CN111812582A - 一种基于分布式无人机移动监测的干扰源直接定位方法 - Google Patents

一种基于分布式无人机移动监测的干扰源直接定位方法 Download PDF

Info

Publication number
CN111812582A
CN111812582A CN202010579364.5A CN202010579364A CN111812582A CN 111812582 A CN111812582 A CN 111812582A CN 202010579364 A CN202010579364 A CN 202010579364A CN 111812582 A CN111812582 A CN 111812582A
Authority
CN
China
Prior art keywords
monitoring
unmanned aerial
interference source
aerial vehicle
signal
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.)
Granted
Application number
CN202010579364.5A
Other languages
English (en)
Other versions
CN111812582B (zh
Inventor
李建峰
赵高峰
何益
晋本周
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 CN202010579364.5A priority Critical patent/CN111812582B/zh
Publication of CN111812582A publication Critical patent/CN111812582A/zh
Application granted granted Critical
Publication of CN111812582B publication Critical patent/CN111812582B/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
    • G01S5/0205—Details
    • G01S5/0236—Assistance data, e.g. base station almanac

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于分布式无人机移动监测的干扰源直接定位方法，首先，提取L(L≥4)个无人机监测节点接收的来自未知辐射源的辐射信号y；其次，对提取的辐射源信号进行离散傅里叶变换，得到信号频域表达式Y；接着，将多个监测站的频域数据进行合成，并建立和干扰源位置直接相关的代价函数；然后，多个无人机监测平台移动后重新监测，结合多次移动监测数据形成合成的代价函数；最后，基于相关法找出未知干扰源的位置。本发明采用多无人机监测平台，解决了传统频谱监测平台易受到地面因素影响的问题，并对数据进行分布式移动监测，实现了多无人机协同，运用直接定位方法对干扰源进行定位，提升了对干扰源的定位精度和鲁棒性。

