CN108803667B - 一种无人机协同监测与跟踪方法 - Google Patents
一种无人机协同监测与跟踪方法 Download PDFInfo
- Publication number
- CN108803667B CN108803667B CN201810536647.4A CN201810536647A CN108803667B CN 108803667 B CN108803667 B CN 108803667B CN 201810536647 A CN201810536647 A CN 201810536647A CN 108803667 B CN108803667 B CN 108803667B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- dimensional space
- rrus
- rru
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012544 monitoring process Methods 0.000 title claims abstract description 48
- 230000008569 process Effects 0.000 claims abstract description 17
- 230000004044 response Effects 0.000 claims description 27
- 230000033001 locomotion Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000011664 signaling Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar Systems Or Details Thereof (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种无人机协同监测与跟踪方法,包括:将监测目标空间划分为若干立体空间,并对所划分的立体空间进行编号;由射频拉远单元(RRU)探测出无人机飞行时所处的立体空间,再使用立体空间编号对无人机进行跟踪。应用本申请公开的技术方案,能够降低无人机监测以及跟踪过程中的计算复杂度。
Description
技术领域
本申请涉及无人机技术领域,特别涉及一种无人机协同监测与跟踪方法。
背景技术
近年来,随着自动化技术、计算机技术、电子器件等高新科技水平的不断提高,无人驾驶飞行器(也可称为无人机或飞行器)的应用领域已从单纯的军事领域逐渐扩展至民用领域,其普及程度大大提高,应用亦日益广泛。民用无人机主要分为消费级和工业级两类,其中,消费级无人机多用于个人航拍、娱乐等领域;工业级无人机则在农业、巡检、物流、救援等领域有众多应用。随着无人机市场规模持续快速增长、应用范围持续拓展,现有的无人机点对点通信解决方案带来的飞行距离短、信号不稳定等局限性逐渐凸显,同时无人机“黑飞”、安全事故的屡次发生也对监管政策提出了迫切需求,无人机网联化发展势在必行。
接入低空移动通信网络的网联无人机,可以实现设备的监管、航线的规范、效率的提升,促进空域的合理利用,从而极大延展无人机的应用领域,产生巨大经济价值。根据中国产业信息网预测,2020年消费级无人机将达到1600万台。基于新一代蜂窝移动通信网络4G+/5G为网联无人机赋予的实时超高清图像传输、远程低时延控制、永远在线等重要能力,全球将形成一个数以千万计的无人机智能网络,不间断地提供航拍、送货、勘探等各种各样的个人及行业服务。
在无人机执行一些特定任务的过程中(如反恐防暴、交通监控、抗灾救援等),需要对其进行追踪才能实现有效控制,同时对于尚未授权认证的无人机目标,应对其航迹进行实时追踪。目前使用基站对无人机进行定位,且在定位过程中使用全域搜索与三维坐标,在整个定位与跟踪计算过程中,占用较多资源,计算复杂度较高。
目前的无人机协同技术方案中,需要通过基站对无人机进行大范围整体实时定位,且定位精度不高,使整个定位流程中的计算量变得复杂庞大,从而耗费基站信令以及能耗资源。尤其在海量大规模无人机进行协同工作时,现有方案由于海量定位,信令请求频繁,不能有效完成相关任务。
发明内容
本申请提供了一种无人机协同监测与跟踪方法,旨在减少无人机监测以及跟踪过程中的计算复杂度。
本申请公开了一种无人机协同监测与跟踪方法,包括:
A、将监测目标空间划分为若干立体空间,并对所划分的立体空间进行编号;
B、由射频拉远单元RRU探测出无人机飞行时所处的立体空间,再使用立体空间编号对无人机进行跟踪。
较佳的,所述B包括:
