CN110515038A - 一种基于无人机-阵列的自适应无源定位装置及实现方法 - Google Patents

Abstract

本发明公开了一种基于无人机‑阵列的自适应无源定位装置及实现方法。该装置包括M架无人机，集成阵列模块、信号处理模块、数据存储模块、通信模块，M架无人机在空中任意排列组成分布式无源定位系统，每架无人机上集成一个均匀线阵用于接收目标源辐射的电磁信号。实现方法的步骤为：各无人机分别采集初始接收信号，利用天线阵列的结构特性对接收到的数据进行信号到达角估计；利用无人机的机动性，自适应调整无人机姿态，重建接收信号模型；各无人机同步采集二次接收信号，根据重建的接收信号模型进行到达时间差估计；根据时间差估计值进行最终的辐射源定位。本发明将角度信息和到达时间差信息更好的结合，解决了在低信噪比下定位性能迅速降低的问题。

Description

一种基于无人机-阵列的自适应无源定位装置及实现方法

技术领域

本发明涉及一种基于无人机-阵列的自适应无源定位装置及实现方法，属于阵列信号处理领域。

背景技术

在辐射源定位问题中，无源定位系统由于其隐蔽性好、抗干扰能力强被广泛应用。然而，实际环境的多样性以及硬件条件的限制，使单一的信号参数具有一定的局限性。混合定位系统的出现弥补了各单一系统的不足，利用不同定位系统的优点并将它们结合起来，可以使系统具有更高的定位精度或更少的观测基站的优势。其中，TDOA和DOA的结合由于其定位精度高、定位速度快而应用最为广泛。

但是传统的TDOA和DOA混合系统大多集中于将估计的参数进行融合，构造一个非线性方程组，利用代数方法求出一个最优解，而忽略了系统本身的架构。

发明内容

本发明的目的是提供一种基于无人机-阵列的自适应无源定位装置及实现方法，利用定位装置本身的架构，将角度信息和到达时间差信息更好的结合，解决在低信噪比下定位性能迅速降低的问题。

本发明将分布式阵元与集中式阵列相结合，解决了传统方法中存在角度误差的增大可能会降低角度信息和时间差信息融合定位的性能的问题，改善现有系统的局限性。充分利用天线阵列的结构特征以及无人机平台的机动性，用天线阵列测得的到达角信息改善系统结构，有效提升定位精度。

为实现上述目的，本发明采用的技术方案为：

一种基于无人机-阵列的自适应无源定位装置，包括M架无人机，集成阵列模块、信号处理模块、数据存储模块、通信模块，其中：

所述M架无人机在空中任意排列组成分布式无源定位系统；

所述集成阵列模块包括N个均匀线阵，每架无人机集成一个均匀线阵，用于接收目标源辐射的电磁信号；

所述信号处理模块执行以下指令：

根据所述集成阵列模块接收到的初始信号进行信号到达角估计；

根据所述集成阵列模块二次接收到的信号，利用N维单位加权矢量w＝[1,1,...,1]^T对信号进行常规波束形成，建立函数，进行信号达到时间差估计，得到时间差估计值；

根据所述时间差估计值建立若干双曲线定位方程，求解方程得到最终的辐射源位置估计；

所述数据存储模块用于存储其它模块采集和产生的信号及数据；

所述通信模块用于各无人机及模块之间的通信。

一种基于无人机-阵列的自适应无源定位实现方法，包括以下步骤：

步骤一，通过集成于各无人机中的均匀线阵分别采集初始接收信号，利用均匀线阵的结构特性对接收到的数据进行信号到达角估计；

步骤二，根据步骤一得到的信号到达角估计值自适应调整无人机姿态，重建接收信号模型；

步骤三，通过集成于各无人机中的均匀线阵同步采集二次接收信号，根据步骤二重建的接收信号模型进行到达时间差估计；

步骤四，根据步骤三得到的到达时间差估计值建立双曲线方程，进行辐射源定位。

所述步骤一中，设定入射信号为一宽带线性调频(LFM)信号，到达第m个无人机阵列的信号到达角分别θ_m，其中，m＝1,2,…,M，定义第一个阵元为参考阵元，则第一个阵元接收的信号为：

