CN116359836B - 一种基于超分辨率测向的无人机目标跟踪方法和系统 - Google Patents

一种基于超分辨率测向的无人机目标跟踪方法和系统 Download PDF

Info

Publication number
CN116359836B
CN116359836B CN202310627000.3A CN202310627000A CN116359836B CN 116359836 B CN116359836 B CN 116359836B CN 202310627000 A CN202310627000 A CN 202310627000A CN 116359836 B CN116359836 B CN 116359836B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
analog signal
analog
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.)
Active
Application number
CN202310627000.3A
Other languages
English (en)
Other versions
CN116359836A (zh
Inventor
吕春
邓钧兮
罗俊
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.)
Chengdu Golden Fulcrum Technology Co ltd
Original Assignee
Chengdu Golden Fulcrum Technology Co ltd
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 Chengdu Golden Fulcrum Technology Co ltd filed Critical Chengdu Golden Fulcrum Technology Co ltd
Priority to CN202310627000.3A priority Critical patent/CN116359836B/zh
Publication of CN116359836A publication Critical patent/CN116359836A/zh
Application granted granted Critical
Publication of CN116359836B publication Critical patent/CN116359836B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S3/14—Systems for determining direction or deviation from predetermined direction

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明请求保护一种基于超分辨率测向的无人机目标跟踪方法和系统，多无人机运行过程中发送多波段模拟信号，测向天线阵列中的接收天线单元接收后进行多级滤波，之后发送给射频接收通道进行噪声放大，之后发送至数字采集与处理模块进行模数转换，得到数字信号并进行空间谱估计测向运算，得到多个无人机的运行方位角与俯仰角。本发明无需伺服云台，系统体积小，重量轻，接收天线采用了小型化设计；利用遥测频段微波链路进行目标跟踪，不易受环境影响，系统稳定可靠；目标跟踪稳定，即使目标丢失也可在短时间内快速重新捕获，系统可定制化设计，根据应用需求来进行指定距离、空域范围、目标数量等关键指标的功能性设计。