B11、无人机起飞后广播确认信号,如果无人机未检测到RRU发回的回应信号,则无人机返回起飞点,如果无人机接收到RRU的回应信号,则与发回了回应信号的RRU开启定时同步;
B12、参与协同监测的各RRU之间进行立体空间编号的同步,然后测算无人机的位置,并使用立体空间编号对无人机的位置进行标定;
B13、以当前无人机所处立体空间为中心,控制中心在与之相邻的立体空间所构成的区域内,根据无人机历史所处的立体空间位置,对无人机可能的运动方向上的各个立体空间进行权重赋值,并通知参与协同监测的各RRU汇聚波束使用波束赋形按照各个立体空间的权值,优先向权值大的立体空间发送探测信号,并接收无人机的回传信号,再根据回传信号进行测算以完成实时监测;
B14、当无人机发回的回传信号的信噪比即将小于可通信门限值时,RRU向控制中心回传信令,控制中心采用相应的策略,从邻近的RRU中确定下一个或几个进行接续跟踪的RRU,并通知对应的RRU执行所述B12中各RRU进行立体空间编号同步的操作,以进行接续跟踪。
较佳的,在所述B12之前,还包括:若控制中心检测到向无人机发送回应信号的RRU的数量少于设定门限N,则通知发回了回应信号的RRU请求就近的至少(N-1)个RRU进行协同监测。
较佳的,所述B包括:
B21、无人机起点处的RRU定期进行探查信号广播,而后进行侦听,当无人机进入探测范围时,向RRU发送回应信号,RRU接收到无人机的回应信号之后发送定时信号与无人机进行同步;
B21、参与协同监测的各RRU之间进行立体空间编号的同步,然后测算无人机的位置,并使用立体空间编号对无人机的位置进行标定;
B23、以当前无人机所处立体空间为中心,控制中心在与之相邻的立体空间所构成的区域内,根据无人机历史所处的立体空间位置,对无人机可能的运动方向上的各个立体空间进行权重赋值,并通知参与协同监测的各RRU汇聚波束使用波束赋形按照各个立体空间的权值,优先向权值大的立体空间发送探测信号,并接收无人机的回传信号,再根据回传信号进行测算以完成实时监测;
B24、当无人机发回的回传信号的信噪比即将小于可通信门限值时,RRU向控制中心回传信令,控制中心采用相应的策略,从邻近的RRU中确定下一个或几个进行接续跟踪的RRU,并通知对应的RRU执行所述B22中各RRU进行立体空间编号同步的操作,以进行接续跟踪。
较佳的,在所述B22之前,还包括:若控制中心检测到接收到无人机发送的回应信号的RRU的数量少于设定门限N,则通知接收到了回应信号的RRU请求就近的至少个RRU进行协同监测。
较佳的,所述对无人机可能的运动方向上的各个立体空间进行权重赋值包括:
a、记录前后任意连续立体空间块中无人机所在位置及时间,将两个位置相减,得到对应时间段内无人机运动的距离以及平均运动速度矢量;
b、以当前无人机位置为原点,将运动速度矢量投影至笛卡尔坐标系;
c、以此投影数值为基准,进行赋值计算,赋值过程如下:
取距离当前时刻位置最近的两点位置延长线中最近的立体空间块,赋值为n1,其中,n1取最大值,将与该立体空间块对称的立体空间块标定为最小值1/n1;
根据投影到坐标系三轴的速度,确定当前无人机位置的水平立体空间块以及竖直立体空间块的赋值:根据速度分量之间相对数值的大小,按比例进行赋值,并将与之相对的立体空间块的赋值取分别取对应的倒数,剩余立体空间块的取值在0到所述最小值之间均匀分布。
较佳的,若一个立体空间块内同时有至少两个赋值,则取最大者为最终赋值;
若两次检测无人机处于相同位置,则判定无人机悬停与当前立体空间。
本申请还公开了一种无人机协同监测与跟踪方法,包括:
判断无人机是否已认证;
如果无人机已认证,则:
C11、在无人机起飞前,控制中心对无人机进行最优路径优化,部署沿途基站,每个基站对应一个编号并知晓与之相毗邻的基站的编号;
C12、各基站周期性发送探测信号,对本小区内的无人机进行感知,并根据无人机的位置对无人机周期性发送小区内飞行数据进行指导,指导无人机在小区内进行飞行;
C13、无人机在飞过基站小区上空时,与基站进行认证交互,基站对无人机进行认证后,进行无人机航迹追踪,并保持纪录;
C14、具有先验知识后,新认证无人机上报目的地,控制中心进行查询,若已存在相关路径,则不再为无人机规划路径,无人机根据各个基站中的历史航迹记录信息自主飞行;
如果无人机未认证,则:
C21、根据获取到的无人机历史航迹,与基站中已有的方向相关内容进行做差拟合,并将得到的结果与下一条无人机历史航迹进行协同预测,如果拟合成功,则开启相应路径点上的区域基站的监测功能,如果不能得到拟合,则探测记录非法无人机位置,对其进行监视;
C22、通过前一时刻与当前时刻探知得到的无人机位置,获得无人机的具体飞行方向与飞行速度。
较佳的,该方法还包括:
