CN111431580B - 一种基于无人机平台的频谱态势认知测绘装置及方法 - Google Patents

一种基于无人机平台的频谱态势认知测绘装置及方法 Download PDF

Info

Publication number
CN111431580B
CN111431580B CN202010213809.8A CN202010213809A CN111431580B CN 111431580 B CN111431580 B CN 111431580B CN 202010213809 A CN202010213809 A CN 202010213809A CN 111431580 B CN111431580 B CN 111431580B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
data
module
spectrum
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
CN202010213809.8A
Other languages
English (en)
Other versions
CN111431580A (zh
Inventor
杜孝夫
朱秋明
黄洋
仲伟志
吴启晖
王正
成能
刘�东
胡田钰
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 CN202010213809.8A priority Critical patent/CN111431580B/zh
Publication of CN111431580A publication Critical patent/CN111431580A/zh
Application granted granted Critical
Publication of CN111431580B publication Critical patent/CN111431580B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/18502—Airborne stations
    • H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/53—Determining attitude
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种基于无人机平台的频谱态势认知测绘装置及方法，其中装置包括无人机平台单元，频谱态势采集单元，通遥一体化传输单元，频谱数据认知单元，无人机平台单元包括GPS接收模块，飞行控制模块，图像模块，频谱态势采集单元由机载频谱接收机和全向天线组成；通遥一体化传输单元由微型电脑和机载数据链终端组成；频谱数据认知单元包括地面接收模块，大脑模块，遥控模块。无人机平台单元，频谱态势采集单元以及通遥一体化传输单元构成本装置的空中无人机部分，而频谱数据认知单元是本装置的地面部分。GPS接收模块，飞行控制模块，图像模块以及频谱态势采集单元均与通遥一体化传输单元相连，地面接收模块与大脑模块相连。