其中，t表示时间，j为虚部符号，f₀是信号的起始频率，k是调频斜率；

均匀线阵阵元数为N，相邻阵元间距为d，则第i个阵元接收到的信号相对于参考阵元的时延为τ_mi＝(i-1)dsinθ_m/c,i＝1,...,N，其中c为电磁波传播速度，θ_m为信号到达第m个无人机阵列的到达角；由于各阵元间的时延非常小，考虑到远小于τ_mi，忽略项，考虑噪声影响，则简化后的第n个阵元接收到的信号表示为

其中，n_mi(t)为第i个阵元上的零均值加性高斯白噪声；则所有N个阵元接收的信号表示为

x_m(t)＝a(θ_m,t)s_m(t)+n_m(t),m＝1,...,M

其中，阵列导向矢量由于宽带信号频率的时变性，阵列导向矢量也是时变的，这里将宽带信号分割成窄带信号处理，分割数记为Q，则用窄带信号DOA估计的方法进行到达角的估计；记第q个分段的信号为x_mq(t)，则根据信号子空间的旋转不变性得到：

其中，a_q为阵列流形的前M-1行，φ_q为旋转算子，z_q1(t)和z_q2(t)分别是x_mq(t)的前M-1行和后M-1行，第q个窄带信号的频率由瞬时频率代替，记为f_q，则得

其中，e为自然常数，表示第q段窄带信号的频率，由第q段的中间时刻tq的瞬时频率代替；

计算互相关矩阵R_zz＝E[z_q(t)z_q ^H(t)]并对其进行特征分解，得到信号子空间；同样的，信号子空间也分解为两部分且E₂＝E₁ψ_q，ψ_q的特征值就是Φ_q的对角元；故信号到达角为：

θ_q＝arcsin{c·angle(λ_q)/(2πf_qd)}

其中，λ_q为ψ_q的特征值；

最终得到第m个无人机阵列的到达角估计为

所述步骤二中，根据步骤一中得到的信号到达M个无人机阵列的到达角自适应调整无人机姿态，则重构的阵列接收信号为

其中，为重构的信号导向矢量，为第m个阵列的加性高斯白噪声矢量，

所述步骤三中，由于无人机的姿态调整，即到达同一阵列的每个阵元的信号近似为在同一时刻到达，且信号具有相同的频率；故通过各阵元输出端信号的直接相加，在输出端获得一个有用信号功率最大的标量信号，表示为：

其中，w为一个N维单位列向量；设信号与噪声之间相互独立，各阵元噪声相互独立，且具有相同的方差此时，输出信号的平均功率计算为：

其中，E表示期望；h_m(t)²为h_m(t)的平方，表示信号功率；表示阵元噪声方差；

则输出信噪比表示为

其中，N为均匀线阵阵元数；

取L个快拍，得到接收信号矢量形式为

其中，

根据得到的阵列输出端的信号集{h₁,h₂,...,h_M}，以第一个无人机阵列的输出信号h₁为参考信号，选取剩余的信号集{h₂,...,h_M}中的一个与参考信号进行互相关处理，记选取的信号为h_m，根据维纳-辛钦定理，两个信号的互相关函数与它们的互功率谱密度函数互为傅里叶变换对，则得互相关函数为：

其中，G_1m(ω)为h₁和h_m的互功率谱密度函数；为了降低噪声的影响，对信号进行一个预先的频域滤波，故得滤波后的互谱密度函数：

其中，H₁(ω)和H₂(ω)分别为信号h₁和h_m的傅里叶变换，为H₂(ω)的共轭；则再次由维纳-辛钦定理得到滤波后的互相关函数：

其中，为预滤波函数；则R_g1m(τ)的峰值所在位置就是估计的时延：

所述步骤四中，根据步骤三中得到的一组与参考无人机的时延差每一个时延差构成一条双曲线，多个双曲线的交点即为要估计的辐射源的位置；设定M架无人机的位置分别为p_m＝(x_m,y_m),m＝1,...,M，辐射源的位置为u＝(x,y)；则建立的双曲线定位方程为：