当小区内无人机流量过大时,基站开始进行自主优化,同时基站实时更新路径纪录,指导无人机的下一步飞行方位,并通知下一个小区进行准备。
由上述技术方案可见,本申请提供的针对无人机的协同监测与跟踪方法能够降低计算复杂度,通过预测减小搜索区域,完成跟踪计算任务,并减少无人机监测以及跟踪过程中的计算复杂度。更具体的,本申请技术方案能够获得以下技术效果:
1)通过划分立体空间块降低了计算复杂度。
2)通过使用波束赋形方案,尽可能缩小了后续无人机搜索范围。
3)提出两种C-RAN架构下的无人机探测方法,满足无人机检测的快速灵活要求。
4)使用先验路径知识,减少基站与控制中心的频繁信令以及数据交互。
5)对未认证的非法无人机,能够完成精确跟踪,提前通知其路径方位的基站进行持续跟踪。
附图说明
图1为本申请空间区域单层切分剖面图。
图2为本申请无人机监测跟踪方案一的流程图;
图3为本申请无人机监测跟踪方案二的流程图。
具体实施方式
为使本申请的目的、技术方案及优点更加清楚明白,以下参照附图并举实施例,对本申请作进一步详细说明。
本发明基于集中式无线接入网(C-RAN:Centralized Radio Access Network)通信架构,提出两种对认证无人机进行协同跟踪的方法,目的在于减少慢速低空小无人机的识别以及跟踪过程的计算复杂度,使监控灵敏度增加,并增强跟踪过程的实时性。特别地,在海量大规模物联网的场景要求下,尽量减少基站的计算负担,由于无人机在飞行过程中具有低空、慢速的特点,且运动航迹具有连续性,本发明根据该特点通过历史的航迹信息对其后续航迹提供预测与相应导航依据,从而大大减少计算负担。
在C-RAN的背景环境下,本发明首先将监测目标空间划分为若干立体空间,并对所划分的立体空间进行编号,如图1所示,然后由射频拉远单元探测出无人机飞行时所处的立体空间,再使用立体空间编号对无人机进行跟踪,从而避免了使用空间三维坐标所导致的后续跟踪定位复杂度增加的问题。
下面结合附图详细说明本申请提供的两种对认证无人机进行协同跟踪的方案。
方案一:
如图2所示,在无人机起飞进入监测区域后,按照如下流程对无人机进行协同监测与跟踪:
(1)首先无人机起飞后向周围广播确认信号,以使周围的RRU获知该无人机的存在,如果无人机未检测到RRU发回的回应信号,则无人机返回起飞点,如果无人机接收到RRU的回应信号,则检测追踪开始,无人机与发回了回应信号的RRU开启定时同步。
(2)若控制中心检测到向无人机发送回应信号的RRU的数量少于设定门限N(例如:N=3),则通知发回了回应信号的RRU请求就近的至少(N-1)个RRU进行协同监测,此后,参与协同监测的各RRU之间进行立体空间编号的同步,然后测算无人机的位置,并使用立体空间编号对无人机的位置进行标定。这里,测算过程可以使用传统的基站定位方法,即:无人机广播定位信号并携带时间戳,接收到定位信号的各RRU根据定位信号携带的时间戳和接收到定位信号的时间得到时间差,并据此测算出无人机的位置。具体的:
由于无人机此前与RRU之间已进行过定时同步,无人机在一个周期内仅进行一次广播定位(即:一个周期内仅广播一次定位信号),仅有一个时间戳标定广播时间,各RRU接收到该定位信号时,由于距离不同,各自接收到信号的时间也将不同,各RRU根据各自的定位信号接收时间,与定位信号中的发送时间相减,得到时间差(目前RRU仅作为射频拉远单元不具备计算功能,本专利架构中认为其具有简单处理能力)。根据电磁波的传播速度,各RRU计算出该时间差内定位信号到本RRU的传播距离,然后以本身为中心,做三角定位。
实际情况中往往不是求解刚好够定位的方程组,而是用多余的其他RRU计算值利用最小二乘估计方法来估计目标位置,同时借助目前成熟的惯导定位技术,对目标位置进行修正,以得到更加精确的位置。
(3)以当前无人机所处立体空间为中心,将与之相邻的若干个(例如:26个)立体空间所构成的区域定义为敏感空间区域,控制中心根据无人机历史所处的立体空间位置,对无人机可能的运动方向上的空间区域进行权重赋值,然后,通知参与协同跟踪监测的各RRU汇聚波束使用波束赋形按照空间区域的权值,优先指向权值大的区域对无人机进行跟踪监测。具体而言:优先向权值大的区域发送探测信号,并接收无人机的回传信号,再根据回传信号进行测算以完成实时监测。需要说明的是:上述第(2)步是发现无人机的过程,通过第(2)步发现无人机后将获取到无人机的定位基准,后续无人机不再发送定位信号,除非失去无人机位置,一旦失去无人机位置,立即执行重新定位过程;而本步骤为跟踪过程,在跟踪过程中,由各RRU采用上述按权重进行波束赋形的方式向无人机发送信号,再通过无人机的回传信号对无人机进行实时监测。
较佳的,对无人机可能的运动方向上的空间区域进行权重赋值的方式具体为:
