CN109738864A - 一种基于多无人机的定位方法及系统 - Google Patents

Abstract

本发明公开了一种基于多无人机的定位方法及系统，方法包括：确定定位到的初始目标位置；通过多架无人机搭载定位系统，根据初始目标位置进行多次定位，得到辐射源的最终定位位置。本发明通过多架无人机搭载定位系统，能够在定位的过程中同时优化无人机的定位路径，提高了定位精度。

Description

一种基于多无人机的定位方法及系统

技术领域

本发明涉及定位技术领域，尤其涉及一种基于多无人机的定位方法及系统。

背景技术

当前，电磁辐射源定位在众多领域都有着广泛的应用需求，例如搜索和救援失事飞机和船只，定位非法干扰的地点——主要对无线电管理委员会管理违法电台，以及在反恐监控、部队安全保障等诸多方面。

针对电磁辐射源的目标定位技术主要包括到达角度(Angel of Arrival，AOA)、达到时间差(Time Difference of Arrival，TDOA)和接收信号强度指示(Receive SignalStrength Indication，RSSI)等。其中，AOA测向设备对单站系统的复杂性有一定要求，而基于RSSI的定位技术在距离较远时误差较大。TDOA技术除对系统时统精度有较高要求外，在定位精度和设备复杂度方面相较与前两者都有着较为明显的优势，而随着GPS和北斗授时系统的不断小型化，分布式TDOA系统的时统也不再是问题。非视距问题和站点几何位置的影响，是目前限制TDOA手段定位精度提升的最主要因素。特别是在城市环境下的应用，不仅要考虑天线高度以尽量避免遮挡，还要考虑布站的几何关系以获得最佳的控守区域，往往以上两者难以兼顾。

因此，如何提升电磁辐射源的定位效果是一项亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种基于多无人机的定位方法，通过多架无人机搭载定位系统，能够在定位的过程中同时优化无人机的定位路径，提高了定位精度。

本发明提供了一种基于多无人机的定位方法，包括：

确定定位到的初始目标位置；

通过多架无人机搭载定位系统，根据所述初始目标位置进行多次定位，得到辐射源的最终定位位置。

优选地，所述通过多架无人机搭载定位系统，根据所述初始目标位置进行再次定位，得到辐射源的最终定位位置包括：

通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置，根据所述初始目标位置进行再次定位，得到辐射源的最终定位位置。

优选地，所述通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置，根据所述初始目标位置进行再次定位，得到辐射源的最终定位位置包括：

通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置；

根据所述初始目标位置，采用谨慎搜索算法进行多次定位，直至变量值小于等于设定的阈值时，得到辐射源的最终定位位置。

优选地，所述通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置，根据所述初始目标位置进行再次定位，得到辐射源的最终定位位置包括：

通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置；

根据所述初始目标位置，采用贪婪搜索算法进行多次定位，直至变量值小于等于设定的阈值时，得到辐射源的最终定位位置。

一种基于多无人机的定位系统，包括：

第一定位模块，用于确定定位到的初始目标位置；

第二定位模块，用于通过多架无人机搭载定位系统，根据所述初始目标位置进行多次定位，得到辐射源的最终定位位置。

优选地，所述第二定位模块在执行通过多架无人机搭载定位系统，根据所述初始目标位置进行多次定位，得到辐射源的最终定位位置时，具体用于：

通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置，根据所述初始目标位置进行再次定位，得到辐射源的最终定位位置。

优选地，所述第二定位模块在执行通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置，根据所述初始目标位置进行再次定位，得到辐射源的最终定位位置时，具体用于：

通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置；

根据所述初始目标位置，采用谨慎搜索算法进行多次定位，直至变量值小于等于设定的阈值时，得到辐射源的最终定位位置。

优选地，所述第二定位模块在执行通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置，根据所述初始目标位置进行再次定位，得到辐射源的最终定位位置时，具体用于：