Description

一种基于无人机平台的频谱态势认知测绘装置及方法
技术领域：
本发明涉及无人机通信以及频谱认知测绘技术，具体是一种基于无人机平台的频谱态势认知测绘装置及方法，属于无线信息传输领域。
背景技术：
电磁频谱已经成为信息时代不可或缺的国家战略资源。随着天地一体化信息网络、航空飞行器等领域的迅猛发展，电磁空间正面临着频谱资源紧缺性与频谱安全严峻性向空域延伸的挑战，频谱空间也日益复杂。传统的频谱监测设备已难适应频谱测量从时、频、信号域向空域延伸的发展需求，其信息处理能力难以满足三维立体电磁频谱空间态势研究的要求。获取精确的三维立体频谱态势地图，揭示多维频谱态势演进规律是应对未来这些挑战的重要前提。
国际顶尖的商用频谱监测设备有德国R&S公司的ESMD微波宽带监测接收机，美国TCI公司的TCI350信号搜索与侦测系统，以及法国泰雷兹公司的ESMERALDA监测测向系统，但这些设备的机动性差，需要大量人为操作，而且主要侧重于地面的频谱监测，只能绘制二维的频谱态势地图。无人机具有架构简单、可动态部署、机动性强、制造成本低廉、操作容易的优点，被广泛应用在各个领域。利用无人机平台进行空域的频谱测量，能够获得描述空域频谱态势的原始数据，从而用于三维立体频谱态势分析。目前业界还没有公认的能够进行空域频谱测量与频谱认知计算的仪器。因此，设计一款具有自主控制、频谱认知计算和三维立体频谱态势地图测绘功能的无人机频谱态势认知测绘方法和装置是十分必要的。
发明内容：
本发明是为了解决上述现有技术存在的问题而提供一种基于无人机平台的频谱态势认知测绘装置及方法，可以获取、预测和融合空时相关的多维频谱数据，进行基于认知学习的频谱数据修正、补全以及增强，绘制复杂电磁环境下的三维立体频谱态势地图，适用于频谱监测、黑广播查找、频谱资源管理、基站布置以及无线网络干扰优化等诸多领域。
本发明采用如下技术方案：一种基于无人机平台的频谱态势认知测绘装置，包括无人机平台单元，频谱态势采集单元，通遥一体化传输单元以及频谱数据认知单元，所述通遥一体化传输单元以及频谱态势采集单元与无人机平台单元相连。
进一步地，所述无人机平台单元包括GPS接收模块，飞行控制模块以及图像模块，所述GPS接收模块、图像模块和飞行控制模块与通遥一体化传输单元相连，分别采集无人机所处位置的GPS数据、第一视角图像数据和状态信息，并将其传递给通遥一体化传输单元，所述飞行控制模块同时接收通遥一体化传输单元发送的飞控指令，并根据飞控指令调整无人机的飞行状态；
所述频谱态势采集单元由机载频谱接收机和全向天线组成，采集无人机周围的频谱态势信息，并将接收到的频谱数据传递给通遥一体化传输单元；
所述通遥一体化传输单元主要由微型电脑和机载数据链终端组成，将GPS接收模块接收到的GPS数据、飞行控制模块获得的无人机状态信息、图像模块采集的图像数据、频谱态势采集单元采集的频谱数据封装成帧，无线发送给频谱数据认知单元，同时接收频谱数据认知单元发送的飞行控制信息以及航迹规划信息，并将相应的飞控指令传输给飞行控制模块；
所述频谱数据认知单元包括地面接收模块，遥控模块以及大脑模块，所述地面接收模块与大脑模块相连，接收通遥一体化传输单元发送的测量数据，并将其传递给大脑模块，大脑模块协调调度无人机自主飞行状态，同时分析处理测量到的原始数据，所述大脑模块中安装有无人机数据分析规划软件，包含航迹与区域规划以及频谱认知计算两个子模块，航迹与区域规划子模块面向频谱态势认知测绘任务的无人机航迹的自主规划，频谱认知计算子模块负责多维立体频谱态势地图的生成，所述大脑模块从接收到的原始数据中解析出图像模块采集的实时图像信息和无人机的实时状态信息，并在大脑模块的屏幕中显示无人机摄像头所拍摄的实时画面以及无人机的实时状态信息。
本发明还采用如下技术方案：一种基于无人机平台的频谱态势认知测绘方法，包括“人工测绘模式”和“自动测绘模式”两种测绘方式。
进一步地，1)如果用户选择“人工测绘模式”，包括如下具体步骤：
第一步，测量前检查系统同步校准设备，检查各模块之间线缆连接是否正常，检查无人机旋翼机臂是否固定紧密，依次打开无人机的电源开关、频谱接收机的电源开关以及无人机的启动开关；
第二步，根据实际测试需求，直接通过遥控模块手动控制飞行控制模块，操作无人机到达指定位置，进行特定地点、时间和频段的测绘，无人机在特定位置飞行过程中，通遥一体化传输单元将无人机所处的实时地理位置及其对应的频谱数据同步发送给频谱数据认知单元；
第三步，通遥一体化传输单元发射的信号由频谱数据认知单元的地面接收模块接收，地面接收模块连接大脑模块并向其传输数据，接收到的原始数据在大脑模块经过相关协议解析后，得到无人机飞行航迹周围的地理位置及其对应的频谱数据，这些数据在大脑模块的频谱认知计算子模块中经过相关认知计算，进行三维立体频谱成像及优化，最后在大脑模块的屏幕中动态显示无人机飞行区域范围内的频谱态势地图；
第四步，用户操作无人机完成采集任务后，手动操作无人机返航，待无人机旋翼停止转动后，关闭所有电源，回收无人机，结束本次测绘任务。
进一步地，2)如果用户选择“自动测绘模式”，包括如下步骤：
第一步，在完成启动前各项检查后，用户通过地面大脑模块设置测绘任务和测绘区域，频谱数据认知单元据此计算最佳飞行路径，并向通遥一体化传输单元发送相应的航迹规划信息，通遥一体化传输单元再根据航迹规划信息将相应的飞控指令传递给飞行控制模块，令无人机按频谱数据认知单元规划的航迹飞行，无人机在飞行过程中，通遥一体化传输单元将无人机所处的实时地理位置及其对应的频谱信息发送给频谱数据认知单元；