a、记录前后任意连续立体空间块中无人机所在位置及时间,两位置相减,可得该时间段内无人机运动的距离以及平均运动速度矢量;
b、以当前位置为原点,将运动速度矢量投影至笛卡尔坐标系;
c、以此投影数值为基准,进行赋值计算,赋值过程如下:
首先,取两点位置(距离当前时刻位置最近的两点)延长线中最近的立体空间块,赋值为n1,由于该延长线与下一时刻运动位置的关联性最大,故n1取最大值,例如100,将与之对称的立体空间块标定为最小,例如1/100;
其次,与之关联性最大的影响因素为三轴上的速度,根据投影到坐标系三轴的速度,确定当前无人机位置的水平立体空间块以及竖直立体空间块的赋值:根据速度分量之间相对数值的大小,按比例进行赋值,例如x轴3m/s,y轴2m/s,z轴1m/s,那么,此时相应紧邻的空间块赋值依次为:
[3/(3+2+1)]*90=45;
[2/(3+2+1)]*90=30;
[1/(3+2+1)]*90=15;
与之相对的空间块赋值取倒数分别为1/45,1/30,1/15,各自乘以60,剩余立体空间块的取值在0到上述最小值之间均匀分布。
若一个立体空间块内同时有多个赋值,取最大者为最终赋值。若两次检测无人机处于相同位置,判定无人机悬停与当前立体空间。
(4)当无人机发回的回传信号的信噪比即将小于可通信门限值时,RRU向控制中心回传信令,以通知控制中心。控制中心采用相应的策略,从邻近的RRU中确定下一个或几个进行接续跟踪的RRU,并通知对应的RRU进行接续跟踪,即:返回到执行第(2)步中各RRU进行立体空间编号同步。
方案二:
如图3所示,在无人机起飞进入监测区域后,按照如下流程对无人机进行协同监测与跟踪:
(1)首先由无人机起点处的RRU定期进行探查信号广播(如京东或阿里灯无人机送货起点是已知的)而后进行侦听,无人机进入探测范围时,向RRU发送回应信号,对RRU发出的探查信号进行回应,RRU接收到无人机的回应信号之后发送定时信号与无人机进行同步。
(2)若控制中心检测到接收到无人机发送的回应信号的RRU的数量少于设定门限N(例如:N=3),则通知接收到了回应信号的RRU请求就近的至少(N-1)个RRU进行协同监测,此后,参与协同监测的各RRU之间进行立体空间编号的同步,然后测算无人机的位置,并使用立体空间编号对无人机的位置进行标定。
这里,进行无人机的位置测算的具体方法与方案一中的步骤(2)相同,即:无人机定时主动向周围RRU发送定位信号,发送时携带起始时间戳,RRU接收到定位信号后将定位信号的接收时间与起始时间相减,得到时间差,而后进行三角定位,并使用惯性定位系统进行修正。
(3)以当前无人机所处立体空间为中心,将与之相邻的26个立方空间所构成的区域定义为敏感空间区域,控制中心根据无人机历史所处的立体空间位置,对无人机可能的运动方向上的空间区域进行权重赋值,然后,通知参与协同跟踪监测的各RRU汇聚波束使用波束赋形按照空间区域的权值,优先指向权值大的区域对无人机进行跟踪监测。具体而言:优先向权值大的区域发送探测信号,并接收无人机的回传信号,再根据回传信号进行测算以完成实时监测。本步骤中对无人机可能的运动方向上的空间区域进行权重赋值的方式与方案一相同,在此不再赘述。
(4)当无人机发回的回传信号的信噪比即将小于可通信门限值时,RRU向控制中心回传信令,以通知控制中心,控制中心采用相应的策略,从临近的RRU中确定下一个或几个进行接续跟踪的RRU,并通知对应的RRU进行接续跟踪,即:返回到执行第(2)步中各RRU进行立体空间编号同步。
以上两种协同跟踪方法较为适用的场景为小尺度跟踪,本申请还提出一种适用于大尺度跟踪的根据历史航迹进行预测跟踪的技术方案,以使跟踪更加精准,具体流程如下:
本申请根据无人机是否已认证分别进行不同的处理,具体的:
1.若目标无人机是已认证的无人机,则:
(1)由于系统运行初始,基站尚无先验信息,因此,在无人机起飞前,控制中心对无人机进行最优路径优化,部署沿途基站,每个基站对应一个编号并知晓与之相毗邻的基站的编号。
(2)各基站周期性发送探测信号,对本小区内的移动物体进行感知,基站根据无人机位置对无人机周期性发送小区内飞行数据进行指导,指导无人机在小区内进行飞行。
由于属于已经认证的无人机,控制中心对无人机有提前路径规划,但是对于单基站而言,它仅仅知道该无人机上一基站(来)与下一基站(去)的位置(各基站所覆的盖小区之间无缝连接),因此,本步骤中对无人机周期性发送小区内飞行数据进行指导具体包括:当无人机进入小区时,当前小区接管,并向无人机发送下一小区中心基站的方位信息,无人机根据收到的中心基站的方位信息,调整飞行姿态,从而实现指导无人机向下一小区飞行。
(3)无人机在飞过基站小区上空时,与基站进行认证交互,基站对无人机进行认证后,进行无人机航迹追踪,并保持纪录。
