CN110333480A - 一种基于聚类的单无人机多目标aoa定位方法 - Google Patents

Abstract

本发明公开了一种基于聚类的单无人机多目标AOA定位方法，包括如下步骤：(1)无人机在K个不同的位置接收多个辐射源信号，进行信号到达角估计；(2)任选两个不同位置的无人机测得的到达角信息，联立方位线方程，求出交点位置；(3)引入损失函数，计算到每个交点距离最近的D个交点的距离和；(4)将损失函数从小到大排序，找出满足损失函数之和最小且两两之间距离不小于W的N个交点，即为N个干扰源的位置估计。本发明在保持较好的定位性能的前提下，能有效解决多目标定位中角度信息与对应的辐射源难以匹配的问题，运用无监督学习中的聚类方法排除伪点，实现多目标同时定位；且仅需一架无人机即可完成，运作成本低，易于工程实现。

Description

一种基于聚类的单无人机多目标AOA定位方法

技术领域

本发明涉及多目标定位技术领域，尤其是一种基于聚类的单无人机多目标AOA定位方法。

背景技术

传统基于地面雷达系统的陆基平台，由于观测站固定，因而受地面复杂环境影响大，且灵活性很差，在实际应用中受限。因此，研究基于无人机的空基平台定位具有十分重要的现实意义。

基于单无人机的多AOA定位系统结构简单，体积小巧，仅需一架无人机即可完成定位，成本低，在实际中应用广泛。在单无人机AOA定位问题中，运动观测器用于定位固定目标。在无人机的运动轨迹线上，从不同的点进行方位测量，根据不同观测点和目标之间的方位线交点估计目标位置。但是当有多个干扰源时，除了同一干扰源到达不同观测点的方位线相交产生的有用数据点之外，不同干扰源到达观测点的方位线之间也会相交，从而产生伪点，使得现有的单目标AOA定位方法失效。因此，如何从存在伪点的数据中正确找出多个干扰源的位置是关键问题。

发明内容

本发明所要解决的技术问题在于，提供一种基于聚类的单无人机多目标AOA定位方法，运用无监督学习中的聚类方法，解决多目标定位中角度信息与对应的辐射源难以匹配的问题，排除伪点，实现多目标同时定位。

为解决上述技术问题，本发明提供一种基于聚类的单无人机多目标AOA定位方法，包括如下步骤：

(1)无人机在K个不同的位置接收多个辐射源信号，进行信号到达角估计；

(2)任选两个不同位置的无人机测得的到达角信息，联立方位线方程，求出交点位置；

(3)引入损失函数，计算到每个交点距离最近的D个交点的距离和；

(4)将损失函数从小到大排序，找出满足损失函数之和最小且两两之间距离不小于W的N个交点，即为N个干扰源的位置估计。

优选的，步骤(2)中，方位线方程为

其中，(x_i,y_i)(i＝1,2,...,K)为无人机移动的位置节点，(v_j,w_j)(j＝1,2,...,N)为干扰源的位置，K为无人机接收信号的次数，N为干扰源的个数。

优选的，步骤(3)中，损失函数为

其中，q为交点索引，d_i(i＝1,2,...D)为与第q个交点距离最近的第i个交点的距离，D为一预先人为设定的参数，与K和测向误差有关，且满足D≤K(K-1)/2。

优选的，步骤(4)中，将损失函数小到大排序，得到

其中，且对应的交点位置为第1个干扰源位置；假设对应的交点位置为第m(1＜m≤N)个干扰源位置，计算它与前m-1个干扰源的距离；若存在与它距离小于W的干扰源，则j＝j+1，再次计算；若它与前m-1个干扰源的距离均大于W，则对应的交点位置即为第m个干扰源位置；其中，W为一人为设定的参数，与干扰源的分布密度有关。

本发明的有益效果为：在保持较好的定位性能的前提下，本发明能有效解决多目标定位中角度信息与对应的辐射源难以匹配的问题，运用无监督学习中的聚类方法排除伪点，实现多目标同时定位；且仅需一架无人机即可完成，运作成本低，易于工程实现。

附图说明

图1为本发明的方法流程示意图。

图2为本发明的单无人机多目标AOA定位场景示意图。

图3为本发明的定位散点示意图。

图4为本发明方法随角度误差减小的定位性能示意图。

具体实施方式

如图1所示，一种基于聚类的单无人机多目标AOA定位方法，包括如下步骤：

(1)无人机在K个不同的位置接收多个辐射源信号，进行信号到达角估计；

(2)任选两个不同位置的无人机测得的到达角信息，联立方位线方程，求出交点位置；

(3)引入损失函数，计算到每个交点距离最近的D个交点的距离和；

(4)将损失函数从小到大排序，找出满足损失函数之和最小且两两之间距离不小于W的N个交点，即为N个干扰源的位置估计。

具体实现如下：

步骤1：接收多个辐射源信号，进行信号到达角估计：

考虑如图2所示的定位场景，以无人机的初始位置为原点建立直角坐标系。假设无人机移动的K个位置节点为p_i＝[x_i,y_i]^T,i＝1,...,K，N个辐射源位置为u_j＝[v_j,w_j]^T,j＝1,...,N。无人机在第i个位置测得的一组信号到达角为{θ_1i,θ_2i,...,θ_Ni},i＝1,2,...,K。

