CN113960526A - 一种基于无人机自适应旋转调整的波达方向估计方法 - Google Patents
一种基于无人机自适应旋转调整的波达方向估计方法 Download PDFInfo
- Publication number
- CN113960526A CN113960526A CN202111204569.6A CN202111204569A CN113960526A CN 113960526 A CN113960526 A CN 113960526A CN 202111204569 A CN202111204569 A CN 202111204569A CN 113960526 A CN113960526 A CN 113960526A
- Authority
- CN
- China
- Prior art keywords
- arrival
- angle
- rotation angle
- loss function
- estimation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000003044 adaptive effect Effects 0.000 title description 4
- 230000005855 radiation Effects 0.000 claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 6
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 6
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 description 5
- 238000003491 array Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/74—Multi-channel systems specially adapted for direction-finding, i.e. having a single antenna system capable of giving simultaneous indications of the directions of different signals
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无人机自适应旋转调整的波达方向估计方法,首先无人机接收多辐射源的信号,并对信号进行采样;计算接收信号协方差矩阵,利用快速算法进行波达方向估计,得到波达角的先验信息;将克拉美‑罗界对角线元素平均值作为损失函数,求出使得损失函数最小的旋转角,作为最优旋转角;用波达角先验信息替代波达角真值,无人机按照最优旋转角的估计值进行旋转,在相同位置再次利用快速算法进行波达方向估计,得出最终波达方向估计结果。本发明可以在多个信号源辐射的情况下保持高精度的波达方向估计,降低了位置信息的二次损耗,有效提升了波达方向估计的精度;并且直接从克拉美‑罗界入手进行优化,实现了波达方向估计性能的提升。
Description
技术领域
本发明涉及无源定位技术领域,主要涉及一种基于无人机自适应旋转调整的波达方向估计方法。
背景技术
随着电磁环境日益复杂,各类干扰事件频频发生,且愈发频繁,对干扰源的及时定位以及排除提出了更高的要求。目前的干扰源监测平台,普遍基于国家地面监测站进行监测,存在着定位精度较差、人力成本高、无法及时定位等缺点。而无人机相较于地面监测平台,具有受地面杂波干扰少、多径效应微弱、灵活性强、人力成本低、监测范围广泛等优势,是近年的研究热点。
目前无源定位大多基于两步定位技术,而基于波达方向的纯方位角定位无需各节点的严格同步,能较好地适应无人机平台。由于存在中间参数估计步骤,即波达方向估计,因此会存在位置信息的损失,进而影响后续纯方位角定位精度。为了提升定位性能,需要改善波达方向估计的精度。波达方向估计的精度优化大多从阵列结构、算法改善等方面入手,目前克拉美-罗界作为波达方向估计的理论下界,大多被作为衡量算法优劣的标尺,现有技术中利用算法的优化受限于克拉美-罗界陷入瓶颈,定位精度难以大幅提升。然而,克拉美-罗界并非一成不变,其与阵列结构、波达角息息相关,现有算法中没有通过降低克拉美-罗界去改善波达方向估计性能的探索。
发明内容
发明目的:本发明针对现有技术中存在的问题,提供了一种基于无人机自适应旋转调整的波达方向估计方法,解决传统波达方向估计算法性能下界锁定的问题,直接通过无人机自适应调整旋转降低克拉美-罗界,将波达角估计均方误差的理论极限降低,仅需二次波达角估计即可获得较高的波达方向估计的精度,进而改善后续二步定位精度,具有重要的工程应用价值。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种基于无人机自适应旋转调整的波达方向估计方法,包括以下步骤:
步骤S1、装载默认朝向线阵的无人机接收多个辐射源的辐射信号,并对所述接收信号进行采样;
步骤S2、计算接收信号协方差矩阵,通过快速算法进行波达方向估计,获得波达角的先验信息;
步骤S3、基于克拉美-罗界对角线元素平均值获取损失函数,利用均方误差的理论下界作为损失函数,并求出损失函数的闭式表达式;
步骤S4、求出使得损失函数最小的旋转角的闭式表达式,将所述旋转角定义为最优旋转角;用先验信息替代波达角真值代入最优旋转角的表达式,获得最优旋转角的估计式;