本步骤所述认证为无人机的身份认证,由于所面向的场景为海量无人机飞行,故在同一个小区可能会有多个不同目的地的无人机,不同的无人机需要基站使用身份认证传输不同的目标小区地址。
(4)具有先验知识后,新认证无人机上报目的地,控制中心进行查询,若已存在相关路径,则不再为无人机规划路径,无人机根据各个基站中的历史航迹记录信息自主飞行。
(5)为了避免同一方向无人机流量过大,当小区内无人机流量过大时,基站开始进行自主优化,同时基站实时更新路径纪录,指导无人机的下一步飞行方位,并通知下一个小区进行准备。
当流量过大(即:小区内无人机过多)时,视为小区内已出现拥堵,基站通知控制中心该区域发生拥堵,控制中心为该区域内新到达的无人机重新规划路径,以避开拥堵区域。控制中心确定绕开拥堵区域的图论边路径备选集合,当原始最优路径发生拥堵情况时,控制中心从备选集中选出次优路线,该路线选择的准则是:1.路径不拥堵(小区内无人机数量受限);2.路径短;3.保证绕开拥堵后回到原始路径。
控制中心规划好新路径后,依次更新基站中的目标地址,沿途的基站发送下一小区中心基站方位信息给无人机,无人机据此调整飞行姿态,飞往下一小区的中心基站。
2.若目标无人机是尚未认证的非法无人机,则:
由于无人机进入辖区内,且基站未捕获到其周期上报的请求指导飞行信号,当超出最大容忍接受窗口后,判定有非法无人机进入辖区,此时,该非法无人机所处小区内基站提高探测频次,进行位置记录,并对前后两者的位置做差,再投影至平面,从而判断出无人机的飞行方向,根据不同的飞行方向,通知与之相近的相关小区基站进行航迹记录准备,经过一段时间后,使用卡尔曼预测算法对下一个探测周期时间段内无人机的位置进行估计,同时使用历史数据,对当前非法无人机的航迹进行路径拟合,具体流程如下:
(1)根据获取到的无人机历史航迹,与基站中已有的方向相关内容进行做差拟合,并将得到的结果与下一条无人机历史航迹进行协同预测(边拟合边预测),如果拟合成功(即:基本符合历史记录数据),则开启相应路径点上的区域基站的监测功能,得到持续监控,为后续控制进而干扰无人机做准备(只有了解非法无人机位置才可对其进一步控制),如果不能得到拟合,则探测记录非法无人机位置,对其进行监视。
(2)同时通过前一时刻与当前时刻探知得到的无人机位置,获得无人机的具体飞行方向与飞行速度。
本发明上述技术方案所采取的关键技术点包括:
1)将空间划分为若干立体空间,并对立体空间进行标号,将三维坐标化简为一元数,降低计算复杂度。
2)在C-RAN架构下,在时隙同步的基础上,使用RRU对目标进行多发一收的探测,实现精准定位。这里,多发一收指的是:多个RRU发送,一个无人机接收;后一个方案是一个无人机发送,若干RRU接收。
3)在C-RAN架构下,利用无人机自主全向发送广播信号,RRU周期性接收信号的方法,通过计算实现精准定位。
4)为了避免RRU盲目全向发送信号定位,在确定当前无人机位置后,使用波束赋形对紧邻分级区域进行探测定位。
5)对认证以及非认证的无人机使用基站进行发现以及追踪。
6)对已认证的无人机,首先控制中心全程指导其进行飞行,而后对于后续明确目的地的无人机,通过基站记录的历史信息指导无人机进行带有修正功能的自主飞行。
7)对于非认证的无人机,通过对其进行跟踪,使用历史数据对其进行下一步预测,通知相关方向上的基站进行跟踪。
采用本申请所提供的针对无人机的协同监测与跟踪方法,能够获得以下技术效果:
1)通过划分立体空间块降低了计算复杂度。
2)通过使用波束赋形方案,尽可能缩小了后续无人机搜索范围。
3)提出两种C-RAN架构下的无人机探测方法,满足无人机检测的快速灵活要求。
4)使用先验路径知识,减少基站与控制中心的频繁信令以及数据交互。
5)对未认证的非法无人机,能够完成精确跟踪,提前通知其路径方位的基站进行持续跟踪。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (5)
1.一种无人机协同监测与跟踪方法,其特征在于,该方法基于集中式无线接入网C-RAN,包括:
A、将监测目标空间划分为若干立体空间,并对所划分的立体空间进行编号;
B、由射频拉远单元RRU探测出无人机飞行时所处的立体空间,再使用立体空间编号对无人机进行跟踪;
所述B包括:
B11、无人机起飞后广播确认信号,如果无人机未检测到RRU发回的回应信号,则无人机返回起飞点,如果无人机接收到RRU的回应信号,则与发回了回应信号的RRU开启定时同步;
B12、参与协同监测的各RRU之间进行立体空间编号的同步,然后测算无人机的位置,并使用立体空间编号对无人机的位置进行标定;