求解方程得到辐射源的最终位置估计

有益效果：本发明将无人机和阵列的结合可以充分利用天线阵列的结构特征以及无人机平台的机动性，避免了复杂的信号处理运算过程，将分布式阵元与集中式阵列相结合，用天线阵列测得的到达角信息自适应地改善系统结构，提升了信噪比，使接收端获得更准确的时延估计，弥补了现有系统在低信噪比下定位精度迅速降低的不足，简单实用，能有效提高定位精度。

与现有技术相比，具有以下优点：

①能自适应的调整系统架构，获得高精度的辐射源定位性能；

②克服了在低信噪比下性能迅速下降的问题；

③解决了角度信息的加入会拉低定位总体性能的问题。

附图说明

图1是无人机上集成的均匀线阵示意图；

图2是根据到达角估计值进行无人机姿态自适应调整示意图；

图3是随着角度误差的增大TDOA/DOA融合系统的逐渐劣于纯TDOA系统的定位性能的对比图；

图4是本发明算法估计得到辐射源位置估计散点图；

图5是本发明的位置估计性能在不同信噪比下与传统装置的RMSE对比图，包括纯TDOA系统、纯DOA系统、TDOA/DOA融合的系统；

图6为本发明的基于无人机-阵列的自适应无源定位实现方法的流程图。

具体实施方式

下面结合附图以及具体实施例对本发明的技术方案做进一步的详细说明：

符号表示：本发明中用大写字母X表示矩阵，小写字母x(·)表示矢量，(·)^T表示矩阵转置，(·)^*表示矩阵共轭，(·)^H表示矩阵共轭转置，⊙表示Hadamard积，E(·)表示数学期望，angle(·)表示取复数的相角。

本发明的一种基于无人机-阵列的自适应无源定位装置，包括M架无人机，集成阵列模块、信号处理模块、数据存储模块、通信模块，其中：

M架无人机在空中任意排列组成分布式无源定位系统；

集成阵列模块包括N个均匀线阵，每架无人机集成一个均匀线阵，用于接收目标源辐射的电磁信号；无人机上集成的均匀线阵示意图如图1；

信号处理模块执行以下指令：

根据所述集成阵列模块接收到的初始信号进行信号到达角估计；

根据所述集成阵列模块二次接收到的信号，利用N维单位加权矢量w＝[1,1,...,1]^T对信号进行常规波束形成，建立函数，进行信号达到时间差估计，得到时间差估计值；

根据所述时间差估计值建立若干双曲线定位方程，求解方程得到最终的辐射源位置估计；

数据存储模块用于存储其它模块采集和产生的信号及数据；

通信模块用于各无人机及模块之间的通信。

本发明充分利用天线阵列的结构特征以及无人机平台的机动性，用天线阵列测得的到达角信息改善系统结构，有效提升了定位精度。自适应动态定位系统如图2所示，实线为无人机阵列的初始方向，虚线为调整后的无人机阵列的方向。传统定位装置中观测设备通常是固定不变的。

如图6，本发明中一种基于无人机-阵列的自适应无源定位实现方法，包括以下步骤：

步骤1：建立初始接收信号模型，进行信号到达角估计：

设定入射信号为一宽带线性调频(LFM)信号，到达第m个无人机阵列的信号到达角分别θ_m，其中，m＝1,2,…,M，由于对每个阵列的信号处理方法一样，这里以其中一个无人机阵列m为例说明；定义第一个阵元为参考阵元，则第一个阵元接收的信号为：

其中，t表示时间，j为虚部符号，f₀是信号的起始频率，k是调频斜率；

均匀线阵阵元数为N，相邻阵元间距为d，则第i个阵元接收到的信号相对于参考阵元的时延为τ_mi＝(i-1)dsinθ_m/c,i＝1,...,N，其中c为电磁波传播速度，θ_m为信号到达第m个无人机阵列的到达角。由于各阵元间的时延非常小，考虑到远小于τ_mi，本发明忽略了项，仿真也验证了此处的忽略是可行的。考虑噪声影响，则简化后的第i个阵元接收到的信号表示为：