Description

一种基于分布式无人机移动监测的干扰源直接定位方法
技术领域
本发明属于干扰源定位技术领域，具体涉及一种基于分布式无人机移动监测 的干扰源直接定位方法。
背景技术
随着移动互联网、物联网等技术的发展，空间电磁环境日益复杂。伪基站、 “黑广播”、卫星干扰器等非法干扰源，设备故障、操作失误等形成的异常辐射 源造成的通信干扰和电磁泄露事件日益频发，危害巨大，给无线电管理带来严峻 挑战。但是传统的频谱监测设备受地面复杂环境影响大，且灵活性很差，在实际 应用中受限；同时，有限的载荷和续航也使得单无人机监测存在诸多限制。因此， 研究基于分布式无人机的空基平台定位具有十分重要的现实意义。
传统的频谱监测设备大多采用两步定位方法，如：基于接收信号强度 (ReceivedSignal Strength Index，RSS)的定位方法，基于到达角度(Angle ofArrival， AOA)的定位方法或者基于到达时间差(Time Difference ofArrival，TDOA)的定 位方法。这些定位方法具有许多明显的缺陷：参数估计和数学建模的准确性一旦 出现误差会极大影响定位精度，损失各站采集数据的相关性且在多目标定位场景 中存在参数模糊的问题。同时，由于空间中各种障碍物的影响，会使得信号在传 输过程中形成多径效应，这对于干扰源的精准定位产生了极大的影响。本发明提 出基于分布式多无人机监测数据融合的直接定位算法，利用无人机的空中性、分 布性和移动性进行数据融合，提升定位精度和鲁棒性。
发明内容
发明目的：本发明提供一种基于分布式无人机移动监测的干扰源直接定位方 法，实现了多无人机协同，解决了传统频谱监测平台易受到地面因素影响的问题， 并对数据进行分布式移动监测，提升了对干扰源的定位精度。
技术方案：一种基于分布式无人机移动监测的干扰源直接定位方法，包括以 下步骤：
(1)提取L个频谱监测基站接收的来自未知辐射源的辐射信号y，其中， (L≥4)；
(2)对提取的辐射源信号进行离散傅里叶变换，得到信号频域表达式Y；
(3)将多个监测站的频域数据进行合成，并建立和干扰源位置直接相关的 代价函数；
(4)多个无人机监测平台移动后重新监测，结合多次移动监测数据形成合 成的代价函数；
(5)对干扰源监测区域进行网格化，得到一系列网格位置点；基于相关法 求解合成后的代价函数，得到满足代价函数的网格点，该网格点即为目标干扰源 的位置。
进一步地，步骤(1)所述的辐射信号y为：
y1(t)＝α1s(t-τ1)+n1(t)
Figure BDA0002552597630000021
yl(t)＝αls(t-τl)+nl(t)
Figure BDA0002552597630000022
yL(t)＝αLs(t-τL)+nL(t)
其中，yl(t)表示第l个基站的接收信号，s(t)为发射源信号，αl和τl分别为 第l个基站接收信号的衰减系数和传播延迟，nl(t)为对应基站接收信号的噪声分 量(1≤l≤L)。
进一步地，步骤(2)所述的信号频域表达式为：
Figure BDA0002552597630000023
Figure BDA0002552597630000024
Figure BDA0002552597630000025
Figure BDA0002552597630000026
Figure BDA0002552597630000027
其中，Yl(w)为第l个基站接收信号的频域形式，S(w)表示信号s(t)的离散傅 里叶变换，Nl(w)为对应信号的频域噪声分量(1≤l≤L)。
进一步地，所述步骤(3)包括以下步骤：
(31)将所有监测数据进行合成，得到
Figure BDA0002552597630000031
其中，Φ(α)＝diag(α1,...,αL)为包含所有衰减系数的对角矩阵，时延τl仅和 干扰源位置p相关，所以表示为τl(p)，
Figure BDA0002552597630000032
为 对应于不同监测位置的时延因子矢量；
(32)假设离散傅里叶变换之后共K个频点，w1,w2,...,wK，则建立直接和 位置p相关的代价函数为：
Figure BDA0002552597630000033
采用直接相关方法求解辐射源位置，因为相关主要在于相位的补偿，而Φ(α) 为实数，且与频点无关，因此可以简化为：
Figure BDA0002552597630000034
进一步地，所述步骤(4)通过以下公式实现：
Figure BDA0002552597630000035
其中，H为多无人机监测平台移动次数，Yh(w)为多无人机平台在第h个监 测位置测得的合成频域信号，ah(wk,p)为第h个位置相应的时延因子矢量，其中 1≤h≤H。
有益效果：与现有技术相比，本发明的有益效果：采用多个无人机监测平台， 解决了传统频谱监测平台易受到地面因素影响的问题，并对数据进行分布式移动 监测，实现了多个无人机协同，运用直接定位方法对干扰源进行定位，提升了对 干扰源的定位精度和鲁棒性；且本发明的数据处理基于常规的处理方法，易于工 程实现。
附图说明
图1为本发明的流程图；
图2为本发明所述的多无人机定位场景图；
图3为本发明所述方法的未考虑信号多径效应下的定位散点图；
图4为本发明所述方法的考虑信号多径效应下的定位散点图；