B13、以当前无人机所处立体空间为中心,控制中心在与之相邻的立体空间所构成的区域内,根据无人机历史所处的立体空间位置,对无人机可能的运动方向上的各个立体空间进行权重赋值,并通知参与协同监测的各RRU汇聚波束使用波束赋形按照各个立体空间的权值,优先向权值大的立体空间发送探测信号,并接收无人机的回传信号,再根据回传信号进行测算以完成实时监测;
B14、当无人机发回的回传信号的信噪比即将小于可通信门限值时,RRU向控制中心回传信令,控制中心采用相应的策略,从邻近的RRU中确定下一个或几个进行接续跟踪的RRU,并通知对应的RRU执行所述B12中各RRU进行立体空间编号同步的操作,以进行接续跟踪;
或者,所述B包括:
B21、无人机起点处的RRU定期进行探查信号广播,而后进行侦听,当无人机进入探测范围时,向RRU发送回应信号,RRU接收到无人机的回应信号之后发送定时信号与无人机进行同步;
B22、参与协同监测的各RRU之间进行立体空间编号的同步,然后测算无人机的位置,并使用立体空间编号对无人机的位置进行标定;
B23、以当前无人机所处立体空间为中心,控制中心在与之相邻的立体空间所构成的区域内,根据无人机历史所处的立体空间位置,对无人机可能的运动方向上的各个立体空间进行权重赋值,并通知参与协同监测的各RRU汇聚波束使用波束赋形按照各个立体空间的权值,优先向权值大的立体空间发送探测信号,并接收无人机的回传信号,再根据回传信号进行测算以完成实时监测;
B24、当无人机发回的回传信号的信噪比即将小于可通信门限值时,RRU向控制中心回传信令,控制中心采用相应的策略,从邻近的RRU中确定下一个或几个进行接续跟踪的RRU,并通知对应的RRU执行所述B22中各RRU进行立体空间编号同步的操作,以进行接续跟踪。
2.根据权利要求1所述的方法,其特征在于:
在所述B12之前,还包括:若控制中心检测到向无人机发送回应信号的RRU的数量少于设定门限N,则通知发回了回应信号的RRU请求就近的至少N-1个RRU进行协同监测。
3.根据权利要求1所述的方法,其特征在于:
在所述B22之前,还包括:若控制中心检测到接收到无人机发送的回应信号的RRU的数量少于设定门限N,则通知接收到了回应信号的RRU请求就近的至少N-1个RRU进行协同监测。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述对无人机可能的运动方向上的各个立体空间进行权重赋值包括:
a、记录前后任意连续立体空间块中无人机所在位置及时间,将两个位置相减,得到对应时间段内无人机运动的距离以及平均运动速度矢量;
b、以当前无人机位置为原点,将运动速度矢量投影至笛卡尔坐标系;
c、以此投影数值为基准,进行赋值计算,赋值过程如下:
取距离当前时刻位置最近的两点位置延长线中最近的立体空间块,赋值为n1,其中,n1取最大值,将与该立体空间块对称的立体空间块标定为最小值1/n1;
根据投影到坐标系三轴的速度,确定当前无人机位置的水平立体空间块以及竖直立体空间块的赋值:根据速度分量之间相对数值的大小,按比例进行赋值,并将与之相对的立体空间块的赋值取分别取对应的倒数,剩余立体空间块的取值在0到所述最小值之间均匀分布。
5.根据权利要求4所述的方法,其特征在于:
若一个立体空间块内同时有至少两个赋值,则取最大者为最终赋值;
若两次检测无人机处于相同位置,则判定无人机悬停与当前立体空间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810536647.4A CN108803667B (zh) | 2018-05-30 | 2018-05-30 | 一种无人机协同监测与跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810536647.4A CN108803667B (zh) | 2018-05-30 | 2018-05-30 | 一种无人机协同监测与跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108803667A CN108803667A (zh) | 2018-11-13 |
CN108803667B true CN108803667B (zh) | 2021-04-09 |
Family
ID=64089273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810536647.4A Active CN108803667B (zh) | 2018-05-30 | 2018-05-30 | 一种无人机协同监测与跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108803667B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109656269A (zh) * | 2018-12-27 | 2019-04-19 | 上海普适导航科技股份有限公司 | 一种无人机监控系统 |