其中，n_mi(t)为第i个阵元上的零均值加性高斯白噪声；则所有N个阵元接收的信号表示为：

x_m(t)＝a(θ_m,t)s_m(t)+n_m(t),m＝1,...,M

其中，阵列导向矢量由于宽带信号频率的时变性，阵列导向矢量也是时变的，这里将宽带信号分割成窄带信号处理，分割数记为Q，则用窄带信号DOA估计的方法进行到达角的估计。记第q个分段的信号为x_mq(t)，则根据信号子空间的旋转不变性得：

其中，a_q为阵列流形的前M-1行，φ_q为旋转算子，z_q1(t)和z_q2(t)分别是x_mq(t)的前M-1行和后M-1行，第q个窄带信号的频率由瞬时频率代替，记为f_q，则得：

其中，e为自然常数，表示第q段窄带信号的频率，由第q段的中间时刻tq的瞬时频率代替；

计算互相关矩阵R_zz＝E[z_q(t)z_q ^H(t)]并对其进行特征分解，得到信号子空间；同样的，信号子空间也分解为两部分且E₂＝E₁ψ_q，ψ_q的特征值就是Φ_q的对角元；故信号到达角为：

θ_q＝arcsin{c·angle(λ_q)/(2πf_qd)}

其中，λ_q为ψ_q的特征值；

最终得到第m个无人机阵列的到达角估计为：

步骤2：重新建立自适应调整后的接收信号模型：

根据步骤1中得到的信号到达M个无人机阵列的到达角自适应调整无人机姿态，则重构的阵列接收信号为：

其中，为重构的信号导向矢量，为第m个阵列的加性高斯白噪声矢量，

步骤3：根据重建的信号模型进行到达时间差估计：

由于无人机的姿态调整，即到达同一阵列的每个阵元的信号能够近似为在同一时刻到达，且信号具有相同的频率；故通过各阵元输出端信号的直接相加，在输出端获得一个有用信号功率最大的标量信号，表示为：

其中，w为一个N维单位列向量；设定信号与噪声之间相互独立，各阵元噪声相互独立，且具有相同的方差此时，输出信号的平均功率计算为：

其中，E表示期望；h_m(t)²为h_m(t)的平方，表示信号功率；表示阵元噪声方差；

则输出信噪比表示为：

其中，N为均匀线阵阵元数；故本装置自适应调整后，信噪比有效提升，可在接收端获得一个N倍功率增益的输出信号；

取L个快拍，得到接收信号矢量形式为：

其中，

根据得到的阵列输出端的信号集{h₁,h₂,...,h_M}，以第一个无人机阵列的输出信号h₁为参考信号，选取剩余的信号集{h₂,...,h_M}中的一个与参考信号进行互相关处理；记选取的信号为h_m，根据维纳-辛钦定理，两个信号的互相关函数与它们的互功率谱密度函数互为傅里叶变换对，则得互相关函数为：

其中，G_1m(ω)为h₁和h_m的互功率谱密度函数；为了降低噪声的影响，对信号进行一个预先的频域滤波，故得滤波后的互谱密度函数：

其中，H₁(ω)和H₂(ω)分别为信号h₁和h_m的傅里叶变换，为H₂(ω)的共轭；则再次由维纳-辛钦定理得到滤波后的互相关函数：

其中，为预滤波函数；则R_g1m(τ)的峰值所在位置就是估计的时延：

步骤4：建立双曲线方程，进行辐射源位置估计：

根据步骤3中得到的一组与参考无人机的时延差每一个时延差能够构成一条双曲线，多个双曲线的交点即为要估计的辐射源的位置；设定M架无人机的位置分别为p_m＝(x_m,y_m),m＝1,...,M，辐射源的位置为u＝(x,y)；则建立的双曲线定位方程为：