通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置；

根据所述初始目标位置，采用贪婪搜索算法进行多次定位，直至变量值小于等于设定的阈值时，得到辐射源的最终定位位置。

综上所述，本发明公开了一种基于多无人机的定位方法，当需要对辐射源进行精确定位时，首先确定定位到的初始目标位置，然后通过多架无人机搭载定位系统，根据初始目标位置进行多次定位，得到辐射源的最终定位位置。本发明通过多架无人机搭载定位系统，能够在定位的过程中同时优化无人机的定位路径，提高了定位精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明公开的一种基于多无人机的定位方法实施例1的流程图；

图2为本发明公开的一种基于多无人机的定位方法实施例2的流程图；

图3为本发明公开的一种基于多无人机的定位方法实施例3的流程图；

图4为本发明公开的一种基于多无人机的定位系统实施例1的结构示意图；

图5为本发明公开的一种基于多无人机的定位系统实施例2的结构示意图；

图6为本发明公开的一种基于多无人机的定位系统实施例3的结构示意图；

图7(a)为本发明公开的无人机距离目标源较远的概率密度函数仿真图；

图7(b)为本发明公开的无人机距离目标源较近的概率密度函数仿真图；

图8为本发明公开的不同飞行算法下的最短路径变化示意图；

图9为本发明公开的不同时差测量精度下的最短路径变化示意图；

图10为本发明公开的相同飞行总路径下的定位精度比较示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在对本发明实施例进行详细说明前，首先对模型假设进行说明，具体如下：

假设一共有m架无人机，第k时刻第i架无人机的位置为： 目标辐射源的位置为：θ^*＝[x,y]^T。其中，用表示真实值，用表示含有噪声的值。则第i架无人机到目标辐射源的距离为：

在第k时刻，目标辐射源到达第1架无人机和第i架无人机的时间差为：其中c为光速，则令表示为真实的距离差的集合。则观测到的距离差为：

h^k(θ)＝h^*k(θ^*)+Δr (2)

θ表示测量出的辐射源的位置坐标。式(2)中的误差Δr服从标准正态分布规律N(0,R)，其中为测量噪声协方差矩阵。测量噪声协方差矩阵中的协方差是与目标源的距离有关，是关于真实距离d的函数。在相同的信道环境下，假设接收机的噪声功率是恒定的，则当目标源与无人机距离越近时，信号的接收功率越大，则接收到的信号的信噪比越高。其中，方差与信噪比的关系为：

在式(3)中，γ为转发信号进入接收信道的信噪比，B为所处理信号的有效带宽，T为所处理信号的相关积累时间。同时，功率与距离的关系为：P_r＝P₀-10αlgd，其中，接收功率为P_r，发射功率为P₀，α在自由空间中的取值为2。因此，当距离越远时，信号的接收功率就越小，在保持接收机的噪声功率恒定时，接收到的信号的信噪比就会越低。

综上，(2)式服从正态分布：h^k(θ)-h^*k(θ)～N(0,R)，那么其概率密度函数为：

其对数似然函数为：

利用已给定条件，由此可推导出Fisher信息矩阵：

其中：

另外，关于辐射源目标位置的概率密度函数为：

为目标的真实位置坐标。因此当利用m架无人机进行实验时，随机变量的协方差矩阵为：

其中ρ为互相关系数，因为x与y是相互独立的，因此ρ在这里取0。此时，这个协方差矩阵由估计子确定。在本文中，利用费舍尔信息矩阵的逆矩阵来定义(9)式的协方差矩阵。其中协方差矩阵中的方差采用所有无偏估计子所能达到的最低方差也就是用Cramer-Rao下界来表示，利用它可以定义最优也就是最有效的估计子。对于这种多个参数存在的情况，Cramer-Rao不等式变为矩阵不等式：∑≥J^-1(h)，式中∑为最小方差，J^-1(h)是无偏估计子所能达到的最小方差的下限。而J^-1(h)为Fisher信息矩阵J(h)的逆矩阵。综上，利用式(6)(7)推导出的Fisher信息矩阵，可以得到J^-1(h)，用J^-1(h)作为协方差矩阵C的最佳估计值。