图5为本发明所述方法与TDOA定位方法的性能对比图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
本发明提供的一种基于分布式无人机移动监测的干扰源直接定位方法，如图 1所示，具体实现如下：
步骤1：提取L(L≥4)个频谱监测基站接收的来自未知辐射源的辐射信号y。
如图2所示的定位场景，假设存在辐射源信号s(t)，其位置为p(x,y,z)。存 在L(L≥4)个监测站可以接收信号，基站l接收到的信号记作yl(t)，1≤l≤L；则 L个基站的接收信号表达式为：
y1(t)＝α1s(t-τ1)+n1(t)
Figure BDA0002552597630000041
yl(t)＝αls(t-τl)+nl(t)
Figure BDA0002552597630000042
yL(t)＝αLs(t-τL)+nL(t)
上式中，αl和τl分别为第l个基站接收信号的衰减系数和传播延迟，nl(t)为 对应基站接收信号的噪声分量(1≤l≤L)。
步骤2：对提取的辐射源信号进行离散傅里叶(DFT)变换，得到信号频域表 达式Y。
对步骤1得到的接收信号进行离散傅里叶变换(DFT)，可以得到频域信号表 达式为：
Figure BDA0002552597630000043
Figure BDA0002552597630000044
Figure BDA0002552597630000045
Figure BDA0002552597630000046
Figure BDA0002552597630000047
上式中，Yl(w)为第l个基站接收信号的频域形式，S(w)表示信号s(t)的离 散傅里叶变换，Nl(w)为对应信号的频域噪声分量(1≤l≤L)。
步骤3：将多个监测站的频域数据进行合成，并建立和干扰源位置直接相关 的代价函数。
根据步骤2中得到的频域信号表达式，将所有监测数据进行合成，得到：
Figure BDA0002552597630000051
其中，Φ(α)＝diag(α1,...,αL)为包含所有衰减系数的对角矩阵，时延τl仅和 干扰源位置p相关，所以表示为τl(p)，
Figure BDA0002552597630000052
为 对应于不同监测位置的时延因子矢量。
假设离散傅里叶变换(DFT)之后共K个频点，w1,w2,...,wK，则建立直接和位 置p相关的代价函数为：
Figure BDA0002552597630000053
采用直接相关方法求解辐射源位置，因为相关主要在于相位的补偿，而Φ(α) 为实数，且与频点无关，因此可以简化为：
Figure BDA0002552597630000054
步骤4：多个无人机监测平台移动后重新监测，结合多次移动监测数据形成 合成的代价函数。
假设多无人机监测平台移动了H次，Yh(w)为多无人机平台在第h个监测 位置测得的合成频域信号，ah(wk,p)为第h个位置相应的时延因子矢量，其中 1≤h≤H。将多次移动位置后的代价函数的进行合成，得到合成后的代价函数表 达式为
Figure BDA0002552597630000055
其中，H为多无人机监测平台移动次数，Yh(w)为多无人机平台在第h个监 测位置测得的合成频域信号，ah(wk,p)为第h个位置相应的时延因子矢量，其中 1≤h≤H。
步骤5：对空间位置进行网格化，基于相关法找出未知干扰源的位置。
对干扰源监测区域进行网格化，得到一系列网格位置点。基于相关法求解合 成后的代价函数，得到满足代价函数的网格点，该网格点即为目标干扰源的位置。
图3为本发明所述方法在不考虑接收信号多径效应下的干扰源位置估计散 点图。4个无人机的位置分别为L1＝[969,2633,782]T,L2＝[568，1318,1863]T， L3＝[1537,1435,1957]T，L4＝[440,1005,1443]T，单位为m。干扰源的真实位置为 u＝[35,170,85]T。由图3可以看出，本发明可有效实现非多径效应下的干扰源的 准确定位。
图4为本发明所述方法在考虑接收信号多径效应下的干扰源位置估计散点 图。4个无人机的位置分别为L1＝[894,1741,1935]T，L2＝[959,1996,1089]T， L3＝[1090,1644,519]T，L4＝[1729,1153,383]T，单位为m。干扰源的真实位置为 u＝[35,170,85]T。由图4可以看出，本发明能有效实现对多径效应下的干扰源的 准确定位。
图5为本发明所述方法与TDOA定位方法的性能对比图。4个无人机的位置 分别为L1＝[1564,936,707]T，L2＝[1706,2947,895]T，L3＝[1362,1505,1367]T， L4＝[1705,1202,2153]T，单位为m。干扰源的真实位置为u＝[750,370,685]T。图 5中的横坐标为不同平均信噪比，即snr1＝-0.3657dB，snr2＝4.6343dB， snr3＝9.6343dB，snr4＝14.6343dB，snr5＝19.6343dB，由图5可以看出，本发 明中的定位方法相对于传统的TDOA定位方法，性能有较大的提升。
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 (5)