第二步，通遥一体化传输单元发射的信号由频谱数据认知单元的地面接收模块接收，地面接收模块连接大脑模块并向其传输数据，接收到的原始数据在大脑模块经过相关协议解析后，得到无人机已飞航迹周围的地理位置及其对应的频谱数据，这些数据在频谱认知计算子模块中经过相关认知计算，进行三维立体频谱成像及优化，最后在大脑模块的屏幕中动态显示无人机飞行区域范围内的频谱态势地图；
第三步，当无人机结束频谱数据认知模块自主规划的航迹后，大脑模块会检查设置区域测绘出的频谱态势地图是否完整，如果不完整，大脑模块会根据缺失情况重新规划无人机航迹，并令无人机按此航迹继续飞行，并重复该过程，直至测绘出的三维立体频谱态势地图完整。然后，频谱数据认知单元会发送相应的控制信息，令无人机结束飞行并自主返航；
第四步，待无人机旋翼停止转动后，关闭所有电源，回收无人机，结束本次测绘任务。
进一步地，大脑模块基于频谱数据认知学习计算，进行的频谱数据修正、补全以及增强方法，具体实施方法如下：
1)将频谱态势采集单元以及GPS接收模块采集的当前状态的频谱数据按照测量的时隙、频率、空间和时间段指标构成时-频-空-时段四维数组的频谱数据
Figure BDA0002423715110000041
其中，T为指定时间段内时间快拍数，F为频点总数，L为监测区域内的空间位置编号总数，I为时间段的指标总数，采集的频谱数据χ一共包含(T×F×L×I)个元素，变量
Figure BDA0002423715110000042
表示其第(i1,i2,i3,i4)个元素的值，代表第i4个时间段内的第i1个时间快怕，第i2个频点，空间编号为i4的空间位置的频谱态势强度；
2)将未知的频谱数据补全的具体操作如下：
a.将步骤1)中采集到的原始频谱数据缺失位置的元素置为“0”，从而得到置“0”后的频谱数据χ；
b.将χ按其时隙维度、频率维度、空间维度和时间段指标维度四个维度进行矩阵展开，得到矩阵χ(1)、χ(2)、χ(3)和χ(4)，χ(i)表示χ沿其第i维方向展开得到的矩阵，即χ(1)、χ(2)、χ(3)和χ(4)是频谱数据χ分别按其时隙维度、频率维度、空间维度和时间段指标维度四个维度展开得到的矩阵，四个矩阵的维数及其元素由下式计算获得，
Figure BDA0002423715110000043
式(1)中，(·)j,k表示矩阵第j行，第k列的元素；1≤i1≤T,1≤i2≤F,1≤i3≤L,1≤i4≤I；
c.χ的初始值χ0设为步骤a的频谱数据；M1,...,M4的初始值分别设为χ0按其时隙维度、频率维度、空间维度和时间段指标维度四个维度展开得到的矩阵，即步骤b中的矩阵χ(1)、χ(2)、χ(3)和χ(4))的四维数组版本，各维度大小与χ相同；γ1,...,γ4的初始值设为与χ具有相同维度的全零四维数组数据；
d.初始赋值后，χ，Mi，γi进行迭代更新，直到满足如下收敛条件为止，
Figure BDA0002423715110000051
其中，θ为设置的收敛容限；当第k+1次迭代中的χk+1满足式(2)时，结束迭代，令
Figure BDA0002423715110000052
即最后得到的χ即为补全后的频谱数据
Figure BDA0002423715110000053
迭代方法如下，
Figure BDA0002423715110000054
式中，
Figure BDA0002423715110000055
χ，Γ是在每个维度都有着相同大小的两个频谱数据，即χ,
Figure BDA0002423715110000056
Γ在子集Ω中的元素ΓΩ表示已知测量值，不属于该子集的元素则是缺失值；χ，γi，Mi的右上标表示迭代次数，如k表示第k次迭代，χk表示第k次迭代中χ的值；Lρ(·)为本发明中频谱数据补全问题对应的增广拉格朗日函数，
Figure BDA0002423715110000057
式中，αi≥0，且
Figure BDA0002423715110000058
||·||*为矩阵的核范数，值为矩阵奇异值的和；<·>为内积计算；γi为增广拉格朗日函数引入的拉格朗日乘子；ρ为惩罚参数；||·||F为Frobenius范数；
3)利用机器学习方法对补全后的频谱数据进行修正以及增强处理，具体操作如下：
a.构建相关数据预测模型如式(5)，该模型的输入为当前状态不完整的频谱数据，输出为预测的下一状态完整的频谱数据，训练数据来自预先保留的完整的频谱态势地图，
η(s+1)＝Aχ(s)+B (5)
其中，s表示当前状态，s+1表示下一状态；χ(s)为未经过补全处理测量到的当前状态有缺失的频谱数据；η(s+1)为由χ(s)预测的下一状态完整的频谱数据；A，B为模型参数；
b.对补全后的频谱数据进行的修正和增强处理，得到最终用于三维立体频谱成像的频谱数据，方法如下
Figure BDA0002423715110000061
其中，
Figure BDA0002423715110000062
为最终用于三维立体频谱成像的补全、修正以及增强后当前状态的频谱数据；η(s)为将预先保留的未经过补全处理测量到的前一状态有缺失的频谱数据χ(s-1)输入所构建的预测模型，从而输出的预测的当前状态的完整的频谱数据；
Figure BDA0002423715110000063
为未经过补全处理实际测量到的当前状态有缺失的频谱数据χ(s)经过补全处理后的频谱数据(步骤1)与步骤2)中的频谱数据均为当前状态，即步骤2)中的
Figure BDA0002423715110000064
)；w为权重因子。
本发明具有如下有益效果：
1)本发明提出了一种基于无人机平台的频谱态势认知测绘装置及方法，可以实现复杂电磁环境下的三维立体频谱态势地图的精确测绘，特别适用于基站布置、无线网络干扰优化以及频谱资源管理等应用。
2)本发明提出了一种基于无人机平台的频谱态势认知测绘装置及方法，通过对实测数据的认知学习，建立三维立体频谱态势模型，支持频谱态势数据实时预测及补全，大大提高测绘效率。