对(8)式的概率密度函数作如下仿真，如图7(a)和7(b)所示。

由概率密度分布图可以看出，式(8)中的概率密度函数分布由无人机的位置和目标的位置决定。在无人机逐渐靠近目标源的过程中，概率密度分布有明显的变化。式(8)可以解释为目标位置的最优估计值关于真实值的概率分布，考虑在第k时刻定位的均方误差的期望为：

E((r_i ^k)²|s₁,…,s_m)＝∫∫||s-μ||²f(s|s₁,...,s_m)ds (10)

E((r_i ^k)²|s₁,...,s_m)是第k时刻定位的均方误差的期望的下界，其中k＝1,2,…,K，该下界是关于无人机位置的函数，因此对飞行目标位置的求解转化为如下目标函数的优化问题:

又因为：

因此，目标函数简化为：

考虑到无人机飞行过程中出于接收功率限制、隐蔽探测等原因不能无限接近目标，应有约束条件：

min(r_i ^k)≥d，i＝1,2,...,m (14)

综上，优化目标为：

(15)式是在一次测量条件下获得的无人机最优位置估计，这为无人机下一时刻的飞行目的地提供了依据，设任意时刻获得一次关于目标的位置估计L，由L更新(15)式，得到新的目标函数，求解该目标函数获得无人机当前应处于的最佳位置点，以此类推，直到当小于预设阈值时结束定位过程。如前文所述，考虑到无人机的续航能力，所以要求在达到定位精度的同时要求飞行距离尽量的短，因此，在任意时刻，虽然获得了无人机关于目标定位的最佳位置，但需要考虑整体飞行距离最短的约束，此时，每一步的飞行距离转化为一个决策问题，即如何选择每一步的飞行路线，使得在达到定位精度要求的同时，总的飞行路径最短。

假设无人机飞行速度恒定且沿直线飞行，设存在关于时间的n个随机变量t₁,t₂,...,t_n，上述问题就转化为：当无人机在完成当前定位之后，如何选择飞行时间Δt_i＝t_i-t_i-1，i＝1,2,...,n来进行下一次定位，使得在达到预定精度的同时，最短，其中i＝1,2,...,n。

如图1所示，为本发明公开的一种基于多无人机的定位方法实施例1的流程图，所述方法可以包括以下步骤：

S101、确定定位到的初始目标位置；

在定位到初始目标位置后，多架无人机沿直线向初始定位目标移动，在理想条件下，接收站包围目标并呈等角布站是时差定位最优布站形式，因此在本发明考虑以等边三角形的形状包围初始目标位置，进行二次定位。

S102、通过多架无人机搭载定位系统，根据初始目标位置进行多次定位，得到辐射源的最终定位位置。

包围初始的定位位置后，为了得到最短的路径，计算出将正三角形绕定位点进行旋转，能使路径最短的包围角度。根据约束可以得出无人机的位置坐标，然后控制无人机以最短移动距离包围辐射源。而无人机的初始位置与目标源的距离的远近对定位性能也会产生一定的影响。如果本来无人机的位置与辐射源的位置距离比较远，则需要多次移动无人机，来得到最精确的辐射源坐标。

综上所述，在上述实施例中，当需要对辐射源进行精确定位时，首先确定定位到的初始目标位置，然后通过多架无人机搭载定位系统，根据初始目标位置进行多次定位，得到辐射源的最终定位位置。本发明通过多架无人机搭载定位系统，能够在定位的过程中同时优化无人机的定位路径，提高了定位精度。

如图2所示，为本发明公开的一种基于多无人机的定位方法实施例2的流程图，所述方法可以包括以下步骤：

S201、确定定位到的初始目标位置；

在定位到初始目标位置后，多架无人机沿直线向初始定位目标移动，在理想条件下，接收站包围目标并呈等角布站是时差定位最优布站形式，因此在本发明考虑以等边三角形的形状包围初始目标位置，进行二次定位。