1.一种基于分布式无人机移动监测的干扰源直接定位方法，其特征在于，包括以下步骤：
(1)提取L个频谱监测基站接收的来自未知辐射源的辐射信号y，其中，(L≥4)；
(2)对提取的辐射源信号进行离散傅里叶变换，得到信号频域表达式Y；
(3)将多个监测站的频域数据进行合成，并建立和干扰源位置直接相关的代价函数；
(4)多个无人机监测平台移动后重新监测，结合多次移动监测数据形成合成的代价函数；
(5)对干扰源监测区域进行网格化，得到一系列网格位置点；基于相关法求解合成后的代价函数，得到满足代价函数的网格点，该网格点即为目标干扰源的位置。
2.根据权利要求1所述的一种基于分布式无人机移动监测的干扰源直接定位方法，其特征在于，步骤(1)所述的辐射信号y为：
y1(t)＝α1s(t-τ1)+n1(t)
Figure FDA0002552597620000011
yl(t)＝αls(t-τl)+nl(t)
Figure FDA0002552597620000012
yL(t)＝αLs(t-τL)+nL(t)
其中，yl(t)表示第l个基站的接收信号，s(t)为发射源信号，αl和τl分别为第l个基站接收信号的衰减系数和传播延迟，nl(t)为对应基站接收信号的噪声分量(1≤l≤L)。
3.根据权利要求1所述的一种基于分布式无人机移动监测的干扰源直接定位方法，其特征在于，步骤(2)所述的信号频域表达式为：
Figure FDA0002552597620000013
其中，Yl(w)为第l个基站接收信号的频域形式，S(w)表示信号s(t)的离散傅里叶变换，Nl(w)为对应信号的频域噪声分量(1≤l≤L)。
4.根据权利要求1所述的一种基于分布式无人机移动监测的干扰源直接定位方法，其特征在于，所述步骤(3)包括以下步骤：
(31)将所有监测数据进行合成，得到
Figure FDA0002552597620000021
其中，Φ(α)＝diag(α1,...,αL)为包含所有衰减系数的对角矩阵，时延τl仅和干扰源位置p相关，所以表示为τl(p)，
Figure FDA0002552597620000022
为对应于不同监测位置的时延因子矢量；
(32)假设离散傅里叶变换之后共K个频点，w1,w2,...,wK，则建立直接和位置p相关的代价函数为：
Figure FDA0002552597620000023
采用直接相关方法求解辐射源位置，因为相关主要在于相位的补偿，而Φ(α)为实数，且与频点无关，因此可以简化为：
Figure FDA0002552597620000024
5.根据权利要求1所述的一种基于分布式无人机移动监测的干扰源直接定位方法，其特征在于，所述步骤(4)通过以下公式实现：
Figure FDA0002552597620000025
其中，H为多无人机监测平台移动次数，Yh(w)为多无人机平台在第h个监测位置测得的合成频域信号，ah(wk,p)为第h个位置相应的时延因子矢量，其中1≤h≤H。
CN202010579364.5A 2020-06-23 2020-06-23 一种基于分布式无人机移动监测的干扰源直接定位方法 Active CN111812582B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010579364.5A CN111812582B (zh) 2020-06-23 2020-06-23 一种基于分布式无人机移动监测的干扰源直接定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010579364.5A CN111812582B (zh) 2020-06-23 2020-06-23 一种基于分布式无人机移动监测的干扰源直接定位方法