步骤S5、无人机按照最优旋转角的估计值进行旋转,在相同位置再次利用快速算法进行波达方向估计,得出最终波达方向估计结果。
进一步地,所述步骤S1中无人机接收信号表示如下:
x(t)=A(θ,ζ)s(t)+n(t)
其中,A(θ,ζ)=[a(θ1,ζ)…a(θK,ζ)]T,代表线阵的响应矩阵,K为辐射源数目,a(θk,ζ)代表阵列响应矢量,表示如下:
其中,θk表示第k个辐射源辐射信号的波达角真值,λ表示信号波长,d为阵元间距,M为阵元数,ζ表示阵列基线与x轴的夹角,代表了阵列的朝向;
s(t)=[s1(t)…sK(t)]T代表辐射源辐射的信号,n(t)为零均值加性高斯白噪声矢量,且信号与噪声之间不相关。
进一步地,所述步骤S3中损失函数的获取步骤包括:
步骤S3.1、在阵列旋转角为ζ时,波达方向估计克拉美-罗界的闭式表达式如下:
步骤S3.2、将克拉美-罗界对角线元素的平均值作为损失函数,利用均方误差的理论下界作为损失函数,求出损失函数的闭式表达式如下:
4、根据权利要求3所述的一种基于无人机自适应旋转调整的波达方向估计方法,其特征在于,所述步骤S4中求出使得损失函数最小的旋转角的闭式表达式具体如下:
当k=1时,
tanζ+tanθ1=0
当k≥2时,
上述分子抽象出一元3K-2次方程:c3K-2x3K-2+c3K-3x3K-3+…+c1x+c0=0所述方程的各项系数分别如下:
求解上述一元3K-2次方程,得到K个实数根tanζ1,…,tanζK,并且找到这K个实数根对应的旋转角ζ1,…,ζK,对应找出使得MSE(ζ)最小的实数根,这个实数根即为最优旋转角ζopt:
损失函数的建立需要波达角的先验信息,将步骤S1至S2利用默认朝向阵列获得的波达角先验值替代波达角真值并代入上述方程,即可得到最优旋转角的估计值。
有益效果:
本发明提供的基于无人机自适应旋转调整的波达方向估计方法,首先无人机在某一位置接收多辐射源的信号,并对信号进行采样;计算接收信号协方差矩阵,利用快速算法进行波达方向估计,得到波达角的先验信息;将克拉美-罗界对角线元素平均值作为损失函数,利用均方误差的理论下界作为损失函数,求出使得损失函数最小的旋转角,作为最优旋转角;用波达角先验信息替代波达角真值,无人机按照最优旋转角的估计值进行旋转,在相同位置再次利用快速算法进行波达方向估计,得出最终波达方向估计结果。本发明提供的方法可以在多个信号源辐射的情况下保持高精度的波达方向估计,同时降低了位置信息的二次损耗,有效提升了波达方向估计的精度。不拘泥于具体算法改进,直接从克拉美-罗界入手进行优化,实现了波达方向估计性能的提升。本发明提出的无人机自适应旋转的调整过程更加贴合无人机运动特性,实现较为便捷。
附图说明
图1为本发明提供的基于无人机自适应旋转调整的波达方向估计方法流程图;
图2为本发明提供的装载均匀线阵的无人机旋转示意图;
图3为本发明实施例中通过本发明最优旋转后的均匀线阵与未旋转的均匀线阵以ESPRIT算法进行波达方向估计时在不同信噪比下的估计性能比较示意图;
图4为本发明实施例中通过本发明最优旋转后的均匀线阵以ESPRIT算法进行波达方向估计时在不同快拍数下的估计性能比较示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
本发明提供了一种基于无人机自适应旋转调整的多信源高精度波达方向估计方法,详细流程如图1所示,主要包括以下步骤:
步骤S1、装载默认朝向线阵的无人机接收多个辐射源的辐射信号,并对接收信号进行采样。
具体如图2所示,所述步骤S1及步骤S5中无人机接收信号表示如下:
x(t)=A(θ,ζ)s(t)+n(t)
其中,A(θ,ζ)=[a(θ1,ζ)…a(θK,ζ)]T,代表线阵的响应矩阵,K为辐射源数目,a(θk,ζ)代表阵列响应矢量,表示如下:
其中,θk表示第k个辐射源辐射信号的波达角真值,λ表示信号波长,d为阵元间距,M为阵元数,ζ表示阵列基线与x轴的夹角,代表了阵列的朝向;
s(t)=[s1(t)…sK(t)]T代表辐射源辐射的信号,n(t)为零均值加性高斯白噪声矢量,且信号与噪声之间不相关。
步骤S2、计算接收信号协方差矩阵,通过快速算法进行波达方向估计,获得波达角的先验信息。本发明采用基于ESPRIT的快速算法进行波达方向估计,用于获取波达角的先验信息。下面提供一份具体实施例:
步骤S2.1根据接收信号得到相关矩阵RZZ=E[xH(t)x(t)];
对RZZ做特征值分解,RZZU=ΛU,其中Λ=diag{λ1,…,λM},U=[e1,…,eM]为特征矩阵,em为λm对应的特征向量,λ1≥…≥λM;
步骤S2.2、取较大的K个特征值所对应的特征向量,构成信号子空间,Es=[e1,…,eK],取其前M-1行和后M-1行分别构成矩阵Ex和Ey;
步骤S3、基于克拉美-罗界对角线元素平均值获取损失函数,利用均方误差的理论下界作为损失函数,并求出损失函数的闭式表达式。具体地,
步骤S3.1、在阵列旋转角为ζ时,波达方向估计克拉美-罗界的闭式表达式如下:
步骤S3.2、将克拉美-罗界对角线元素的平均值作为损失函数,利用均方误差的理论下界作为损失函数,求出损失函数的闭式表达式如下:
步骤S4、求出使得损失函数最小的旋转角的闭式表达式具体如下:
当k=1时,
tanζ+tanθ1=0
当k≥2时,
上述分子抽象出一元3K-2次方程:c3K-2x3K-2+c3K-3x3K-3+…+c1x+c0=0所述方程的各项系数分别如下:
求解上述一元3K-2次方程,得到K个实数根tanζ1,…,tanζK,并且找到这K个实数根对应的旋转角ζ1,…,ζK,对应找出使得MSE(ζ)最小的实数根,这个实数根即为最优旋转角ζopt:
