的乐趣。