附图说明：
图1为本发明基于无人机平台的频谱认知测绘装置的结构示意图。
图2为本发明基于无人机平台的频谱认知测绘方法的“人工测绘模式”流程图。
图3为本发明基于无人机平台的频谱认知测绘方法的“自动测绘模式”流程图。
图4为本发明“自动测绘模式”的实例测试结果图。
图5为本发明“人工测绘模式”的实例测试结果图。
具体实施方式：
下面结合附图对本发明作进一步的说明。
本发明基于无人机平台的频谱态势认知测绘装置包括无人机平台单元1-1，频谱态势采集单元1-2，通遥一体化传输单元1-3以及频谱数据认知单元1-4，无人机平台单元1-1包括GPS接收模块1-5，飞行控制模块1-6，图像模块1-7。其中，频谱态势采集单元1-2主要由机载频谱接收机和全向天线组成；通遥一体化传输单元1-3主要由微型电脑和机载数据链终端组成；频谱数据认知单元1-4包括地面接收模块1-8、大脑模块1-9以及遥控模块1-10。无人机平台单元1-1，频谱态势采集单元1-2以及通遥一体化传输单元1-3构成本装置的空中无人机部分，而频谱数据认知单元1-4是本装置的地面部分。其中，GPS接收模块1-5，飞行控制模块1-6，图像模块1-7以及频谱态势采集单元1-2均与通遥一体化传输单元1-3相连，地面接收模块1-8与大脑模块1-9相连。
为使本发明的目的、技术方案和优点更加清楚，下面结合两个具体实施例对本发明的基于无人机平台的频谱态势认知测绘方法实施过程作进一步的详细说明。
实施例一：以基于无人机平台的频谱态势认知测绘的“自动测绘模式”任务为例，实施流程(见图2所示)如下：
第一步，完成启动前检查后，选择“自动测绘模式”，并在大脑模块1-9设置测绘参数如表1所示：测量区域起点位置(118.803119,31.916319)，测量区域终点位置(118.792819,31.897656)，高度为135m，测绘天线为超宽带无源全向天线(频段为20MHz—8GHz)，测绘分辨率为10；大脑模块1-9根据测绘任务自主规划无人机的飞行航迹，规划后的航迹如图5的绿线所示。
大脑模块1-9控制无人机飞行的具体实施过程如下：大脑模块1-9根据用户设置的测绘参数，综合测绘区域的地理环境特性，在航迹与区域规划子模块进行最佳飞行路径规划，并发送相应的航迹规划信息；航迹规划信息经由通信/遥控链路被通遥一体化传输单元1-3接收，通遥一体化传输单元1-3根据接收信息生成相应的飞控指令，并传递给飞行控制模块1-6，从而遥控无人机按照规划航迹飞行，实现任务区域内无人机航迹的自主规划并绘制该区域的三维立体频谱态势地图。
第二步，无人机飞行过程中，频谱态势采集单元1-2的全向天线会持续收集电磁波信号，将其传递给频谱态势采集单元1-2的频谱接收机，并转化成相应的频谱数据；频谱数据和GPS接收模块1-5接收到的GPS数据传递给通遥一体化传输单元1-3的微型电脑；根据接收到的GPS数据和频谱数据，微型电脑计算地理位置信息，对频谱数据进行预处理，将同一位置监测到的频谱信息与GPS地理位置信息合并，并传递给通遥一体化传输单元1-3的机载数据链终端；机载数据链终端对数据进行组帧,经相关调制处理后，通过天线无线发送给频谱数据认知单元1-4。
第三步，频谱数据认知单元1-4的地面接收模块1-8接收组帧后的测绘信号，经过相关解调处理后,向大脑模块1-9传输解调后的测绘数据；大脑模块1-9中经过无人机数据分析规划软件的相关协议解析后，恢复无人机航迹周围的地理位置及对应频谱数据，并在频谱认知计算子模块中认知学习计算，进行频谱数据修正、补全以及增强，从而获得三维立体频谱实时图像，并在大脑模块1-9的屏幕中动态显示。本案例中，用户设置测绘的频谱态势地图观察频点为100.00288MHz，所以可以从频谱态势地图中观察到无人机航迹区域内频率为100.00288MHz的频谱态势分布情况，如图4所示。
第四步，当无人机结束规划航迹后，频谱数据认知单元1-4会检查绘制区域的频谱态势地图是否有缺失，若有缺失，进入第五步；否则，无人机自主返航，回收无人机，并结束本次测绘任务。最终，获得的测绘区域完整的三维立体频谱态势地图如图4所示，图4中每个立方体内的颜色表示该立方体区域的频谱强度(颜色由绿到红表示的频谱强度由弱到强)。
第五步，大脑模块1-9根据三维立体频谱态势地图的缺失情况，调整测绘任务及区域，重新规划无人机航迹，令无人机按此航迹飞行采集频谱数据，并返回至第二步。
表1“自动测绘模式”案例参数设置
Figure BDA0002423715110000081
Figure BDA0002423715110000091
实施例二：以基于无人机平台的频谱态势认知测绘的“人工测绘模式”任务为例，实施流程(见图3所示)如下：
第一步，完成启动前检查后，选择“人工测绘模式”，并在大脑模块1-9设置测绘参数如表2所示：测绘天线为超宽带无源全向天线(频段为20MHz—8GHz)，测绘分辨率为10；用户通过遥控模块1-10操作无人机从起点(118.796815,31.93869)，高度为120m，到达终点(118.803681,31.935922)，高度为120m，从而进行该路径的三维立体频谱态势地图测绘。
遥控模块1-10程控无人机飞行的具体过程如下：遥控模块1-10根据用户的操作发出相应的控制信息，该控制信息经由通信/遥控链路被通遥一体化传输单元1-3接收，通遥一体化传输单元1-3将飞控指令传递给飞行控制模块1-6，飞行控制模块1-6根据收到的飞控指令调整无人机的飞行状态，并令其按指令飞行。