求解方程得到辐射源的最终位置估计

下面用仿真来证明基于无人机-阵列的定位装置的性能相比于传统的固定装置的性能在辐射源定位性能上的提升。假设各系统的信号模型均相同，用MATLAB进行仿真分析，用均方根误差(RMSE)作为评估性能的准则，RMSE定义如下：

其中，J为蒙特卡洛次数，为辐射源位置的估计值，u为辐射源位置的真实值。

图3为纯TDOA与TDOA/DOA融合系统随着角度误差增大的定位性能比较。各无人机之间的接收信号到达时间差误差设置为一固定值，角度估计误差为一组均匀分布的随机数。由图可以看出，随着角度误差的增大，TDOA/DOA融合系统的辐射源位置估计误差逐渐大于纯TDOA系统，即与纯TDOA系统相比，角度信息的加入有时反而会拉低TDOA/DOA融合系统定位的性能。

图4为本发明在信噪比为10dB时的辐射源位置估计的散点图。仿真参数设置为：无人机的位置坐标分别为(0,0),(5,0),(8,10)，辐射源的位置为(2,6)，单位为km。每架无人机集成一个阵元数为4的均匀线阵。系统参数配置为信噪比-10dB，采样频率800MHz。由图可以看出，本发明可以有效定位出辐射源位置。

图5为本发明所述的系统与传统的TDOA、DOA、TDOA/DOA系统在不同信噪比下的辐射源位置估计性能比较，采样频率为800MHz，信噪比设置如图5所示。由图可以看出在采样频率相同的情况下，随着信噪比的变化，本发明的辐射源定位性能优于其他三种系统的性能，尤其在低信噪比的条件下，并且克服了低信噪比下加入角度信息可能会降低TDOA/DOA融合系统的定位性能的问题。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (6)

1.一种基于无人机-阵列的自适应无源定位装置，其特征在于：包括M架无人机，集成阵列模块、信号处理模块、数据存储模块、通信模块，其中：

所述M架无人机在空中任意排列组成分布式无源定位系统；

所述集成阵列模块包括N个均匀线阵，每架无人机集成一个均匀线阵，用于接收目标源辐射的电磁信号；

所述信号处理模块执行以下指令：

根据所述集成阵列模块接收到的初始信号进行信号到达角估计；

根据所述集成阵列模块二次接收到的信号，利用N维单位加权矢量w＝[1,1,...,1]^T对信号进行常规波束形成，建立函数，进行信号达到时间差估计，得到时间差估计值；

根据所述时间差估计值建立若干双曲线定位方程，求解方程得到最终的辐射源位置估计；

所述数据存储模块用于存储其它模块采集和产生的信号及数据；

所述通信模块用于各无人机及模块之间的通信。

2.一种基于无人机-阵列的自适应无源定位实现方法，其特征在于：包括以下步骤：

步骤一，通过集成于各无人机中的均匀线阵分别采集初始接收信号，利用均匀线阵的结构特性对接收到的数据进行信号到达角估计；

步骤二，根据步骤一得到的信号到达角估计值自适应调整无人机姿态，重建接收信号模型；

步骤三，通过集成于各无人机中的均匀线阵同步采集二次接收信号，根据步骤二重建的接收信号模型进行到达时间差估计；

步骤四，根据步骤三得到的到达时间差估计值建立双曲线方程，进行辐射源定位。

3.根据权利要求2所述的基于无人机-阵列的自适应无源定位实现方法，其特征在于：所述步骤一中，设定入射信号为一宽带线性调频(LFM)信号，到达第m个无人机阵列的信号到达角分别θ_m，其中，m＝1,2,…,M，定义第一个阵元为参考阵元，则第一个阵元接收的信号为：

其中，t表示时间，j为虚部符号，f₀是信号的起始频率，k是调频斜率；

均匀线阵阵元数为N，相邻阵元间距为d，则第i个阵元接收到的信号相对于参考阵元的时延为τ_mi＝(i-1)dsinθ_m/c,i＝1,...,N，其中c为电磁波传播速度，θ_m为信号到达第m个无人机阵列的到达角；由于各阵元间的时延非常小，考虑到远小于τ_mi，忽略项，考虑噪声影响，则简化后的第n个阵元接收到的信号表示为