Description

一种基于超分辨率测向的无人机目标跟踪方法和系统
技术领域
本发明属于目标跟踪技术领域，具体的，涉及一种基于超分辨率测向的无人机目标跟踪方法和系统。
背景技术
随着无人机的快速发展，在军事和民用领域得到广泛应用，空间内传输的数据类型和数据量增加，对遥测空间谱网格站提出的任务越来越重，要求也越来越高，新的需求也在不断提出，无人机空间谱网格遥测接收系统作为无人机系统的重要组成部分，主要任务是实时接收、处理并显示无人机的飞行状态、任务载荷工作状态等遥测数据。无人机遥测接收系统的性能很大程度上决定了无人机系统的整体性能，是无人机与空间谱网格站之间联系的“神经中枢”纽带。
目前常见的目标跟踪系统包含大口径高分辨率摄像机、云台、伺服机构、距离传感器等关键部件，虽然具有较高定位精度，但极易受天气影响而丢失目标，且容易被云高度层遮挡，目标丢失后很难短时间内重新捕获目标。系统整机体积较大，结构复杂，不易于安装和维护。
发明内容
为了解决上述目标跟踪运算复杂度较高的问题，本发明提出一种基于超分辨率测向的无人机目标跟踪方法和系统。
根据本发明第一方面，本发明请求保护一种基于超分辨率测向的无人机目标跟踪方法，其特征在于，包括：
多个无人机运行过程中向多个方向发送多个波段的模拟信号；
测向天线阵列中的多个接收天线单元接收多个波段的模拟信号，将模拟信号进行多级滤波；
测向天线阵列将多级滤波后的模拟信号发送给射频接收通道，射频接收通道对模拟信号进行噪声放大；
射频接收通道将模拟信号发送至数字采集与处理模块，数字采集与处理模块对噪声放大后的模拟信号进行模数转换，得到数字信号；
对数字信号进行空间谱估计测向运算，得到多个无人机的运行方位角与俯仰角。
优选的，多个无人机运行过程中向多个方向发送多个波段的模拟信号，具体包括：
每个无人机搭载不同运行波段的信号发射器；
每个无人机在飞行过程中按照各自的发射周期向自身方位面360°空域发射各自的模拟信号；
模拟信号在预设空域范围内进行传播。
优选的，测向天线阵列中的多个接收天线单元接收多个波段的模拟信号，将模拟信号进行多级滤波，具体包括：
测向天线阵列由多个独立的接收天线单元组成；
每个接收天线单元按照预设圆的切线分布，接收天线单元之间的距离不同，依据距离设置多个阵元间距；
依据多个波段的模拟信号激活对应的接收天线单元；
采集得到模拟信号和无人机飞行信息；
根据无人机飞行信息，确定模拟信号所表征的无人机飞行状态；
使用子带树变换对模拟信号进行子带树分解，得到分解后的模拟信号；
根据模拟信号所表征的无人机飞行状态，将分解后的模拟信号进行子带树重构，得到重构的模拟信号；
将重构的模拟信号按照设计要求的单位和周期输出给控制系统，并更新姿态滤波窗口内的模拟信号。
优选的，测向天线阵列将多级滤波后的模拟信号发送给射频接收通道，射频接收通道对模拟信号进行噪声放大，具体包括：
第一放大，采用第一谐振网络接收模拟信号来放大模拟信号以提高噪声系数；
噪声放大，判断模拟信号是弱信号还是强信号，且采用第二谐振网络在模拟信号是弱信号的情况下以低噪声模式运行并接收第一谐振网络的输出作为第一输入以及具有通过可变电容连接至地的第二输入侧以进行高增益放大，从而输出第一阻抗信号；
去噪，采用去噪单元在模拟信号是强信号的情况下以低增益模式运行并接收、去噪和输出第一谐振网络的输出；以及
高低噪声放大，采用第三谐振网络接收在去噪中的输出作为第三输入并在低增益模式时通过第二可变电容接收模拟信号作为第四输入以进行低增益阻抗放大，从而输出第二阻抗信号。
优选的，射频接收通道将模拟信号发送至数字采集与处理模块，数字采集与处理模块对噪声放大后的模拟信号进行模数转换，得到数字信号，具体包括：
数字采集与处理模块包括多个FPGA部件，多个FPGA部件至少包括第一FPGA部件和第二FPGA部件；
每个周期末，获取多个第一FPGA部件的第一输出值，以及第二FPGA部件的第二输出值；
根据第一输出值和第二输出值，确定模拟信号是否转换完成；
若转换完成，则获取数模转换器中记录的第一数字码值，根据第一数字码值，确定模拟信号对应的数字信号。
优选的，对数字信号进行空间谱估计测向运算，得到多个无人机的运行方位角与俯仰角，具体包括：
对经过模数转换得出来的数字信号计算得到协方差矩阵，
依据数字信号选择对应的阵列流型网格，采用协方差矩阵的噪声子空间和阵列流型网格得到空间谱网格；
提取空间谱网格最大的K个峰描述子，最后对K个峰描述子进行Grassmann空间插值，得到超分辨角度和极化信息。
优选的，依据多个波段的模拟信号激活对应的接收天线单元，具体包括：
多个接收天线单元至少包括第一接收天线单元、第二接收天线单元和第三接收天线单元；
多个波段的模拟信号至少包括第一波段模拟信号和第二波段模拟信号；