第二步，通遥一体化传输单元1-3发射的数据被频谱数据认知单元1-4接收，大脑模块1-9利用接收数据，恢复无人机航迹周围的地理位置及对应频谱数据，并在频谱认知计算子模块中认知学习计算，进行频谱数据修正、补全以及增强，从而获得三维立体频谱实时图像，并在大脑模块1-9的屏幕中动态显示。本案例中，用户设置测绘的频谱态势地图观察频点为99.997MHz，所以用户可以从频谱态势地图中观察到该测量地点、频率为99.977MHz、从装置启动时间到当前时间的时间段内的电磁频谱态势分布情况，如图5所示，图中的线条表示无人机的已飞航迹，以航迹线上各点为圆心的圆表示该点周围的频谱态势(圆的颜色表示频谱强度)。
第三步，当用户操作无人机完成测绘任务后，通过遥控模块1-10操作无人机返航；待无人机返航后，关闭所有电源，回收无人机，结束本次测绘任务。
表2“人工测绘模式”案例参数设置
Figure BDA0002423715110000092
Figure BDA0002423715110000101
以下针对“自动测绘模式”和“人工测绘模式”两个实施案例，大脑模块1-9基于频谱数据认知学习计算，进行的频谱数据修正、补全以及增强方法的作进一步说明，具体实施方法如下：
1)将频谱态势采集单元1-3以及GPS接收模块1-5采集的当前状态的频谱数据按照测量的时隙、频率、空间和时间段指标构成时-频-空-时段四维数组的频谱数据
Figure BDA0002423715110000102
其中，T为指定时间段内时间快拍数，F为频点总数，L为监测区域内的空间位置编号总数，I为时间段的指标总数。采集的频谱数据χ一共包含(T×F×L×I)个元素，变量
Figure BDA0002423715110000103
表示其第(i1,i2,i3,i4)个元素的值，代表第i4个时间段内的第i1个时间快怕，第i2个频点，空间编号为i4的空间位置的频谱态势强度。
2)实际采集的时-频-空-时段四阶频谱数据通常存在部分缺失，本发明将未知的频谱数据补全的具体操作如下：
a.将步骤1)中采集到的原始频谱数据缺失位置的元素置为“0”，从而得到置“0”后的频谱数据χ。
b.将χ按其时隙维度、频率维度、空间维度和时间段指标维度四个维度进行矩阵展开，得到矩阵χ(1)、χ(2)、χ(3)和χ(4)，χ(i)表示χ沿其第i维方向展开得到的矩阵，即χ(1)、χ(2)、χ(3)和χ(4)是频谱数据χ分别按其时隙维度、频率维度、空间维度和时间段指标维度四个维度展开得到的矩阵，四个矩阵的维数及其元素由下式计算获得，
Figure BDA0002423715110000104
式(1)中，(·)j,k表示矩阵第j行，第k列的元素；1≤i1≤T,1≤i2≤F,1≤i3≤L,1≤i4≤I。
c.χ的初始值χ0设为步骤a的频谱数据；M1,...,M4的初始值分别设为χ0按其时隙维度、频率维度、空间维度和时间段指标维度四个维度展开得到的矩阵(即步骤b中的矩阵χ(1)、χ(2)、χ(3)和χ(4))的四维数组版本，各维度大小与χ相同；γ1,...,γ4的初始值设为与χ具有相同维度的全零四维数组数据。
d.初始赋值后，χ，Mi，γi进行迭代更新，直到满足如下收敛条件为止，
Figure BDA0002423715110000111
其中，θ为设置的收敛容限；当第k+1次迭代中的χk+1满足式(2)时，结束迭代，令
Figure BDA0002423715110000112
即最后得到的χ即为补全后的频谱数据
Figure BDA0002423715110000113
本专利迭代方法如下，
Figure BDA0002423715110000114
式中，
Figure BDA0002423715110000115
χ，Γ是在每个维度都有着相同大小的两个频谱数据，即χ,
Figure BDA0002423715110000116
Γ在子集Ω中的元素ΓΩ表示已知测量值，不属于该子集的元素则是缺失值；χ，γi，Mi的右上标表示迭代次数，如k表示第k次迭代，χk表示第k次迭代中χ的值；Lρ(·)为本发明中频谱数据补全问题对应的增广拉格朗日函数，
Figure BDA0002423715110000117
式中，αi≥0，且
Figure BDA0002423715110000118
||·||*为矩阵的核范数，值为矩阵奇异值的和；<·>为内积计算；γi为增广拉格朗日函数引入的拉格朗日乘子；ρ为惩罚参数；||·||F为Frobenius范数。
3)本发明利用机器学习方法对补全后的频谱数据进行修正以及增强处理，具体操作如下：
a.构建相关数据预测模型如式(5)，该模型的输入为当前状态不完整的频谱数据，输出为预测的下一状态完整的频谱数据，训练数据来自预先保留的完整的频谱态势地图，
η(s+1)＝Aχ(s)+B (5)
其中，s表示当前状态，s+1表示下一状态；χ(s)为未经过补全处理测量到的当前状态有缺失的频谱数据；η(s+1)为由χ(s)预测的下一状态完整的频谱数据；A，B为模型参数。
b.对补全后的频谱数据进行的修正和增强处理，得到最终用于三维立体频谱成像的频谱数据，方法如下
Figure BDA0002423715110000121
其中，
Figure BDA0002423715110000122
为最终用于三维立体频谱成像的补全、修正以及增强后当前状态的频谱数据；η(s)为将预先保留的未经过补全处理测量到的前一状态有缺失的频谱数据χ(s-1)输入所构建的预测模型，从而输出的预测的当前状态的完整的频谱数据；
Figure BDA0002423715110000124
为未经过补全处理实际测量到的当前状态有缺失的频谱数据χ(s)经过补全处理后的频谱数据(步骤1)与步骤2)中的频谱数据均为当前状态，即步骤2)中的
Figure BDA0002423715110000123
)；w为权重因子。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (2)