其中，n_mi(t)为第i个阵元上的零均值加性高斯白噪声；则所有N个阵元接收的信号表示为

x_m(t)＝a(θ_m,t)s_m(t)+n_m(t),m＝1,...,M

其中，阵列导向矢量由于宽带信号频率的时变性，阵列导向矢量也是时变的，这里将宽带信号分割成窄带信号处理，分割数记为Q，则用窄带信号DOA估计的方法进行到达角的估计；记第q个分段的信号为x_mq(t)，则根据信号子空间的旋转不变性得到：

其中，a_q为阵列流形的前M-1行，φ_q为旋转算子，z_q1(t)和z_q2(t)分别是x_mq(t)的前M-1行和后M-1行，第q个窄带信号的频率由瞬时频率代替，记为f_q，则得

其中，e为自然常数，表示第q段窄带信号的频率，由第q段的中间时刻t_q的瞬时频率代替；

计算互相关矩阵R_zz＝E[z_q(t)z_q ^H(t)]并对其进行特征分解，得到信号子空间；同样的，信号子空间也分解为两部分且E₂＝E₁ψ_q，ψ_q的特征值就是Φ_q的对角元；故信号到达角为：

θ_q＝arc sin{c·angle(λ_q)/(2πf_qd)}

其中，λ_q为ψ_q的特征值；

最终得到第m个无人机阵列的到达角估计为

4.根据权利要求2所述的基于无人机-阵列的自适应无源定位实现方法，其特征在于：所述步骤二中，根据步骤一中得到的信号到达M个无人机阵列的到达角自适应调整无人机姿态，则重构的阵列接收信号为

其中，为重构的信号导向矢量，为第m个阵列的加性高斯白噪声矢量，

5.根据权利要求2所述的基于无人机-阵列的自适应无源定位实现方法，其特征在于：所述步骤三中，由于无人机的姿态调整，即到达同一阵列的每个阵元的信号近似为在同一时刻到达，且信号具有相同的频率；故通过各阵元输出端信号的直接相加，在输出端获得一个有用信号功率最大的标量信号，表示为：

其中，w为一个N维单位列向量；设信号与噪声之间相互独立，各阵元噪声相互独立，且具有相同的方差此时，输出信号的平均功率计算为：

其中，E表示期望；h_m(t)²为h_m(t)的平方，表示信号功率；表示阵元噪声方差；

则输出信噪比表示为

其中，N为均匀线阵阵元数；

取L个快拍，得到接收信号矢量形式为

其中，

根据得到的阵列输出端的信号集{h₁,h₂,...,h_M}，以第一个无人机阵列的输出信号h₁为参考信号，选取剩余的信号集{h₂,...,h_M}中的一个与参考信号进行互相关处理，记选取的信号为h_m，根据维纳-辛钦定理，两个信号的互相关函数与它们的互功率谱密度函数互为傅里叶变换对，则得互相关函数为：

其中，G_1m(ω)为h₁和h_m的互功率谱密度函数；为了降低噪声的影响，对信号进行一个预先的频域滤波，故得滤波后的互谱密度函数：

其中，H₁(ω)和H₂(ω)分别为信号h₁和h_m的傅里叶变换，为H₂(ω)的共轭；则再次由维纳-辛钦定理得到滤波后的互相关函数：

其中，为预滤波函数；则R_g1m(τ)的峰值所在位置就是估计的时延：

6.根据权利要求2所述的基于无人机-阵列的自适应无源定位实现方法，其特征在于：所述步骤四中，根据步骤三中得到的一组与参考无人机的时延差每一个时延差构成一条双曲线，多个双曲线的交点即为要估计的辐射源的位置；设定M架无人机的位置分别为p_m＝(x_m,y_m),m＝1,...,M，辐射源的位置为u＝(x,y)；则建立的双曲线定位方程为：

求解方程得到辐射源的最终位置估计