S202、通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置；根据初始目标位置，采用谨慎搜索算法进行多次定位，直至变量值小于等于设定的阈值时，得到辐射源的最终定位位置。

谨慎型搜索模式：三架无人机从同一点出发，进行第一次定位后，计算最短路径，飞行最短路径的一段距离，接着进行第二次定位，并得到比第一次定位结果更精确的辐射源位置，再计算最短路径，飞行最短路径的一段距离，接着进行第三次定位，并重复之前的步骤，直到σ_x+σ_y小于等于设定的阈值时停止，得到精确的辐射源位置。

具体的，谨慎搜索算法包括以下步骤：

Step 1：无人机进行第一次定位，无人机的几何中心位置为center¹，并得到辐射源的第一次估计坐标location¹；

Step 2：a、无人机初始位置与目标源的距离大于d₀。

飞行t₁时刻，而t₁满足：式中δ为衰减因子，其范围为5～10，可以得到新的位置center²。

b、无人机初始位置与目标源的距离小于等于d₀。在得到第一次估计坐标location¹后，直接飞行至location¹处；

Step 3：重复Step 1，状态更新，得到新的辐射源的估计坐标location²，并重复Step 2；

Step 4：当小于等于预设阈值时，定位迭代结束，输出辐射源坐标locationⁿ。

在上述算法中，当衰减因子δ＝1时，k的值等于1，此时可以看成无人机在完成当前定位任务后，直接飞往当前定出的坐标点，从而来进行下一次的定位。

如图3所示，为本发明公开的一种基于多无人机的定位方法实施例3的流程图，所述方法可以包括以下步骤：

S301、确定定位到的初始目标位置；

在定位到初始目标位置后，多架无人机沿直线向初始定位目标移动，在理想条件下，接收站包围目标并呈等角布站是时差定位最优布站形式，因此在本发明考虑以等边三角形的形状包围初始目标位置，进行二次定位。

S302、通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置；根据初始目标位置，采用贪婪搜索算法进行多次定位，直至变量值小于等于设定的阈值时，得到辐射源的最终定位位置。

贪婪型搜索模式：三架无人机从同一点出发，进行第一次定位，按最短的路径直接飞到定位的坐标点的周围并用正三角形的形式包围，接着继续进行后续的辐射源位置的迭代更新，直到σ_x+σ_y的值小于等于预设阈值时停止。

具体的，贪婪搜索算法包括以下步骤：

Step 1：无人机进行第一次定位，无人机的几何中心位置为center¹，并得到辐射源的第一次估计坐标location¹；

Step 2：无人机以最短路径直接飞行至初始坐标location¹，重复Step 1，状态更新，此时几何中心位置为center²，得到新的目标辐射源估计坐标location²；

Step 3：当小于等于预设阈值时，定位迭代结束，输出辐射源坐标locationⁿ。

综上所述，本发明将定位的设备携带到空中，在空间各个站点之间接收地面目标辐射源的辐射信号。通过利用对基于克拉美罗下界的概率密度分布的分析，可以在提高了定位精度同时降低计算的复杂度，另外突出了隐蔽，便于携带的优点。这里采用三架无人机来进行实验，三架无人机从同一点开始出发，辐射源的位置分别设在距离无人机初始点位置较近(500m)与较远的点(2500m)。

设三架无人机都从同一点起飞。利用无人机总的飞行的最短路径来比较和验证两种方法的应用范围，仿真结果如图8所示。由图8可以看出，在距离越来越远时，两种方法的总路径都在逐渐增大。然而，在距离增大的过程中，两条线逐渐相交，这说明随着距离的增大，谨慎型飞行算法逐渐比贪婪型算法的飞行路径更短，更有利于节省能耗。

在这个仿真中，采用谨慎型飞行算法，对时延的误差分别增加10ns、30ns和60ns，可以对不同时差测量精度时的理论定位精度进行分析，仿真结果如图9所示。由图9可以看出，在该仿真条件下，随着测量精度的变差，可以导致理论的定位精度也随之变差，因此得到最直接的结果就是造成路径的增大。