步骤2：任选两个不同位置的无人机测得的到达角信息，求解交点位置：

根据步骤1得到的信号到达角测量值{θ_1i,θ_2i,...,θ_Ni},i＝1,2,...,K，可得无人机在第i个位置的方位角测量值确定的N条方位线为

显然，无人机经过K个位置后，可以得到KN条不同的方位线。假设选取其中第i个位置测得的角度θ_ai和第j个位置测得的角度θ_bj，则确定的两条方位线为

其中，i≠j。求解方程，可得交点坐标为

步骤3：引入损失函数，计算到每个交点距离最近的D个交点的距离和：

步骤2中得到的交点个数为KN(K-1)N/2，其中正确的干扰源位置估计点个数为KN(K-1)/2。为了找出真实的干扰源位置估计点，引入损失函数

其中，q为交点索引，d_i(i＝1,2,...D)为与第q个交点距离最近的D个交点的距离，D为一预先设定的参数，且满足D≤K(K-1)/2。

步骤4：将损失函数从小到大排序，得到第一个辐射源的位置估计，找出满足损失函数之和最小且两两之间距离不小于W的N个交点，得到N个干扰源的位置估计：

将步骤3得到的损失函数L(q)从小到大排序，得到

其中，且对应的交点位置为第1个干扰源位置。

设定一个阈值W，假设对应的交点位置为第m(1＜m≤N)个干扰源位置，计算它与前m-1个干扰源的距离。若存在与它距离小于W的干扰源，则j＝j+1，再次计算。若它与前m-1个干扰源的距离均大于W，则对应的交点位置即为第m个干扰源位置。重复上述过程，直到找出第N个干扰源的位置估计。

图3为本发明所述方法在角度误差为0.5时的干扰源位置估计散点图。无人机移动的位置节点分别为(0,0),(-500,-500),(-500,500),(500,-500),(500,500)，单位为m。辐射源的位置为在边界为正负1000米的正方形区域中随机选取，辐射源个数为3。每架无人机挂载一个阵元数为4的均匀线阵。由图可以看出，本发明可有效实现多辐射源位置同时定位。

图4为本发明所述方法随角度误差减小的定位性能图，仿真参数设置为：无人机移动的位置节点分别为(0,0),(-500,-500),(-500,500),(500,-500),(500,500)，单位为m。辐射源的位置为在边界为正负1000米的正方形区域中随机选取，辐射源个数为3。角度误差设置如图4所示。由图可以看出，随着角度误差的减小，本发明的定位误差明显减小，且三个辐射源都具有较低的定位误差。

Claims (4)

1.一种基于聚类的单无人机多目标AOA定位方法，其特征在于，包括如下步骤：

(1)无人机在K个不同的位置接收多个辐射源信号，进行信号到达角估计；

(2)任选两个不同位置的无人机测得的到达角信息，联立方位线方程，求出交点位置；

(3)引入损失函数，计算到每个交点距离最近的D个交点的距离和；

(4)将损失函数从小到大排序，找出满足损失函数之和最小且两两之间距离不小于W的N个交点，即为N个干扰源的位置估计。

2.如权利要求1所述的基于聚类的单无人机多目标AOA定位方法，其特征在于，步骤(2)中，方位线方程为

其中，(x_i,y_i)(i＝1,2,...,K)为无人机移动的位置节点，(v_j,w_j)(j＝1,2,...,N)为干扰源的位置，K为无人机接收信号的次数，N为干扰源的个数。

3.如权利要求1所述的基于聚类的单无人机多目标AOA定位方法，其特征在于，步骤(3)中，损失函数为

其中，q为交点索引，d_i(i＝1,2,...D)为与第q个交点距离最近的第i个交点的距离，D为一预先人为设定的参数，与K和测向误差有关，且满足D≤K(K-1)/2。

4.如权利要求1所述的基于聚类的单无人机多目标AOA定位方法，其特征在于，步骤(4)中，将损失函数小到大排序，得到

其中，且对应的交点位置为第1个干扰源位置；假设对应的交点位置为第m(1＜m≤N)个干扰源位置，计算它与前m-1个干扰源的距离；若存在与它距离小于W的干扰源，则j＝j+1，再次计算；若它与前m-1个干扰源的距离均大于W，则对应的交点位置即为第m个干扰源位置；其中，W为一人为设定的参数，与干扰源的分布密度有关。