CN110492911B (zh) * | 2019-07-10 | 2021-10-15 | 鹰潭泰尔物联网研究中心 | 一种用于无人机通信的波束追踪方法与系统 |
WO2021051333A1 (en) * | 2019-09-19 | 2021-03-25 | Nokia Solutions And Networks Oy | Apparatuses and methods for unmanned aerial vehicles collision avoidance |
CN111212473B (zh) * | 2019-12-30 | 2021-04-30 | 深圳蓝奥声科技有限公司 | 一种基于无线物联网的协同定位方法和系统 |
CN111506104B (zh) * | 2020-04-03 | 2021-10-01 | 北京邮电大学 | 一种规划无人机位置的方法及装置 |
CN111443731B (zh) * | 2020-04-15 | 2021-06-18 | 北京邮电大学 | 一种无人机控制方法、装置及控制设备 |
CN112034891B (zh) * | 2020-09-21 | 2022-03-29 | 北京邮电大学 | 飞行自组网移动性控制方法和装置 |
CN113495574B (zh) * | 2021-08-18 | 2023-05-23 | 北京邮电大学 | 一种无人机群飞行的控制方法、装置 |
CN116448120B (zh) * | 2023-04-20 | 2023-10-31 | 广州天勤数字科技有限公司 | 一种基于物联网的无人机起降导航系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105451333A (zh) * | 2015-12-04 | 2016-03-30 | 京信通信技术(广州)有限公司 | 一种定位方法及其装置 |
CN106971634A (zh) * | 2017-04-28 | 2017-07-21 | 中国船舶重工集团公司第七0九研究所 | 一种基于飞行器航迹预测的空域冲突检测方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7599789B2 (en) * | 2006-05-24 | 2009-10-06 | Raytheon Company | Beacon-augmented pose estimation |
KR101584080B1 (ko) * | 2015-04-10 | 2016-01-11 | (주)코어센스 | 3차원 회전 모션센서의 가속도 신호처리 방법 |
CN104931056B (zh) * | 2015-06-23 | 2019-02-26 | 西北工业大学 | 一种应用遗传算法和编码进行三维航迹规划的优化方法 |
CN105353341B (zh) * | 2015-10-16 | 2017-07-28 | 温州大学 | 一种基于无人自主飞行器的无线传感器网络定位方法 |
CN106197426A (zh) * | 2016-06-28 | 2016-12-07 | 桂林电子科技大学 | 一种无人机应急通信路径规划方法及系统 |
-
2018
- 2018-05-30 CN CN201810536647.4A patent/CN108803667B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105451333A (zh) * | 2015-12-04 | 2016-03-30 | 京信通信技术(广州)有限公司 | 一种定位方法及其装置 |
CN106971634A (zh) * | 2017-04-28 | 2017-07-21 | 中国船舶重工集团公司第七0九研究所 | 一种基于飞行器航迹预测的空域冲突检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
集中式控制机载无线网络接入技术研究;陈皓;《中国优秀硕士论文全文数据库 工程科技II辑》;20180215(第02期);第I页 摘要 * |
Also Published As
Publication number | Publication date |
---|---|