损失函数的建立需要波达角的先验信息,将步骤S1至S2利用默认朝向阵列获得的波达角先验值替代波达角真值并代入上述方程,即可得到最优旋转角的估计值。
根据上述损失函数:
可知,损失函数中J表示采样数,是已知的,τ仅与阵列阵元数,阵列间距有关,也是已知的,但是波达角θk是未知的,因此采用一个默认朝向的阵列去获得波达角的先验信息,以便构造损失函数。在步骤S4中由于波达角未知,因此采用先验信息代替波达角。
步骤S5、无人机按照最优旋转角的估计值进行旋转,在相同位置再次利用快速算法进行波达方向估计,得出最终波达方向估计结果。同样的,本实施例中采用ESPRIT快速算法进行波达方向估计,此处不再赘述。
下面提供一份具体实施例,用于证明本发明提供的无人机自适应旋转调整的波达方向估计方法实验效果。
如图3所示为由本发明所述方法最优旋转后的均匀线阵与未旋转的均匀线阵以ESPRIT算法进行波达方向估计时在不同信噪比下的估计性能比较。仿真参数设置包括:均匀线阵阵元数为5个,间距为半波长,在均匀线阵远场处存在三个辐射源,辐射源的波达角分别为10°,60°,80°,快拍数为200,默认阵列与x轴平行(即自适应旋转调整前阵列与x轴平行)。由图3可以明显看出,本发明的波达角估计精度显著提升,具有良好的波达方向估计性能。
如图4所示为由本发明所述方法最优旋转后的均匀线阵与未旋转的均匀线阵以ESPRIT算法进行波达方向估计时在不同快拍数下的估计性能比较。仿真参数设置包括:均匀线阵阵元数为5个,间距为半波长,在均匀线阵远场处存在三个辐射源,辐射源的波达角分别为10°,60°,80°,信噪比为10dB。可以明显看出,随着快拍数的提高,本发明的波达角估计精度显著提升,具有良好的波达方向估计性能。
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,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种基于无人机自适应旋转调整的波达方向估计方法,其特征在于,包括以下步骤:
步骤S1、装载默认朝向线阵的无人机接收多个辐射源的辐射信号,并对所述接收信号进行采样;
步骤S2、计算接收信号协方差矩阵,通过快速算法进行波达方向估计,获得波达角的先验信息;
步骤S3、基于克拉美-罗界对角线元素平均值获取损失函数,利用均方误差的理论下界作为损失函数,并求出损失函数的闭式表达式;
步骤S4、求出使得损失函数最小的旋转角的闭式表达式,将所述旋转角定义为最优旋转角;用先验信息替代波达角真值代入最优旋转角的表达式,获得最优旋转角的估计式;
步骤S5、无人机按照最优旋转角的估计值进行旋转,在相同位置再次利用快速算法进行波达方向估计,得出最终波达方向估计结果。
4.根据权利要求3所述的一种基于无人机自适应旋转调整的波达方向估计方法,其特征在于,所述步骤S4中求出使得损失函数最小的旋转角的闭式表达式具体如下:
当k=1时,
tanζ+tanθ1=0
当k≥2时,
上述分子抽象出一元3K-2次方程:c3K-2x3K-2+c3K-3x3K-3+…+c1x+c0=0所述方程的各项系数分别如下:
求解上述一元3K-2次方程,得到K个实数根tanζ1,…,tanζK,并且找到这K个实数根对应的旋转角ζ1,…,ζK,对应找出使得MSE(ζ)最小的实数根,这个实数根即为最优旋转角ζopt:
损失函数的建立需要波达角的先验信息,将步骤S1至S2利用默认朝向阵列获得的波达角先验值替代波达角真值并代入上述方程,即可得到最优旋转角的估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111204569.6A CN113960526B (zh) | 2021-10-15 | 2021-10-15 | 一种基于无人机自适应旋转调整的波达方向估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111204569.6A CN113960526B (zh) | 2021-10-15 | 2021-10-15 | 一种基于无人机自适应旋转调整的波达方向估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113960526A true CN113960526A (zh) | 2022-01-21 |
CN113960526B CN113960526B (zh) | 2024-04-30 |
Family
ID=79464153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111204569.6A Active CN113960526B (zh) | 2021-10-15 | 2021-10-15 | 一种基于无人机自适应旋转调整的波达方向估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113960526B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180232649A1 (en) * | 2015-08-10 | 2018-08-16 | Microsoft Technology Licensing, Llc | Efficient online methods for quantum bayesian inference |
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 |