在这个仿真中，假设无人机的初始位置是固定的，且距离目标源25公里，则在两种不同算法下，当无人机的飞行限制路径即飞行的总路径相同时，定位精度的比较结果如下图10所示。由仿真图10可以看出，当限定飞行的总路径远小于无人机初始位置与目标源之间的距离的时候，两种方法执行后的无人机仍然距离目标源较远，因此两种方法的定位精度都较低。然而随着飞行总路径的逐渐增大，两种方法下的定位精度都逐渐增高，且由于谨慎型飞行算法较大程度的避免错误飞行路线，因此它的定位精度比贪婪型飞行算法的定位精度高，假设无人机没有飞行总路径的限制，两者的定位精度最终将趋向一致。

如图4所示，为本发明公开的一种基于多无人机的定位系统实施例1的结构示意图，所述系统可以包括：

第一定位模块401，用于确定定位到的初始目标位置；

在定位到初始目标位置后，多架无人机沿直线向初始定位目标移动，在理想条件下，接收站包围目标并呈等角布站是时差定位最优布站形式，因此在本发明考虑以等边三角形的形状包围初始目标位置，进行二次定位。

第二定位模块402，用于通过多架无人机搭载定位系统，根据初始目标位置进行多次定位，得到辐射源的最终定位位置。

包围初始的定位位置后，为了得到最短的路径，计算出将正三角形绕定位点进行旋转，能使路径最短的包围角度。根据约束可以得出无人机的位置坐标，然后控制无人机以最短移动距离包围辐射源。而无人机的初始位置与目标源的距离的远近对定位性能也会产生一定的影响。如果本来无人机的位置与辐射源的位置距离比较远，则需要多次移动无人机，来得到最精确的辐射源坐标。

综上所述，在上述实施例中，当需要对辐射源进行精确定位时，首先确定定位到的初始目标位置，然后通过多架无人机搭载定位系统，根据初始目标位置进行多次定位，得到辐射源的最终定位位置。本发明通过多架无人机搭载定位系统，能够在定位的过程中同时优化无人机的定位路径，提高了定位精度。

如图5所示，为本发明公开的一种基于多无人机的定位系统实施例2的结构示意图，所述系统可以包括：

第一定位模块501，用于确定定位到的初始目标位置；

在定位到初始目标位置后，多架无人机沿直线向初始定位目标移动，在理想条件下，接收站包围目标并呈等角布站是时差定位最优布站形式，因此在本发明考虑以等边三角形的形状包围初始目标位置，进行二次定位。

第二定位模块502，用于通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置；根据初始目标位置，采用谨慎搜索算法进行多次定位，直至变量值小于等于设定的阈值时，得到辐射源的最终定位位置。

谨慎型搜索模式：三架无人机从同一点出发，进行第一次定位后，计算最短路径，飞行最短路径的一段距离，接着进行第二次定位，并得到比第一次定位结果更精确的辐射源位置，再计算最短路径，飞行最短路径的一段距离，接着进行第三次定位，并重复之前的步骤，直到σ_x+σ_y小于等于设定的阈值时停止，得到精确的辐射源位置。

具体的，谨慎搜索算法包括以下步骤：

Step 1：无人机进行第一次定位，无人机的几何中心位置为center¹，并得到辐射源的第一次估计坐标location¹；

Step 2：a、无人机初始位置与目标源的距离大于d₀。

飞行t₁时刻，而t₁满足：式中δ为衰减因子，其范围为5～10，可以得到新的位置center²。

b、无人机初始位置与目标源的距离小于等于d₀。在得到第一次估计坐标location¹后，直接飞行至location¹处；

Step 3：重复Step 1，状态更新，得到新的辐射源的估计坐标location²，并重复Step 2；

Step 4：当小于等于预设阈值时，定位迭代结束，输出辐射源坐标locationⁿ。

在上述算法中，当衰减因子δ＝1时，k的值等于1，此时可以看成无人机在完成当前定位任务后，直接飞往当前定出的坐标点，从而来进行下一次的定位。

如图6所示，为本发明公开的一种基于多无人机的定位系统实施例3的结构示意图，所述系统可以包括：

第一定位模块601，用于确定定位到的初始目标位置；

在定位到初始目标位置后，多架无人机沿直线向初始定位目标移动，在理想条件下，接收站包围目标并呈等角布站是时差定位最优布站形式，因此在本发明考虑以等边三角形的形状包围初始目标位置，进行二次定位。