1.一种基于无人机平台的频谱态势认知测绘装置的测绘方法，所述基于无人机平台的频谱态势认知测绘装置包括无人机平台单元(1-1)，频谱态势采集单元(1-2)，通遥一体化传输单元(1-3)以及频谱数据认知单元(1-4)，所述通遥一体化传输单元(1-3)以及频谱态势采集单元(1-2)与无人机平台单元(1-1)相连；
所述无人机平台单元(1-1)包括GPS接收模块(1-5)，飞行控制模块(1-6)以及图像模块(1-7)，所述GPS接收模块(1-5)、图像模块(1-7)和飞行控制模块(1-6)与通遥一体化传输单元(1-3)相连，分别采集无人机所处位置的GPS数据、第一视角图像数据和状态信息，并将其传递给通遥一体化传输单元(1-3)，所述飞行控制模块(1-6)同时接收通遥一体化传输单元(1-3)发送的飞控指令，并根据飞控指令调整无人机的飞行状态；
所述频谱态势采集单元(1-2)由机载频谱接收机和全向天线组成，采集无人机周围的频谱态势信息，并将接收到的频谱数据传递给通遥一体化传输单元(1-3)；
所述通遥一体化传输单元(1-3)主要由微型电脑和机载数据链终端组成，将GPS接收模块(1-5)接收到的GPS数据、飞行控制模块(1-6)获得的无人机状态信息、图像模块(1-7)采集的图像数据、频谱态势采集单元(1-2)采集的频谱数据封装成帧，无线发送给频谱数据认知单元(1-4)，同时接收频谱数据认知单元(1-4)发送的飞行控制信息以及航迹规划信息，并将相应的飞控指令传输给飞行控制模块(1-6)；
所述频谱数据认知单元(1-4)包括地面接收模块(1-8)，遥控模块(1-10)以及大脑模块(1-9)，所述地面接收模块(1-8)与大脑模块(1-9)相连，接收通遥一体化传输单元(1-3)发送的测量数据，并将其传递给大脑模块(1-9)，大脑模块(1-9)协调调度无人机自主飞行状态，同时分析处理测量到的原始数据，所述大脑模块中安装有无人机数据分析规划软件，包含航迹与区域规划以及频谱认知计算两个子模块，航迹与区域规划子模块面向频谱态势认知测绘任务的无人机航迹的自主规划，频谱认知计算子模块负责多维立体频谱态势地图的生成，所述大脑模块从接收到的原始数据中解析出图像模块采集的实时图像信息和无人机的实时状态信息，并在大脑模块的屏幕中显示无人机摄像头所拍摄的实时画面以及无人机的实时状态信息；其特征在于：包括“人工测绘模式”和“自动测绘模式”两种测绘方式；
1)如果用户选择“人工测绘模式”，包括如下具体步骤：
第一步，测量前检查系统同步校准设备，检查各模块之间线缆连接是否正常，检查无人机旋翼机臂是否固定紧密，依次打开无人机的电源开关、频谱接收机的电源开关以及无人机的启动开关；
第二步，根据实际测试需求，直接通过遥控模块(1-10)手动控制飞行控制模块(1-6)，操作无人机到达指定位置，进行特定地点、时间和频段的测绘，无人机在特定位置飞行过程中，通遥一体化传输单元(1-3)将无人机所处的实时地理位置及其对应的频谱数据同步发送给频谱数据认知单元(1-4)；
第三步，通遥一体化传输单元(1-3)发射的信号由频谱数据认知单元(1-4)的地面接收模块(1-8)接收，地面接收模块(1-8)连接大脑模块(1-9)并向其传输数据，接收到的原始数据在大脑模块(1-9)经过相关协议解析后，得到无人机飞行航迹周围的地理位置及其对应的频谱数据，这些数据在大脑模块(1-9)的频谱认知计算子模块中经过相关认知计算，进行三维立体频谱成像及优化，最后在大脑模块(1-9)的屏幕中动态显示无人机飞行区域范围内的频谱态势地图；
第四步，用户操作无人机完成采集任务后，手动操作无人机返航，待无人机旋翼停止转动后，关闭所有电源，回收无人机，结束本次测绘任务；
大脑模块(1-9)基于频谱数据认知学习计算，进行的频谱数据修正、补全以及增强方法，具体实施方法如下：
1)将频谱态势采集单元(1-2)以及GPS接收模块(1-5)采集的当前状态的频谱数据按照测量的时隙、频率、空间和时间段指标构成时-频-空-时段四维数组的频谱数据
Figure FDA0003468677900000021
其中，T为指定时间段内时间快拍数，F为频点总数，L为监测区域内的空间位置编号总数，I为时间段的指标总数，采集的频谱数据χ一共包含(T×F×L×I)个元素，变量
Figure FDA0003468677900000022
表示其第(i1,i2,i3,i4)个元素的值，代表第i4个时间段内的第i1个时间快怕，第i2个频点，空间编号为i3的空间位置的频谱态势强度；
2)将未知的频谱数据补全的具体操作如下：
a.将步骤1)中采集到的原始频谱数据缺失位置的元素置为“0”，从而得到置“0”后的频谱数据χ；
b.将χ按其时隙维度、频率维度、空间维度和时间段指标维度四个维度进行矩阵展开，得到矩阵χ(1)、χ(2)、χ(3)和χ(4)，χ(i)表示χ沿其第i维方向展开得到的矩阵，即χ(1)、χ(2)、χ(3)和χ(4)是频谱数据χ分别按其时隙维度、频率维度、空间维度和时间段指标维度四个维度展开得到的矩阵，四个矩阵的维数及其元素由下式计算获得，
Figure FDA0003468677900000031
式(1)中，(·)j,k表示矩阵第j行，第k列的元素；1≤i1≤T,1≤i2≤F,1≤i3≤L,1≤i4≤I；
