CN110333480B - 一种基于聚类的单无人机多目标aoa定位方法 - Google Patents

一种基于聚类的单无人机多目标aoa定位方法 Download PDF

Info

Publication number
CN110333480B
CN110333480B CN201910565417.5A CN201910565417A CN110333480B CN 110333480 B CN110333480 B CN 110333480B CN 201910565417 A CN201910565417 A CN 201910565417A CN 110333480 B CN110333480 B CN 110333480B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
intersection point
distance
clustering
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
Application number
CN201910565417.5A
Other languages
English (en)
Other versions
CN110333480A (zh
Inventor
李建峰
何益
张小飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201910565417.5A priority Critical patent/CN110333480B/zh
Publication of CN110333480A publication Critical patent/CN110333480A/zh
Application granted granted Critical
Publication of CN110333480B publication Critical patent/CN110333480B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

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
Figure BDA0002109438670000021
其中，(xi,yi)(i＝1,2,...,K)为无人机移动的位置节点，(vj,wj)(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
Figure BDA0002109438670000022
其中，q为交点索引，di(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
Figure BDA0002109438670000023
其中，
Figure BDA0002109438670000024
且
Figure BDA0002109438670000025
对应的交点位置为第1个干扰源位置；假设
Figure BDA0002109438670000026
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
Figure BDA0002109438670000027
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pi＝[xi,yi]T,i＝1,...,K，N个辐射源位置为uj＝[vj,wj]T,j＝1,...,N。无人机在第i个位置测得的一组信号到达角为{θ1i,θ2i,...,θNi},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{θ1i,θ2i,...,θNi},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
Figure BDA0002109438670000031
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θai和第j个位置测得的角度θbj，则确定的两条方位线为
Figure BDA0002109438670000032
其中，i≠j。求解方程，可得交点坐标为
Figure BDA0002109438670000033
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
Figure BDA0002109438670000041
其中，q为交点索引，di(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
Figure BDA0002109438670000042
其中，
Figure BDA0002109438670000043
且
Figure BDA0002109438670000044
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
Figure BDA0002109438670000045
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
Figure BDA0002109438670000046
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 (3)

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；损失函数为
Figure FDA0003844603900000011
其中，q为交点索引，di为与第q个交点距离最近的第i个交点的距离，i＝1,2,...D，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)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，N为干扰源的个数，W为一人为设定的参数，与干扰源的分布密度有关。
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
Figure FDA0003844603900000012
其中，(xi,yi)为无人机移动的位置节点，i＝1,2,…,K，(vj,wj)为干扰源的位置，j＝1,2,...,N，K为无人机接收信号的次数。
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(4)中，将损失函数小到大排序，得到
Figure FDA0003844603900000013
其中，
Figure FDA0003844603900000014
且
Figure FDA0003844603900000015
对应的交点位置为第1个干扰源位置；假设
Figure FDA0003844603900000016
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
Figure FDA0003844603900000021
对应的交点位置即为第m个干扰源位置。
CN201910565417.5A 2019-06-27 2019-06-27 一种基于聚类的单无人机多目标aoa定位方法 Active CN110333480B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910565417.5A CN110333480B (zh) 2019-06-27 2019-06-27 一种基于聚类的单无人机多目标aoa定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910565417.5A CN110333480B (zh) 2019-06-27 2019-06-27 一种基于聚类的单无人机多目标aoa定位方法

Publications (2)

Publication Number Publication Date
CN110333480A CN110333480A (zh) 2019-10-15
CN110333480B true CN110333480B (zh) 2022-12-06

Family

ID=68143451

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910565417.5A Active CN110333480B (zh) 2019-06-27 2019-06-27 一种基于聚类的单无人机多目标aoa定位方法

Country Status (1)

Country Link
CN (1) CN110333480B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113009414B (zh) * 2019-12-20 2024-03-19 中移(成都)信息通信科技有限公司 信号源位置确定方法、装置、电子设备及计算机存储介质
CN111812582B (zh) * 2020-06-23 2023-09-29 南京航空航天大学 一种基于分布式无人机移动监测的干扰源直接定位方法
CN112269160A (zh) * 2020-12-17 2021-01-26 南京航空航天大学 一种基于无人机装载嵌套阵的多信源直接定位方法
CN113281788B (zh) * 2021-05-26 2022-01-18 国网江苏省电力有限公司电力科学研究院 一种基于传播算子的北斗导航系统干扰源直接定位方法
CN114142954B (zh) * 2021-12-10 2022-10-14 上海交通大学 应用于多干扰源检测与定位的无人机方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019103258A1 (ko) * 2017-11-23 2019-05-31 가천대학교산학협력단 실내 무선 측위 방법, 장치 및 컴퓨터 판독가능 기록 매체
CN108363041B (zh) * 2018-02-02 2020-04-10 浙江大学 基于k均值聚类迭代的无人机声源定位方法
CN109239657A (zh) * 2018-09-05 2019-01-18 南京航空航天大学 装载嵌套阵无人机平台下的辐射源高精度定位方法
CN109633695A (zh) * 2019-01-10 2019-04-16 浙江大学 一种无人机对卫导干扰机的主动定位方法

Also Published As

Publication number Publication date
CN110333480A (zh) 2019-10-15

Similar Documents

Publication Publication Date Title
CN110333480B (zh) 一种基于聚类的单无人机多目标aoa定位方法
CN108696932B (zh) 一种利用csi多径及机器学习的室外指纹定位方法
CN110673090B (zh) 基于dbscan的无源多站多目标定位方法
CN101770024A (zh) 多目标跟踪方法
CN110441732B (zh) 一种陌生散射环境中的单站多目标定位方法
CN111079859A (zh) 一种无源多站多目标测向交叉定位与虚假点去除方法
CN108896957A (zh) 一种无人机操控信号源的定位系统及方法
CN105787081B (zh) 一种基于辐射源空间位置的辐射平台关联方法
CN112689775A (zh) 雷达点云聚类方法和装置
CN111352087A (zh) 基于dbscan的被动mimo雷达多目标定位方法
RU2608583C1 (ru) Способ определения местоположения и параметров движения объекта по измерениям угловых координат
CN109031314A (zh) 一种面向声速剖面的水下节点定位方法
CN113794983B (zh) 一种基于非线性几何约束优化的多目标室内定位方法
CN110596639A (zh) 车辆跟踪定位方法、信息标记方法、系统及控制终端
Kirubarajan et al. Tracking ground targets with road constraints using an IMM estimator
CN111263295B (zh) 一种wlan室内定位方法和装置
CN108562893A (zh) 一种外辐射源雷达多站混合跟踪方法
CN109799477B (zh) 一种面向毫米波车联网的序贯车辆指纹定位方法及装置
CN115079089A (zh) 一种基于差分校正的非合作无人机精确定位方法与装置
CN110687502B (zh) 一种基于最小二乘定位的短波测向数据集标注方法
CN114763998A (zh) 基于微型雷达阵列的未知环境并行导航方法和系统
CN114173281A (zh) 室内nlos环境下基于toa的定位系统信标节点的优化布局方法
CN112050829B (zh) 一种运动状态确定方法及装置
CN111382830A (zh) 一种基于混合粒子群算法的信号到达角度估计方法和装置
CN111366921A (zh) 基于距离加权融合的双站雷达交叉定位方法、系统及介质

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