第二定位模块602，用于通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置；根据初始目标位置，采用贪婪搜索算法进行多次定位，直至变量值小于等于设定的阈值时，得到辐射源的最终定位位置。

贪婪型搜索模式：三架无人机从同一点出发，进行第一次定位，按最短的路径直接飞到定位的坐标点的周围并用正三角形的形式包围，接着继续进行后续的辐射源位置的迭代更新，直到σ_x+σ_y的值小于等于预设阈值时停止。

具体的，贪婪搜索算法包括以下步骤：

Step 1：无人机进行第一次定位，无人机的几何中心位置为center¹，并得到辐射源的第一次估计坐标location¹；

Step 2：无人机以最短路径直接飞行至初始坐标location¹，重复Step 1，状态更新，此时几何中心位置为center²，得到新的目标辐射源估计坐标location²；

Step 3：当小于等于预设阈值时，定位迭代结束，输出辐射源坐标locationⁿ。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于多无人机的定位方法，其特征在于，包括：

确定定位到的初始目标位置；

通过多架无人机搭载定位系统，根据所述初始目标位置进行多次定位，得到辐射源的最终定位位置。

2.根据权利要求1所述的方法，其特征在于，所述通过多架无人机搭载定位系统，根据所述初始目标位置进行再次定位，得到辐射源的最终定位位置包括：

通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置，根据所述初始目标位置进行再次定位，得到辐射源的最终定位位置。

3.根据权利要求2所述的方法，其特征在于，所述通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置，根据所述初始目标位置进行再次定位，得到辐射源的最终定位位置包括：

通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置；

根据所述初始目标位置，采用谨慎搜索算法进行多次定位，直至变量值小于等于设定的阈值时，得到辐射源的最终定位位置。

4.根据权利要求2所述的方法，其特征在于，所述通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置，根据所述初始目标位置进行再次定位，得到辐射源的最终定位位置包括：

通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置；

根据所述初始目标位置，采用贪婪搜索算法进行多次定位，直至变量值小于等于设定的阈值时，得到辐射源的最终定位位置。

5.一种基于多无人机的定位系统，其特征在于，包括：

第一定位模块，用于确定定位到的初始目标位置；

第二定位模块，用于通过多架无人机搭载定位系统，根据所述初始目标位置进行多次定位，得到辐射源的最终定位位置。

6.根据权利要求5所述的系统，其特征在于，所述第二定位模块在执行通过多架无人机搭载定位系统，根据所述初始目标位置进行多次定位，得到辐射源的最终定位位置时，具体用于：

通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置，根据所述初始目标位置进行再次定位，得到辐射源的最终定位位置。

7.根据权利要求6所述的系统，其特征在于，所述第二定位模块在执行通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置，根据所述初始目标位置进行再次定位，得到辐射源的最终定位位置时，具体用于：

通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置；

根据所述初始目标位置，采用谨慎搜索算法进行多次定位，直至变量值小于等于设定的阈值时，得到辐射源的最终定位位置。

8.根据权利要求6所述的系统，其特征在于，所述第二定位模块在执行通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置，根据所述初始目标位置进行再次定位，得到辐射源的最终定位位置时，具体用于：

通过三架无人机搭载定位系统，以等边三角形的形状包围所述初始目标位置；

根据所述初始目标位置，采用贪婪搜索算法进行多次定位，直至变量值小于等于设定的阈值时，得到辐射源的最终定位位置。