CN111766560A (zh) * | 2020-06-29 | 2020-10-13 | 南京航空航天大学 | 一种基于无人机移动监测的多信源高精度直接定位方法 |
CN113191185A (zh) * | 2021-03-10 | 2021-07-30 | 中国民航大学 | 一种利用Dense2Net的雷达探测无人机目标分类方法 |
CN113360841A (zh) * | 2021-05-19 | 2021-09-07 | 电子科技大学 | 一种基于监督学习的分布式mimo雷达目标定位性能计算方法 |
-
2021
- 2021-10-15 CN CN202111204569.6A patent/CN113960526B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180232649A1 (en) * | 2015-08-10 | 2018-08-16 | Microsoft Technology Licensing, Llc | Efficient online methods for quantum bayesian inference |
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 |
CN111766560A (zh) * | 2020-06-29 | 2020-10-13 | 南京航空航天大学 | 一种基于无人机移动监测的多信源高精度直接定位方法 |
CN113191185A (zh) * | 2021-03-10 | 2021-07-30 | 中国民航大学 | 一种利用Dense2Net的雷达探测无人机目标分类方法 |
CN113360841A (zh) * | 2021-05-19 | 2021-09-07 | 电子科技大学 | 一种基于监督学习的分布式mimo雷达目标定位性能计算方法 |
Non-Patent Citations (1)
Title |
---|
王小刚;路菲;崔乃刚;: "Huber-based滤波及其在相对导航问题中的应用", 控制与决策, no. 02, 15 February 2010 (2010-02-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN113960526B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107167778B (zh) | 一种基于协方差矩阵重构和导向矢量估计的稳健波束形成方法 | |
CN109450499B (zh) | 一种基于导向矢量和空间功率估计的鲁棒波束形成方法 | |
CN111766560B (zh) | 一种基于无人机移动监测的多信源高精度直接定位方法 | |
CN112051540B (zh) | 一种快速高精度测向方法 | |
CN111273215B (zh) | 信道状态信息的通道不一致性误差校正测向方法 | |
CN112130111A (zh) | 一种大规模均匀十字阵列中单快拍二维doa估计方法 | |
KR101807499B1 (ko) | 상호간섭효과를 보상한 원형 배열 안테나 기반의 도래각 추정 장치 및 추정 방법 | |
US11681006B2 (en) | Method for jointly estimating gain-phase error and direction of arrival (DOA) based on unmanned aerial vehicle (UAV) array | |
CN114371445A (zh) | 一种基于单无人机的多辐射源直接定位方法 | |
CN113189592A (zh) | 考虑幅相互耦误差的车载毫米波mimo雷达测角方法 | |
CN109696651B (zh) | 一种基于m估计的低快拍数下波达方向估计方法 | |
CN108828586B (zh) | 一种基于波束域的双基地mimo雷达测角优化方法 | |
CN113671439A (zh) | 基于非均匀智能超表面阵列的无人机集群测向系统及方法 | |
CN110380770B (zh) | 一种低轨移动卫星通信网络的自适应对星方法 | |
CN109407047B (zh) | 一种基于秩损求根的幅相误差校准和波达方向估计方法 | |
CN109870670B (zh) | 一种基于阵列重构的混合信号参数估计方法 | |
CN113960526A (zh) | 一种基于无人机自适应旋转调整的波达方向估计方法 | |
CN112649799A (zh) | 一种mimo雷达幅相误差矫正方法 | |
CN111551892A (zh) | 一种稳健自适应波束形成方法及装置 | |
CN115882881A (zh) | 一种强干扰下阵列天线时分系统初始角度搜索方法和终端 | |
CN114966523A (zh) | 大规模mimo测向中基于幂迭代算法的doa估计方法 | |
CN109061564B (zh) | 基于高阶累积量的简化近场定位方法 | |
CN112737644A (zh) | 无人机蜂群的自定位方法及装置 | |
CN115856763A (zh) | 一种基于系统方位依赖的幅相误差参数的搜索测向方法 | |
CN113376568B (zh) | 一种基于子空间正交补偿的圆阵doa估计方法 |
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 |