第一接收天线单元、第二接收天线单元和第三接收天线单元按照预设圆的切线分布，第一接收天线单元、第二接收天线单元之间距离为第一阵元间距，第二接收天线单元、第三接收天线单元之间距离为第二阵元间距；
当无人机的模拟信号为第一波段模拟信号时，激活第一接收天线单元和第二接收天线单元；
当无人机的模拟信号为第二波段模拟信号时，激活第二接收天线单元和第三接收天线单元。
优选的，方法还包括：
接收多个无人机通过多条链路发送的模拟信号；
分别对各条链路上的模拟信号进行第一次逆向纠错解码，确定第二标签的第二模拟信号，并根据第二标签判断第二模拟信号是否存在丢失现象；
若第二模拟信号存在丢失，则对第二模拟信号进行第二次逆向纠错解码，得到第一模拟信号，第一模拟信号括第一标签，第一次逆向纠错解码与第二次逆向纠错解码相对应；
若第一标签不存在丢失，则根据第一模拟信号确定待传输的模拟信号。
根据本发明第二方面，本发明还请求保护一种基于超分辨率测向的无人机目标跟踪系统，其特征在于，包括多个无人机、测向天线阵列、射频接收通道、数字采集与处理模块；
所述一种基于超分辨率测向的无人机目标跟踪系统用于执行所述的一种基于超分辨率测向的无人机目标跟踪方法。
本发明请求保护的一种基于超分辨率测向的无人机目标跟踪方法和系统，通过多无人机运行过程中发送多波段模拟信号，测向天线阵列中的接收天线单元接收后进行多级滤波，之后发送给射频接收通道进行噪声放大，之后发送至数字采集与处理模块进行模数转换，得到数字信号并进行空间谱估计测向运算，得到多个无人机的运行方位角与俯仰角。本发明无需伺服云台，系统体积小，重量轻接收天线采用了小型化设计；利用遥测频段微波链路进行目标跟踪。本发明的有益效果为：不易受环境影响，系统稳定可靠；目标跟踪稳定，即使目标丢失也可在短时间内快速重新捕获，系统可定制化设计，根据应用需求来进行指定距离、空域范围、目标数量等关键指标的功能性设计。
附图说明
图1为本发明请求保护一种基于超分辨率测向的无人机目标跟踪方法的工作流程图；
图2为本发明请求保护一种基于超分辨率测向的无人机目标跟踪方法的第二工作流程图；
图3为本发明请求保护一种基于超分辨率测向的无人机目标跟踪方法的第三工作流程图；
图4为本发明请求保护一种基于超分辨率测向的无人机目标跟踪方法的第四工作流程图；
图5为本发明请求保护一种基于超分辨率测向的无人机目标跟踪方法的第五工作流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。可以理解，本申请所使用的的术语“第一”、“第二”等可在本文本中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另外一个元件区分。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
根据本发明第一实施例，参照附图1，本发明请求保护一种基于超分辨率测向的无人机目标跟踪方法，其特征在于，包括：
多个无人机运行过程中向多个方向发送多个波段的模拟信号；
测向天线阵列中的多个接收天线单元接收多个波段的模拟信号，将模拟信号进行多级滤波；
测向天线阵列将多级滤波后的模拟信号发送给射频接收通道，射频接收通道对模拟信号进行噪声放大；
射频接收通道将模拟信号发送至数字采集与处理模块，数字采集与处理模块对噪声放大后的模拟信号进行模数转换，得到数字信号；
对数字信号进行空间谱估计测向运算，得到多个无人机的运行方位角与俯仰角。
优选的，多个无人机运行过程中向多个方向发送多个波段的模拟信号，具体包括：
每个无人机搭载不同运行波段的信号发射器；
每个无人机在飞行过程中按照各自的发射周期向自身方位面360°空域发射各自的模拟信号；
模拟信号在预设空域范围内进行传播。
在该实施例中，可定制化设计，根据应用需求来进行指定距离、空域范围、目标数量等关键指标的功能性设计。
具体的，设定所述无人机的飞行空域范围，所述飞行空域范围为基于经纬度包含的封闭区域；
当所述无人机飞行位置超出所述飞行空域范围后，所述无人机发出的模拟信号无法再进行传播；
优选的，参照附图2，测向天线阵列中的多个接收天线单元接收多个波段的模拟信号，将模拟信号进行多级滤波，具体包括：
测向天线阵列由多个独立的接收天线单元组成；
每个接收天线单元按照预设圆的切线分布，接收天线单元之间的距离不同，依据距离设置多个阵元间距；
依据多个波段的模拟信号激活对应的接收天线单元；
采集得到模拟信号和无人机飞行信息；
根据无人机飞行信息，确定模拟信号所表征的无人机飞行状态；
使用子带树变换对模拟信号进行子带树分解，得到分解后的模拟信号；
根据模拟信号所表征的无人机飞行状态，将分解后的模拟信号进行子带树重构，得到重构的模拟信号；
将重构的模拟信号按照设计要求的单位和周期输出给控制系统，并更新姿态滤波窗口内的模拟信号。