c.χ的初始值χ0设为步骤a的频谱数据；M1,...,M4的初始值分别设为χ0按其时隙维度、频率维度、空间维度和时间段指标维度四个维度展开得到的矩阵，即步骤b中的矩阵χ(1)、χ(2)、χ(3)和χ(4))的四维数组版本，各维度大小与χ相同；γ1,...,γ4的初始值设为与χ具有相同维度的全零四维数组数据；
d.初始赋值后，χ，Mi，γi进行迭代更新，直到满足如下收敛条件为止，
Figure FDA0003468677900000032
其中，θ为设置的收敛容限；当第k+1次迭代中的χk+1满足式(2)时，结束迭代，令
Figure FDA0003468677900000033
即最后得到的χ即为补全后的频谱数据
Figure FDA0003468677900000034
迭代方法如下，
Figure FDA0003468677900000035
式中，
Figure FDA0003468677900000036
χ，Γ是在每个维度都有着相同大小的两个频谱数据，即
Figure FDA0003468677900000037
Γ在子集Ω中的元素ΓΩ表示已知测量值，不属于该子集的元素则是缺失值；χ，γi，Mi的右上标表示迭代次数，如k表示第k次迭代，χk表示第k次迭代中χ的值；Lρ(·)为频谱数据补全问题对应的增广拉格朗日函数，
Figure FDA0003468677900000038
式中，αi≥0，且
Figure FDA0003468677900000041
||·||*为矩阵的核范数，值为矩阵奇异值的和；<·>为内积计算；γi为增广拉格朗日函数引入的拉格朗日乘子；ρ为惩罚参数；||·||F为Frobenius范数；
3)利用机器学习方法对补全后的频谱数据进行修正以及增强处理，具体操作如下：
a.构建相关数据预测模型如式(5)，该模型的输入为当前状态不完整的频谱数据，输出为预测的下一状态完整的频谱数据，训练数据来自预先保留的完整的频谱态势地图，
η(s+1)＝Aχ(s)+B (5)
其中，s表示当前状态，s+1表示下一状态；χ(s)为未经过补全处理测量到的当前状态有缺失的频谱数据；η(s+1)为由χ(s)预测的下一状态完整的频谱数据；A，B为模型参数；
b.对补全后的频谱数据进行的修正和增强处理，得到最终用于三维立体频谱成像的频谱数据，方法如下
Figure FDA0003468677900000042
其中，
Figure FDA0003468677900000043
为最终用于三维立体频谱成像的补全、修正以及增强后当前状态的频谱数据；η(s)为将预先保留的未经过补全处理测量到的前一状态有缺失的频谱数据χ(s-1)输入所构建的预测模型，从而输出的预测的当前状态的完整的频谱数据；
Figure FDA0003468677900000044
为未经过补全处理实际测量到的当前状态有缺失的频谱数据χ(s)经过补全处理后的频谱数据，步骤1)与步骤2)中的频谱数据均为当前状态，即步骤2)中的
Figure FDA0003468677900000045
w为权重因子。
2.如权利要求1所述的基于无人机平台的频谱态势认知测绘装置的测绘方法，其特征在于：
2)如果用户选择“自动测绘模式”，包括如下步骤：
第一步，在完成启动前各项检查后，用户通过地面大脑模块(1-9)设置测绘任务和测绘区域，频谱数据认知单元(1-4)据此计算最佳飞行路径，并向通遥一体化传输单元(1-3)发送相应的航迹规划信息，通遥一体化传输单元(1-3)再根据航迹规划信息将相应的飞控指令传递给飞行控制模块(1-6)，令无人机按频谱数据认知单元规划的航迹飞行，无人机在飞行过程中，通遥一体化传输单元(1-3)将无人机所处的实时地理位置及其对应的频谱信息发送给频谱数据认知单元(1-4)；
第二步，通遥一体化传输单元(1-3)发射的信号由频谱数据认知单元(1-4)的地面接收模块(1-8)接收，地面接收模块(1-8)连接大脑模块(1-9)并向其传输数据，接收到的原始数据在大脑模块经过相关协议解析后，得到无人机已飞航迹周围的地理位置及其对应的频谱数据，这些数据在频谱认知计算子模块中经过相关认知计算，进行三维立体频谱成像及优化，最后在大脑模块的屏幕中动态显示无人机飞行区域范围内的频谱态势地图；
第三步，当无人机结束频谱数据认知模块自主规划的航迹后，大脑模块会检查设置区域测绘出的频谱态势地图是否完整，如果不完整，大脑模块会根据缺失情况重新规划无人机航迹，并令无人机按此航迹继续飞行，并重复该过程，直至测绘出的三维立体频谱态势地图完整；然后，频谱数据认知单元会发送相应的控制信息，令无人机结束飞行并自主返航；
第四步，待无人机旋翼停止转动后，关闭所有电源，回收无人机，结束本次测绘任务。
CN202010213809.8A 2020-03-24 2020-03-24 一种基于无人机平台的频谱态势认知测绘装置及方法 Active CN111431580B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010213809.8A CN111431580B (zh) 2020-03-24 2020-03-24 一种基于无人机平台的频谱态势认知测绘装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010213809.8A CN111431580B (zh) 2020-03-24 2020-03-24 一种基于无人机平台的频谱态势认知测绘装置及方法