Publications (2)

Publication Number Publication Date
CN111812582A true CN111812582A (zh) 2020-10-23
CN111812582B CN111812582B (zh) 2023-09-29

Family

ID=72845512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010579364.5A Active CN111812582B (zh) 2020-06-23 2020-06-23 一种基于分布式无人机移动监测的干扰源直接定位方法

Country Status (1)

Country Link
CN (1) CN111812582B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112947548A (zh) * 2021-01-29 2021-06-11 中国人民解放军国防科技大学 一种基于频谱地图的无人机编队规划方法
CN117471191A (zh) * 2023-12-26 2024-01-30 中国人民解放军国防科技大学 一种电磁环境监测系统及监测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106125059A (zh) * 2016-07-18 2016-11-16 电子科技大学 非参数联合估计信号及位置的被动定位方法
CN108363037A (zh) * 2018-02-27 2018-08-03 武汉大学 一种基于广域分布式单天线接收的短波远程辐射源一步定位法
CN108802674A (zh) * 2018-07-19 2018-11-13 中国人民解放军战略支援部队信息工程大学 一种针对直接定位的联合搜索方法及装置
CN109001706A (zh) * 2018-07-06 2018-12-14 电子科技大学 基于特征值最大化的多个辐射源目标被动直接定位方法
CN109031196A (zh) * 2018-07-19 2018-12-18 中国人民解放军战略支援部队信息工程大学 基于运动观测站对多信号源的最大似然直接定位方法
WO2019079959A1 (zh) * 2017-10-24 2019-05-02 深圳市大疆创新科技有限公司 基站的干扰源定位方法、无人机和计算机可读存储介质
CN110333480A (zh) * 2019-06-27 2019-10-15 南京航空航天大学 一种基于聚类的单无人机多目标aoa定位方法
CN110515038A (zh) * 2019-08-09 2019-11-29 南京航空航天大学 一种基于无人机-阵列的自适应无源定位装置及实现方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106125059A (zh) * 2016-07-18 2016-11-16 电子科技大学 非参数联合估计信号及位置的被动定位方法
WO2019079959A1 (zh) * 2017-10-24 2019-05-02 深圳市大疆创新科技有限公司 基站的干扰源定位方法、无人机和计算机可读存储介质
CN108363037A (zh) * 2018-02-27 2018-08-03 武汉大学 一种基于广域分布式单天线接收的短波远程辐射源一步定位法
CN109001706A (zh) * 2018-07-06 2018-12-14 电子科技大学 基于特征值最大化的多个辐射源目标被动直接定位方法
CN108802674A (zh) * 2018-07-19 2018-11-13 中国人民解放军战略支援部队信息工程大学 一种针对直接定位的联合搜索方法及装置
CN109031196A (zh) * 2018-07-19 2018-12-18 中国人民解放军战略支援部队信息工程大学 基于运动观测站对多信号源的最大似然直接定位方法
CN110333480A (zh) * 2019-06-27 2019-10-15 南京航空航天大学 一种基于聚类的单无人机多目标aoa定位方法
CN110515038A (zh) * 2019-08-09 2019-11-29 南京航空航天大学 一种基于无人机-阵列的自适应无源定位装置及实现方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张美红: "基于无人机的民航无线电干扰空中监测与分析研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》, no. 08 *
陈圣哉 等: "基于无人机的低复杂度干扰源定位算法研究", 《工业控制计算机》, vol. 33, no. 05, pages 82 - 84 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112947548A (zh) * 2021-01-29 2021-06-11 中国人民解放军国防科技大学 一种基于频谱地图的无人机编队规划方法
CN112947548B (zh) * 2021-01-29 2022-09-30 中国人民解放军国防科技大学 一种基于频谱地图的无人机编队规划方法及系统
CN117471191A (zh) * 2023-12-26 2024-01-30 中国人民解放军国防科技大学 一种电磁环境监测系统及监测方法

Also Published As

Publication number Publication date
CN111812582B (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
CN108717184B (zh) 基于误差校正的联合doa与toa单站无源定位方法
CN110261819B (zh) 基于时延补偿的多无人机协同定位方法
CN111812582B (zh) 一种基于分布式无人机移动监测的干扰源直接定位方法
Makki et al. Robust high resolution time of arrival estimation for indoor WLAN ranging
CN108279411B (zh) 一种基于mds的被动mimo时差定位方法
CN114371445A (zh) 一种基于单无人机的多辐射源直接定位方法
CN108989985A (zh) 单节点室内高精度定位系统及定位方法
CN116148829A (zh) 一种基于非合作外辐射源的多基雷达定位方法
Lee et al. A preliminary study of machine-learning-based ranging with LTE channel impulse response in multipath environment
Hatami et al. On RSS and TOA based indoor geolocation-a comparative performance evaluation
Ali et al. Time of arrival estimation for WLAN indoor positioning systems using matrix pencil super resolution algorithm
CN111198387A (zh) 一种抗欺骗干扰的空时采样导航定位方法
Ding et al. A time-varying transition channel model for air-ground communication
Zhang et al. Integrated sensing and communication channel: Measurements, characteristics, and modeling
US6054951A (en) Multi-dimensional tracking sensor
CN109286894A (zh) 一种基于压缩感知与多边测量相结合的定位方法
Luecken et al. UWB radar imaging based multipath delay prediction for NLOS position estimation
CN113484823B (zh) 一种基于闭式补偿的高分辨率时延估计方法
Lowrance et al. Direction of arrival estimation for robots using radio signal strength and mobility
Pöhlmann et al. In-field calibration of a multi-mode antenna for DoA estimation
Qin et al. A ML-based direct localization method for multiple sources with moving arrays
Santos et al. Scatterer detection by successive cancellation for UWB-method and experimental verification
CN108008351B (zh) 一种基于正向衰减逆推发射幅度聚集性的信号定位方法
Liu et al. Jammer localization approach based on crowdsourcing carrier-to-noise density power ratio fusion
Ahriz et al. Autoencoder Matrix Completion Based Indoor Localization

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