在该实施例中，接收测向天线阵列发送的包含无人机飞行信息的第一级滤波请求；所述无人机飞行信息包括无人机信息和第1～N高度层飞行设置信息；
根据所述无人机飞行信息逐高度层检查子带树变换矩阵存储是否存在与所述无人机飞行信息匹配的滤波数据；
当检测所述子带树变换矩阵存储不存在与第M高度层飞行信息匹配的滤波数据，则向模拟信号发送第二滤波请求；所述第二滤波请求包括所述无人机信息和第M高度层飞行信息；其中，M小于或等于N；
获取所述模拟信号返回的用于响应所述第二滤波请求的姿态滤波窗口更新数据，并根据所述姿态滤波窗口更新数据更新所述子带树变换矩阵存储；
从更新后的所述子带树变换矩阵存储获取与所述无人机飞行信息匹配的滤波数据；
将所述滤波数据发送到所述射频接收通道，以使所述射频接收通道根据所述滤波数据更新射频接收通道存储。
优选的，参照附图3，测向天线阵列将多级滤波后的模拟信号发送给射频接收通道，射频接收通道对模拟信号进行噪声放大，具体包括：
第一放大，采用第一谐振网络接收模拟信号来放大模拟信号以提高噪声系数；
噪声放大，判断模拟信号是弱信号还是强信号，且采用第二谐振网络在模拟信号是弱信号的情况下以低噪声模式运行并接收第一谐振网络的输出作为第一输入以及具有通过可变电容连接至地的第二输入侧以进行高增益放大，从而输出第一阻抗信号；
去噪，采用去噪单元在模拟信号是强信号的情况下以低增益模式运行并接收、去噪和输出第一谐振网络的输出；以及
高低噪声放大，采用第三谐振网络接收在去噪中的输出作为第三输入并在低增益模式时通过第二可变电容接收模拟信号作为第四输入以进行低增益阻抗放大，从而输出第二阻抗信号。
优选的，参照附图4，射频接收通道将模拟信号发送至数字采集与处理模块，数字采集与处理模块对噪声放大后的模拟信号进行模数转换，得到数字信号，具体包括：
数字采集与处理模块包括多个FPGA部件，多个FPGA部件至少包括第一FPGA部件和第二FPGA部件；
每个周期末，获取多个第一FPGA部件的第一输出值，以及第二FPGA部件的第二输出值；
根据第一输出值和第二输出值，确定模拟信号是否转换完成；
若转换完成，则获取数模转换器中记录的第一数字码值，根据第一数字码值，确定模拟信号对应的数字信号。
优选的，参照附图5，对数字信号进行空间谱估计测向运算，得到多个无人机的运行方位角与俯仰角，具体包括：
对经过模数转换得出来的数字信号计算得到协方差矩阵，
依据数字信号选择对应的阵列流型网格，采用协方差矩阵的噪声子空间和阵列流型网格得到空间谱网格；
提取空间谱网格最大的K个峰描述子，最后对K个峰描述子进行Grassmann空间插值，得到超分辨角度和极化信息。
具体的，在该实施例中：
随机选取无人机飞行区域空间谱网格上存在的两条网格线作为标定线，若无人机飞行区域的空间谱网格上不存在网格线时，在无人机飞行区域的空间谱网格上随机绘制两条网格线作为标定线，测量两条标定线之间的实际距离；
使用网格标定法，得到无人机的横向归一化焦距，计算无人机水平视场角；
测量无人机光心与空间谱网格的垂直距离作为无人机高度；
在无人机水平视场角以及无人机高度的条件下，使用无人机拍摄一张含有标定线的图片，对拍摄的图片中每个峰描述子依次进行Grassmann空间插值后，得到两条标定线的投影直线的峰描述子集合，从每个峰描述子集合中随机选取两个峰描述子；
按照下式，计算两条标定线的投影直线的像素距离：
其中，l表示图片中两条标定线的投影直线的像素距离，||表示绝对值操作，h表示无人机垂直分辨率，*表示相乘操作，x11和y11分别表示从第1个峰描述子集合中选取的第1个峰描述子的横坐标值和纵坐标值，x12和y12分别表示从第1个峰描述子集合中选取的第2个峰描述子的横坐标值和纵坐标值，x21和y21分别表示从第2个峰描述子集合中选取的第1个峰描述子的横坐标值和纵坐标值，x22和y22分别表示从第2个峰描述子集合中选取的第2个峰描述子的横坐标值和纵坐标值；
根据标定线间的实际距离和图片中两条投影线段的像素距离之间的关系，计算无人机俯仰角：
其中，γ表示无人机俯仰角，w表示无人机的水平分辨率，d表示两条标定线之间的实际距离，arctan表示反正切操作，tan表示正切操作，α表示无人机水平视场角，H表示无人机高度，π表示圆周率。
优选的，依据多个波段的模拟信号激活对应的接收天线单元，具体包括：
多个接收天线单元至少包括第一接收天线单元、第二接收天线单元和第三接收天线单元；
多个波段的模拟信号至少包括第一波段模拟信号和第二波段模拟信号；
第一接收天线单元、第二接收天线单元和第三接收天线单元按照预设圆的切线分布，第一接收天线单元、第二接收天线单元之间距离为第一阵元间距，第二接收天线单元、第三接收天线单元之间距离为第二阵元间距；
当无人机的模拟信号为第一波段模拟信号时，激活第一接收天线单元和第二接收天线单元；
当无人机的模拟信号为第二波段模拟信号时，激活第二接收天线单元和第三接收天线单元。
优选的，方法还包括：
接收多个无人机通过多条链路发送的模拟信号；
分别对各条链路上的模拟信号进行第一次逆向纠错解码，确定第二标签的第二模拟信号，并根据第二标签判断第二模拟信号是否存在丢失现象；
若第二模拟信号存在丢失，则对第二模拟信号进行第二次逆向纠错解码，得到第一模拟信号，第一模拟信号括第一标签，第一次逆向纠错解码与第二次逆向纠错解码相对应；
若第一标签不存在丢失，则根据第一模拟信号确定待传输的模拟信号。
具体的，在本实施例中，接收端设备可以是上述天线阵列、通道、模块等关键部件进行整机集成的一体化结构件，也可以是无人机与一体化结构件之间进行通信。
其中，若无人机的通信信号发生装置与接收端的通信信号发生装置进行通信，则网卡之间建立通信链路；
若无人机与一体化结构件之间进行通信，则无人机通过各个网卡与一体化结构件建立通信链路。
无人机通过各个网卡发送模拟信号，接收端设备接收到模拟信号。
接收端设备先对每个网卡上接收到的模拟信号的个数进行判断，由于逆向纠错算法具有FEC纠错能力，即传输模拟信号的总数与纠错能力的乘积，若超过传输模拟信号的总数与纠错能力的乘积的个数的模拟信号丢失，则无法找回，若丢失的模拟信号小于传输模拟信号的总数与纠错能力的乘积的个数，则可以找回丢失的模拟信号。
接收端设备分别对每个网卡对模拟信号进行第一次逆向纠错解码后，得到解码后的模拟信号的第三标签，然后根据第三标签来确定与第三标签对应的第二标签的第二模拟信号。
具体地，接收端设备分别对每个网卡上接收到的模拟信号进行第一次逆向纠错解码，得到第二模拟信号，根据第二分片的模拟信号来判断是否出现了丢失，若出现丢失，则对第二模拟信号进行第二次逆向纠错解码，得到第二次解码的模拟信号，即第一模拟信号，并得到第一模拟信号的第一标签，通过第二次逆向纠错解码来找回丢失的模拟信号。
具体地，接收端设备对第一标签进行判断，若不存在丢失，则对第一模拟信号进行拼接，得到原始的待传输的模拟信号，本发明实施例通过对待传输的数据进行双重逆向纠错编码和双重逆向纠错解码，可以找回丢失的模拟信号，减少数据重传率。
根据本发明第二实施例，本发明还请求保护一种基于超分辨率测向的无人机目标跟踪系统，其特征在于，包括多个无人机、测向天线阵列、射频接收通道、数字采集与处理模块；
所述一种基于超分辨率测向的无人机目标跟踪系统用于执行所述的一种基于超分辨率测向的无人机目标跟踪方法。
在该实施例中，测向天线阵列由多个独立的接收天线组成，每个天线可接收来自于遥测频段的目标信号；射频接收通道是每个接收天线后端的射频数据处理通道，它将天线接收下来的射频信号进行多级滤波并放大；数字采集与处理模块主要对射频接收通道发送过来已经滤波放大的射频信号进行模数变换，并在数字域进行详细计算，完成目标空间位置的定位并进行实时跟踪。一体化结构件则将上述天线阵列、通道、模块等关键部件进行整机集成，将系统整机结构进行最简化设计。校准功分网络、开关矩阵、校准信号源为与所述基于超分辨率测向的无人机目标跟踪系统相电连接的外部通信装置。
本领域技术人员能够理解，本公开所披露的内可以出现多种变型和改进。例如，以上所描述的各种设备或组件可以通过硬件实现，也可以通过软件、固件、或者三者中的一些或全部的组合实现。
本公开中使用了流程图用来说明根据本公开的实施例的方法的。应当理解的是，前面或后面的不一定按照顺序来精确的进行。相反，可以按照倒序或同时处理各种。同时，也可以将其他操作添加到这些过程中。
本领域普通技术人员可以理解上述方法中的全部或部分的可通过计算机程序来指令相关硬件完成，程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本公开并不限制于任何特定形式的硬件和软件的结合。
除非另有定义，这里使用的所有术语具有与本公开所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
以上是对本公开的说明，而不应被认为是对其的限制。尽管描述了本公开的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本公开的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本公开范围内。应当理解，上面是对本公开的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本公开由权利要求书及其等效物限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (8)

1.一种基于超分辨率测向的无人机目标跟踪方法，其特征在于，包括：
多个所述无人机运行过程中向多个方向发送多个波段的模拟信号；
测向天线阵列中的多个接收天线单元接收所述多个波段的模拟信号，将所述模拟信号进行多级滤波；
所述测向天线阵列将多级滤波后的所述模拟信号发送给射频接收通道，所述射频接收通道对所述模拟信号进行噪声放大；
所述射频接收通道将所述模拟信号发送至数字采集与处理模块，所述数字采集与处理模块对噪声放大后的所述模拟信号进行模数转换，得到数字信号；
对所述数字信号进行空间谱估计测向运算，得到多个所述无人机的运行方位角与俯仰角；
所述测向天线阵列中的多个接收天线单元接收所述多个波段的模拟信号，将所述模拟信号进行多级滤波，具体包括：
所述测向天线阵列由多个独立的接收天线单元组成；
每个所述接收天线单元沿圆周分布，接收天线单元之间的距离不同，依据所述距离设置多个阵元间距；
依据所述多个波段的模拟信号激活对应的接收天线单元；
所述天线单元采集得到模拟信号和无人机飞行信息；
根据无人机飞行信息，确定模拟信号所表征的无人机飞行状态；
使用子带树变换对模拟信号进行子带树分解，得到分解后的模拟信号；
根据模拟信号所表征的无人机飞行状态，将分解后的模拟信号进行子带树重构，得到重构的模拟信号；
将重构的模拟信号输出给控制系统，并更新姿态滤波窗口内的模拟信号。
2.如权利要求1所述的一种基于超分辨率测向的无人机目标跟踪方法，其特征在于，多个所述无人机运行过程中向多个方向发送多个波段的模拟信号，具体包括：
每个所述无人机搭载不同运行波段的信号发射器；
每个所述无人机在飞行过程中按照各自的发射周期向自身360°全空域发射各自的模拟信号；
所述模拟信号在预设空域范围内进行传播。
3.如权利要求2所述的一种基于超分辨率测向的无人机目标跟踪方法，其特征在于，所述测向天线阵列将多级滤波后的所述模拟信号发送给射频接收通道，所述射频接收通道对所述模拟信号进行噪声放大，具体包括：
第一放大，采用第一谐振网络接收模拟信号来放大所述模拟信号以提高噪声系数；
噪声放大，判断所述模拟信号是弱信号还是强信号，且采用第二谐振网络在所述模拟信号是所述弱信号的情况下以低噪声模式运行并接收所述第一谐振网络的输出作为第一输入以及具有通过可变电容连接至地的第二输入侧以进行高增益放大，从而输出第一阻抗信号；
去噪，采用去噪单元在所述模拟信号是所述强信号的情况下以低增益模式运行并接收、去噪和输出所述第一谐振网络的所述输出；以及
高低噪声放大，采用第三谐振网络接收在所述去噪中的输出作为第三输入并在所述低增益模式时通过第二可变电容接收所述模拟信号作为第四输入以进行低增益阻抗放大，从而输出第二阻抗信号。
4.如权利要求3所述的一种基于超分辨率测向的无人机目标跟踪方法，其特征在于，
所述射频接收通道将所述模拟信号发送至数字采集与处理模块，所述数字采集与处理模块对噪声放大后的所述模拟信号进行模数转换，得到数字信号，具体包括：
所述数字采集与处理模块包括多个FPGA部件，所述多个FPGA部件至少包括第一FPGA部件和第二FPGA部件；
每个信号周期末，获取多个所述第一FPGA部件的第一输出值，以及所述第二FPGA部件的第二输出值；
根据所述第一输出值和所述第二输出值，确定所述模拟信号是否转换完成；
若转换完成，则获取数模转换器中记录的第一数字码值，根据所述第一数字码值，确定所述模拟信号对应的数字信号。
5.如权利要求4所述的一种基于超分辨率测向的无人机目标跟踪方法，其特征在于，
所述对所述数字信号进行空间谱估计测向运算，得到多个所述无人机的运行方位角与俯仰角，具体包括：
对经过模数转换得出来的所述数字信号计算得到协方差矩阵，
依据数字信号选择对应的阵列流型网格，采用所述协方差矩阵的噪声子空间和阵列流型网格得到空间谱网格；
提取所述空间谱网格最大的K个峰描述子，最后对所述K个峰描述子进行Grassmann空间插值，得到超分辨角度和极化信息。
6.如权利要求5所述的一种基于超分辨率测向的无人机目标跟踪方法，其特征在于，
所述依据所述多个波段的模拟信号激活对应的接收天线单元，具体包括：
多个所述接收天线单元至少包括第一接收天线单元、第二接收天线单元和第三接收天线单元；
所述多个波段的模拟信号至少包括第一波段模拟信号和第二波段模拟信号；
所述第一接收天线单元、第二接收天线单元和第三接收天线单元按照预设圆的切线分布，所述第一接收天线单元、第二接收天线单元之间距离为第一阵元间距，所述第二接收天线单元、第三接收天线单元之间距离为第二阵元间距；
当所述无人机的模拟信号为第一波段模拟信号时，激活所述第一接收天线单元和第二接收天线单元；
当所述无人机的模拟信号为第二波段模拟信号时，激活所述第二接收天线单元和第三接收天线单元。
7.如权利要求6所述的一种基于超分辨率测向的无人机目标跟踪方法，其特征在于，所述方法还包括：
接收多个所述无人机通过多条链路发送的模拟信号；
分别对各条链路上的模拟信号进行第一次逆向纠错解码，确定包括第二标签的第二模拟信号，并根据第二标签判断第二模拟信号是否存在丢失现象；
若第二模拟信号存在丢失，则对第二模拟信号进行第二次逆向纠错解码，得到第一模拟信号，第一模拟信号包括第一标签，第一次逆向纠错解码与第二次逆向纠错解码相对应；
若第一标签不存在丢失，则根据第一模拟信号确定待传输的模拟信号。
8.一种基于超分辨率测向的无人机目标跟踪系统，其特征在于，包括多个无人机、测向天线阵列、射频接收通道、数字采集与处理模块；
所述一种基于超分辨率测向的无人机目标跟踪系统用于执行如权利要求1-7任一项所述的一种基于超分辨率测向的无人机目标跟踪方法。
CN202310627000.3A 2023-05-31 2023-05-31 一种基于超分辨率测向的无人机目标跟踪方法和系统 Active CN116359836B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310627000.3A CN116359836B (zh) 2023-05-31 2023-05-31 一种基于超分辨率测向的无人机目标跟踪方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310627000.3A CN116359836B (zh) 2023-05-31 2023-05-31 一种基于超分辨率测向的无人机目标跟踪方法和系统

Publications (2)

Publication Number Publication Date
CN116359836A CN116359836A (zh) 2023-06-30
CN116359836B true CN116359836B (zh) 2023-08-15

Family

ID=86941877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310627000.3A Active CN116359836B (zh) 2023-05-31 2023-05-31 一种基于超分辨率测向的无人机目标跟踪方法和系统

Country Status (1)

Country Link
CN (1) CN116359836B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117129947B (zh) * 2023-10-26 2023-12-26 成都金支点科技有限公司 一种基于miniunet的平面变换法雷达信号识别方法

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1349861A (en) * 1970-07-02 1974-04-10 Hughes Aircraft Co Antenna direction control system
US5546477A (en) * 1993-03-30 1996-08-13 Klics, Inc. Data compression and decompression
US5617317A (en) * 1995-01-24 1997-04-01 Honeywell Inc. True north heading estimator utilizing GPS output information and inertial sensor system output information
US6043771A (en) * 1998-12-21 2000-03-28 Trw Inc. Compact, sensitive, low power device for broadband radar detection
US6151354A (en) * 1997-12-19 2000-11-21 Rockwell Science Center Multi-mode, multi-band, multi-user radio system architecture
CN101776753A (zh) * 2010-01-29 2010-07-14 中国科学院空间科学与应用研究中心 机群链路的对称式双程非相干测速方法
CN103038646A (zh) * 2010-04-29 2013-04-10 挪威空气研究所 检测飞机前方不利大气条件的系统和方法
CN103179072A (zh) * 2005-03-30 2013-06-26 北电网络有限公司 用于ofdm信道化的系统和方法
CN106970382A (zh) * 2017-03-22 2017-07-21 武汉大学 一种基于外辐射源雷达无人机实时监测系统及方法
CN206497212U (zh) * 2017-03-01 2017-09-15 上海资誉电子科技有限公司 基于数字阵列的无人机探测系统和无人机
CN108923843A (zh) * 2018-08-08 2018-11-30 广州慧睿思通信息科技有限公司 一种无人机载移动通信测向系统及测向方法
CN111896947A (zh) * 2019-10-14 2020-11-06 镇江盛益系统科技有限公司 一种用于汽车毫米波雷达的快速超分辨跟踪系统及方法
CN113093309A (zh) * 2021-03-17 2021-07-09 陕西省大气探测技术保障中心 一种气象用无人机及观测系统
WO2021158609A2 (en) * 2020-02-03 2021-08-12 Agee Brian Resilient distributed positioning networks
CN113256536A (zh) * 2021-06-18 2021-08-13 之江实验室 一种基于小波分析的超高维数据重建深度学习方法
CN113406975A (zh) * 2021-08-19 2021-09-17 北京科技大学 一种仿生智能多无人机集群自主编队导航控制方法及装置
CN113567914A (zh) * 2021-07-23 2021-10-29 上海交通大学 基于时间调制阵列的全向宽带测向系统及方法
CN114936971A (zh) * 2022-06-08 2022-08-23 浙江理工大学 一种面向水域的无人机遥感多光谱图像拼接方法及系统
CN115032627A (zh) * 2022-04-26 2022-09-09 中国电子科技集团公司第十五研究所 分布式多传感器多模态无人集群目标融合跟踪方法
CN115508821A (zh) * 2022-06-24 2022-12-23 成都天纵元航智能科技有限公司 一种多源融合无人机智能探测系统
CN115542318A (zh) * 2022-10-12 2022-12-30 南京航空航天大学 面向无人机群目标的空地联合多域探测系统和方法
CN115685067A (zh) * 2022-11-07 2023-02-03 江西理工大学 用于多旋翼无人机定位跟踪的常模信号盲估计方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9917635B2 (en) * 2014-03-10 2018-03-13 Spatial Digital Systems, Inc. Distributed SATCOM aperture on fishing boat
US11392805B2 (en) * 2018-06-27 2022-07-19 The Charles Stark Draper Laboratory, Inc. Compact multi-sensor fusion system with shared aperture

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1349861A (en) * 1970-07-02 1974-04-10 Hughes Aircraft Co Antenna direction control system
US5546477A (en) * 1993-03-30 1996-08-13 Klics, Inc. Data compression and decompression
US5617317A (en) * 1995-01-24 1997-04-01 Honeywell Inc. True north heading estimator utilizing GPS output information and inertial sensor system output information
US6151354A (en) * 1997-12-19 2000-11-21 Rockwell Science Center Multi-mode, multi-band, multi-user radio system architecture
US6043771A (en) * 1998-12-21 2000-03-28 Trw Inc. Compact, sensitive, low power device for broadband radar detection
CN103179072A (zh) * 2005-03-30 2013-06-26 北电网络有限公司 用于ofdm信道化的系统和方法
CN101776753A (zh) * 2010-01-29 2010-07-14 中国科学院空间科学与应用研究中心 机群链路的对称式双程非相干测速方法
CN103038646A (zh) * 2010-04-29 2013-04-10 挪威空气研究所 检测飞机前方不利大气条件的系统和方法
CN206497212U (zh) * 2017-03-01 2017-09-15 上海资誉电子科技有限公司 基于数字阵列的无人机探测系统和无人机
CN106970382A (zh) * 2017-03-22 2017-07-21 武汉大学 一种基于外辐射源雷达无人机实时监测系统及方法
CN108923843A (zh) * 2018-08-08 2018-11-30 广州慧睿思通信息科技有限公司 一种无人机载移动通信测向系统及测向方法
CN111896947A (zh) * 2019-10-14 2020-11-06 镇江盛益系统科技有限公司 一种用于汽车毫米波雷达的快速超分辨跟踪系统及方法
WO2021158609A2 (en) * 2020-02-03 2021-08-12 Agee Brian Resilient distributed positioning networks
CN113093309A (zh) * 2021-03-17 2021-07-09 陕西省大气探测技术保障中心 一种气象用无人机及观测系统
CN113256536A (zh) * 2021-06-18 2021-08-13 之江实验室 一种基于小波分析的超高维数据重建深度学习方法
CN113567914A (zh) * 2021-07-23 2021-10-29 上海交通大学 基于时间调制阵列的全向宽带测向系统及方法
CN113406975A (zh) * 2021-08-19 2021-09-17 北京科技大学 一种仿生智能多无人机集群自主编队导航控制方法及装置
CN115032627A (zh) * 2022-04-26 2022-09-09 中国电子科技集团公司第十五研究所 分布式多传感器多模态无人集群目标融合跟踪方法
CN114936971A (zh) * 2022-06-08 2022-08-23 浙江理工大学 一种面向水域的无人机遥感多光谱图像拼接方法及系统
CN115508821A (zh) * 2022-06-24 2022-12-23 成都天纵元航智能科技有限公司 一种多源融合无人机智能探测系统
CN115542318A (zh) * 2022-10-12 2022-12-30 南京航空航天大学 面向无人机群目标的空地联合多域探测系统和方法
CN115685067A (zh) * 2022-11-07 2023-02-03 江西理工大学 用于多旋翼无人机定位跟踪的常模信号盲估计方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于无人机测控数据链的角度估计技术研究;李佳伟;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;第C031-1246页 *

Also Published As

Publication number Publication date
CN116359836A (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN102221696B (zh) 稀疏微波成像方法
CN116359836B (zh) 一种基于超分辨率测向的无人机目标跟踪方法和系统
US20070164894A1 (en) Non-statistical method for compressing and decompressing complex SAR data
US20220120851A1 (en) Software defined radar
CN103226196B (zh) 基于稀疏特征的雷达目标识别方法
WO2019196371A1 (zh) 一种基于单频时变阈值的一比特回波数据采集方法及系统
CN106130571B (zh) 一种基于频域和空域压缩感知的信号采样接收方法及装置
CN112816960A (zh) 车内生命探测方法、装置、设备和存储介质
US20150160337A1 (en) Synthetic aperture radar system
CN110018499B (zh) 一种全频段无源探测和全频段反制一体化系统及方法
CN111757250A (zh) 一种基于张量分解的信道状态信息定位指纹构造方法
CN109672466B (zh) 信号数据处理方法、装置、计算机设备及存储介质
US10310075B2 (en) Synthetic aperture radar data compression and transmission
CN113671448A (zh) 一种通用宽带雷达信号监测设备
CN111610517B (zh) 基于深度四通道网络的二次雷达信号处理方法
CN103701515A (zh) 一种数字多波束形成方法
CN114730002A (zh) 雷达数据的有效压缩
CN206497212U (zh) 基于数字阵列的无人机探测系统和无人机
US20220083798A1 (en) Transferring information between different frequency bands
CN115494472A (zh) 一种基于增强雷达波信号的定位方法、毫米波雷达、装置
CN110554386B (zh) 一种通道压缩综合孔径辐射计成像方法及系统
CN114200448A (zh) 综合孔径辐射计波数域近场成像方法及设备
CN105629212A (zh) 多波束实现ads-b in的方法
Irvine et al. Evaluation of the tactical utility of compressed imagery
CN216209852U (zh) 通用宽带雷达信号监测设备

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