Publications (2)

Publication Number Publication Date
CN111431580A CN111431580A (zh) 2020-07-17
CN111431580B true CN111431580B (zh) 2022-05-03

Family

ID=71549236

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010213809.8A Active CN111431580B (zh) 2020-03-24 2020-03-24 一种基于无人机平台的频谱态势认知测绘装置及方法

Country Status (1)

Country Link
CN (1) CN111431580B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113114399B (zh) * 2021-03-30 2022-02-01 南京航空航天大学 基于生成对抗网络的三维频谱态势补全方法和装置
CN113516760B (zh) * 2021-06-03 2023-04-07 电子科技大学 一种电磁频谱数据标注补全方法
CN114397917B (zh) * 2021-12-31 2023-07-14 南京熊猫电子股份有限公司 基于二次曲线预测的无人机定向天线跟踪方法及系统
CN114637741B (zh) * 2022-03-30 2024-10-01 西北工业大学 一种基于张量及神经网络的动态电磁频谱姿势方法及系统
CN115129088B (zh) * 2022-08-26 2022-11-15 中国人民解放军国防科技大学 基于频谱地图的无人机轨迹规划和避障方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103345255A (zh) * 2013-06-17 2013-10-09 太原理工大学 四旋翼航拍定位无人飞行器
US10249202B1 (en) * 2015-11-12 2019-04-02 Securus Technologies, Inc. Detection and interdiction of drones with respect to controlled-environment facilities
CN109981192A (zh) * 2019-04-08 2019-07-05 南京航空航天大学 一种空域反黑飞无人机的频谱监测系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103345255A (zh) * 2013-06-17 2013-10-09 太原理工大学 四旋翼航拍定位无人飞行器
US10249202B1 (en) * 2015-11-12 2019-04-02 Securus Technologies, Inc. Detection and interdiction of drones with respect to controlled-environment facilities
CN109981192A (zh) * 2019-04-08 2019-07-05 南京航空航天大学 一种空域反黑飞无人机的频谱监测系统及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
吴向晖.浅谈无人机空中监控平台在电磁频谱监测测向领域的应用.《中国无线电》.2019,(第292期), *
基于共享数据库的空间电磁环境监测方法与系统;程俊平;《太赫兹科学与电子信息学报》;20190630;第17卷(第3期);第1节至第4节，图1-图9 *
浅谈无人机空中监控平台在电磁频谱监测测向领域的应用;吴向晖;《中国无线电》;20191226(第292期);第1节至第5节 *
程俊平.基于共享数据库的空间电磁环境监测方法与系统.《太赫兹科学与电子信息学报》.2019,第17卷(第3期), *

Also Published As

Publication number Publication date
CN111431580A (zh) 2020-07-17

Similar Documents

Publication Publication Date Title
CN111431580B (zh) 一种基于无人机平台的频谱态势认知测绘装置及方法
CN106301623B (zh) 一种频谱监测无人机的干扰源探测识别方法及其装置
CN110582704B (zh) 用于天线或辐射系统的表征和测量的机载系统和方法
CN102607592B (zh) 遥感定标综合方法及定标设备车
CN110888457A (zh) 利用无人机和机器人对变电设备开展立体巡视系统及方法
CN106899935A (zh) 一种基于无线接收设备和摄像头的室内定位方法及系统
CN108089205A (zh) 一种无人机飞控人员定位系统
Pardo et al. Wireless communication system for the transmission of thermal images from a UAV
CN113030588A (zh) 基于无人机的机场通信导航设备电磁环境检测系统
CN107607091A (zh) 一种测量无人机飞行航迹的方法
CN112731500B (zh) 室外无人机协同室内无人机进行三维定位的方法
CN111244822B (zh) 一种复杂地理环境的固定翼无人机巡线方法、系统和装置
Dressel et al. Efficient and low-cost localization of radio signals with a multirotor UAV
CN114280648B (zh) 基于主成分分析的无人机干扰源定位方法及系统
CN108646239A (zh) 一种基于雷达和光电技术的探测识别装置
CN113993074A (zh) 一种5g基站信号收发装置及目标定位方法
CN111007460A (zh) 直升机协同定位方法
CN112180986B (zh) 一种无人机遥控系统
Colpaert et al. 3D non-stationary channel measurement and analysis for MaMIMO-UAV communications
CN116859332A (zh) 一种多无人机定位民航无线电干扰源系统及方法
CN115494357A (zh) 一种劣化绝缘子检测系统及其方法
CN115797807A (zh) 基于无人机载光谱仪数据的海洋垃圾监测方法、系统及介质
CN113379908A (zh) 一种电力设备自动巡检用的三维gisvr线路实景平台搭建系统
CN112835382A (zh) 一种基于无人机的5g基站测试系统
CN110673140A (zh) 一种无人机的雷达探测系统及其探测方法

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