CN108803667A (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108803667B (zh) | 一种无人机协同监测与跟踪方法 | |
Arafat et al. | A survey on cluster-based routing protocols for unmanned aerial vehicle networks | |
Meng et al. | UAV-enabled integrated sensing and communication: Opportunities and challenges | |
JP7276431B2 (ja) | 通信システム及び基地局 | |
CN108521670B (zh) | 面向多机紧密编队飞行基于uwb通信与定位方法及一体化系统 | |
RU2188518C2 (ru) | Устройство и способ переключения каналов связи для мобильной системы связи | |
CN111142883B (zh) | 基于sdn架构的车辆计算任务卸载方法 | |
US20050055417A1 (en) | Systems and methods for distributed group formation and maintenance in geographically based networks | |
US8248294B2 (en) | Method for protecting location privacy of air traffic communications | |
Masiero et al. | UAV positioning and collision avoidance based on RSS measurements | |
CN112711055B (zh) | 一种基于边缘计算的室内外无缝定位系统及方法 | |
KR102165019B1 (ko) | 군집주행 제어 시스템 및 방법 | |
KR102538867B1 (ko) | 네트워크 계획 및 제어를 위한 공중-대-지상 네트워크 파라미터들의 수동적 수집 | |
Souli et al. | Relative positioning of autonomous systems using signals of opportunity | |
CN111198567B (zh) | 一种多agv协同动态追踪方法及装置 | |
US20220352995A1 (en) | Communication system and terminal | |
Li et al. | Optimal deployment of drone base stations for cellular communication by network-based localization | |
CN112085970A (zh) | 一种空中交通防撞方法、装置及飞机 | |
CN114598988A (zh) | 运载工具的定位方法 | |
Miles et al. | Optimal trajectory determination of a single moving beacon for efficient localization in a mobile ad-hoc network | |
WO2016069593A1 (en) | Cooperative communication link mapping and classification | |
CN114371726B (zh) | 无人机空地一体化探测定位方法、装置、系统与设备 | |
Strohmeier et al. | A localization approach for crowdsourced air traffic communication networks | |
Gaydamaka et al. | Dynamic topology organization and maintenance algorithms for autonomous UAV swarms | |
Oda et al. | Position estimation of radio source based on fingerprinting with physical wireless parameter conversion sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |