CN116430311B - 一种基于无人机集群的多信号源搜索定位方法 - Google Patents
一种基于无人机集群的多信号源搜索定位方法 Download PDFInfo
- Publication number
- CN116430311B CN116430311B CN202310687093.9A CN202310687093A CN116430311B CN 116430311 B CN116430311 B CN 116430311B CN 202310687093 A CN202310687093 A CN 202310687093A CN 116430311 B CN116430311 B CN 116430311B
- Authority
- CN
- China
- Prior art keywords
- grid
- unmanned aerial
- aerial vehicle
- signal source
- detected
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 13
- 230000008901 benefit Effects 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 230000000295 complement effect Effects 0.000 abstract 1
- 238000007499 fusion processing Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000024703 flight behavior Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000003016 pheromone Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G01S5/0278—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 involving statistical or probabilistic considerations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Physics & Mathematics (AREA)
- Probability & Statistics with Applications (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集群的多信号源搜索定位方法,对于电磁环境未知的待侦察区域,采用模糊定位的方式,不依赖于单架无人机单次的精确测向结果,而是利用无人机集群,对集群中的所有无人机在一段时间内的采集的监测数据进行融合处理,形成一张能够表征各个信号源真实位置估计概率高低的分布图,并且能够随着时间的推进不断优化补全,实现对信号源的精准定位。
Description
技术领域
本发明属于无线电监测领域,具体涉及一种基于无人机集群的多信号源搜索定位方法。
背景技术
在日常的无线电监测工作中,定位未知信号源,需采用手持监测仪、固定监测站或移动监测车,此三种方式人力物力成本较高,且往往不能得到理想的测向定位结果。例如对于处在复杂地势的信号源,地面障碍物的遮挡造成的多径效应影响会使得定位结果准确度降低,而对于波束对空的信号,传统的地面接收机也无法准确接收。
在专利CN202512236U“一种无人机载式无线电监测测向机载设备”中,为解决地面搜索信号源工作中存在的困难,提出了频谱监测无人机的概念,即将测向监测接收机搭载在无人机上,实现低空的信号源搜索定位,能够有效的克服环境给移动性和信号接收带来的障碍。然而这项技术同时面临着效率、完成度、准确度的问题。首先面对稍大范围的搜索区域,无人机的飞行速度有限,会有续航焦虑,有无法完成任务的风险;其次如果存在的非法信号源数量较多,会导致任务效率低下;最后由于无人机的载重限制,搭载的射频接收机较小,测向精度有限,定位结果无法准确收敛。
在专利CN114047476A“一种基于无人机集群的无源定位方法及系统”中,提供了一种基于无人机集群的无源定位方法及系统,将无人机集群编队形成阵面,并不断旋转阵面,同时寻找图谱特征,最后得到定位结果,提升了无人机集群对雷达辐射源的无源定位精度。此方法需要对无人机集群作严格的编队排列,控制难度大,且此方法并未作雷达信号源搜索的工作,阵面形成位置难以选择确定。
发明内容
本发明提出了一种基于无人机集群的多信号源搜索定位方法,在单机测向精度有限的前提下,以提高对于处于复杂地势环境中的多个信号源的搜索效率、定位精度。
实现本发明的技术解决方案为:一种基于无人机集群的多信号源搜索定位方法,其特征在于,待侦察区域内至少包含2个信号源目标,步骤如下:
步骤1、对电磁环境未知的待侦察区域进行网格化,转入步骤2。
步骤2、将无人机集群部署于电磁环境未知的待侦察区域内,无人机集群侦察搜索信号源,计算得到待侦察区域平均搜索覆盖率,若平均搜索覆盖率达到了要求,则转入步骤3,否则继续搜索。
步骤3、无人机集群采集信号源信号,计算得到信号源粗定位结果,转入步骤4。
步骤4、无人机集群根据信号源粗定位结果,对不同信号源实现抵近精确定位,达到整体最大效能,转入步骤5。
步骤5、计算待测区域内各信号源在各网格内的存在概率,并得到每个信号源的精确定位结果。
本发明与现有技术相比,其显著优点在于:
(1)本发明将无人机飞行行为与电磁信号侦察、搜索和定位行为有效结合,实现了全自主的无人机群体控制搜索定位信号源。将整个工作流程分为两大阶段,第一是搜索粗定位阶段,更侧重于快速的搜索覆盖,第二是抵近细定位阶段,更侧重于信号源的精确定位,进一步提高了侦察效率和定位精度。
(2)本发明提供的方法不需要根据信号源数目对无人机集群事先分簇,可以根据实际的各类资源需求分布情况作出合理规划,提高资源利用效率。
(3)本发明为日常的无线电秩序管理工作提供了一种新的解决方案,解决了传统方式存在的人力物力成本较高的问题,保障频谱资源的安全使用环境。
附图说明
图1为区域网格化场景图。
图2为时间衰减因子变化曲线图。
图3为搜索信息素变化趋势图。
图4为场强矩阵变换示意图。
图5为本发明的基于无人机集群的多信号源搜索定位方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
下面将结合本设计实例对具体实施方式、以及本次发明的技术难点、发明点进行进一步介绍。
结合图5,一种基于无人机集群的多信号源搜索定位方法,对于电磁环境未知的待侦察区域,采用模糊定位的方式,不依赖于单架无人机单次的精确测向结果,而是利用无人机集群,对集群中的所有无人机在一段时间内的采集的监测数据进行融合处理,形成一张能够表征各个信号源真实位置估计概率高低的分布图,并且能够随着时间的推进不断优化补全,实现对信号源的精准定位,具体步骤如下:
步骤1、对电磁环境未知的待侦察区域进行网格化,上述待侦察区域内至少包含2个信号源目标。
如图1所示,虚线围起来的不规则区域即为待侦察区域在二维平面上的投影,将其记为,对待侦察区域在二维平面上的投影分别平行于南-北方向、东-西方向作若干直线按照/>行/>列进行网格划分,相邻的两条平行线的间距为/>,最外侧的四条直线围成的矩形必须恰好完全覆盖/>(即虚线经过的网格均在矩形内),进而得到区域网格矩阵/>,合计/>个元素,表示如下,
(1),
其中当前行数,当前列数/>;当/>时,代表该网格不在待侦察区域内,对应矩阵元素取值为-1;当/>时,代表该网格在待侦察区域内,对应矩阵元素取值为1,实际上覆盖/>的网格数目必定少于/>。
的取值与无人机单次的测向精度有关,取值过大,会导致最后信号源的定位结果不够精确,取值太小会导致最后的信号源定位结果无法收敛。
转入步骤2。
步骤2、将无人机集群部署于电磁环境未知的待侦察区域内,无人机集群侦察搜索信号源,计算得到待侦察区域平均搜索覆盖率,若平均搜索覆盖率达到了要求,则转入步骤3,否则继续搜索,具体如下:
在搜索侦察时,无人机以踩网格的方式飞行,将飞行经过某个网格定义为完成对该网格的搜索侦察,将侦察过的网格添加至已搜索网格集合中,无人机集群更倾向于搜索侦察未知区域,即搜索覆盖率较低的网格区域,其踩网格飞行的规则如下:将网格的中心点作为可选的飞行目的点,飞行的指引点分为局部目的点和全局引导点,局部目的点即为当前无人机所在网格周围一圈搜索覆盖率最低的网格点,全局引导点即为整个待侦察区域覆盖的网格中距离当前无人机最近的搜索覆盖率最低的网格点,一般无人机采用局部目的点作为飞行目的点,而为了避免陷入局部最优,会采用全局引导点作为飞行目的点。
为表征区域被无人机搜索覆盖率,将时刻网格/>处的搜索覆盖率记为/>,其取值如下:
(2),
上式中,为无人机集群搜索侦察该网格的完成时刻,/>为时间衰减因子。
当时,因为该网格不在待侦察区域内,无人机集群也不会飞行经过这些网格,所以该网格的搜索覆盖率无意义,取值为-1;当/>,该网格在待侦察区域内,且无人机集群还未搜索侦察过该网格,该网格的搜索覆盖率取值为0,代表该网格的搜索覆盖率为0%;当/>,该网格在待侦察区域内,且无人机集群已搜索侦察过该网格,该网格的搜索覆盖率取值为/>,其中/>,如图2所示。当/>,该网格的搜索覆盖率取值为1,代表该网格的搜索覆盖率在/>时刻为100%,之后随着时间节拍的推进,不断降低。记/>时刻待侦察区域的平均搜索覆盖率为/>,
(3),
其中为在侦察区域内的网格总数。当/>的值大于某个阈值时,即认为待侦察区域的搜索覆盖率达到了要求,则转入步骤3,否则,重复步骤2搜索侦察。如图3所示为搜索覆盖率的变化曲线示意图。
步骤3、无人机集群采集信号源信号,计算得到信号源粗定位结果。
搜索侦察期间,电磁侦察无人机集群会采集待侦察区域内的所有信号源目标电磁信号,得到若干不同频段的瞬时测量场强矩阵。时刻时编号为/>的电磁侦察无人机个体/>测得关于编号为/>的频段/>的瞬时测量场强矩阵为/>,/>,J表示电磁侦察无人机的总个数。先将瞬时场强矩阵/>置0,无人机在当前网格中心位置利用其挂载的电磁侦察设备采集周围的无线电信号数据,记录下测向场强仪反馈的信号源测向方向以及对应方向的RSSI(接收信号强度值),其中0°指代正北方向,比较四个方向上的接收信号强度大小,找出信号强度最大的方向/>,结合电磁侦察无人机所在当前位置的网格/>,以及探测距离/>,可以认为信号所处位置处于以当前位置为圆心,以探测距离/>为半径,以测得方向/>为角度范围的扇形区域内,即为如图1所示的阴影区域,然后将阴影区域所覆盖的网格对应的瞬时测量矩阵/>中的元素值置为1,得到/>时刻时编号为/>的电磁侦察无人机个体/>测得关于编号为/>的频段/>的瞬时测量场强矩阵/>,将该瞬时测量场强信息分享给其他电磁侦察无人机。
无人机交互各自的瞬时测量场强信息,将所有无人机的瞬时测量信息记为矩阵序列,设/>时刻待侦察区域的编号为/>的信号源的场强矩阵为/>,表征区域场强值的统计分布。/>时刻编号为/>的信号源目标在网格/>处的电磁信号强度为。测量场强矩阵/>则按公式(4)计算得到,其中/>为时间衰减因子,表示历史场强信息的置信度随时间节拍递增而变化的系数,场强矩阵/>中极大值元素区域即为信号源的粗定位结果,将其记为集合/>,/>为信号源编号。
(4),
步骤4、无人机集群根据信号源粗定位结果,对不同信号源实现抵近精确定位,达到整体最大效能。
无人机集群为实现抵近精确定位,需对整体最大效能进行计算,以实现无人机资源与信号源目标的整体最优匹配。系统最大效能可分解为各无人机效能的综合,各无人机效能为无人机完成任务的收益减去相应付出的代价,无人机完成任务的收益与信号源的定位精度成正比,定位精度取决于信号源定位结果的收敛程度,无人机完成任务付出的代价主要是路径代价,与距离信号源的距离成反比。编号为的电磁侦察无人机个体/>完成编号为/>的信号源精确定位任务/>的效能/>计算如下:
(5),
整体效能计算如下:
(6),
其中为编号为/>的电磁侦察无人机个体/>完成编号为/>的信号源精确定位任务/>的收益。/>为编号为/>的电磁侦察无人机个体/>完成编号为/>的信号源精确定位任务/>的代价。
每架电磁侦察无人机根据公式(5)和公式(6)选择合适的信号源抵近精确定位,以达到整体最大效能。
在抵近细定位时,无人机集群自主飞行,遵循以下规则,以踩网格的方式飞行,将网格的中心点作为可选的目标飞行点,每次飞行只往距离自己最近的网格移动一格,即从东南西北四个方向中选择一个方向飞行一个网格,方向的选择取,即找到当前位置网格周围场强值最大的网格,作为下一个飞向的目标网格。在这个过程中信号源的场强矩阵不断更新,如图4所示,为信号源场强矩阵的更新示意图,其中颜色偏浅的网格信号源的场强值较低,颜色偏深的网格信号源的场强值较高。
步骤5、计算待测区域内各信号源在各网格内的存在概率,并得到每个信号源的精确定位结果。
在多架无人机完成精确抵近定位后,信号源目标在待测区域内的为精确位置概率分布可以得到。时刻网格化区域内编号为/>的信号源目标存在概率分布用目标分布概率矩阵/>表示,其计算如下。
(7),
通过比较目标分布概率矩阵中的每个网格的概率值,找出其中的极大值网格,该目标分布概率矩阵中的极大值的网格即为信号源的细定位结果,将其记为集合。
Claims (6)
1.一种基于无人机集群的多信号源搜索定位方法,其特征在于,待侦察区域内至少包含2个信号源目标,步骤如下:
步骤1、对电磁环境未知的待侦察区域进行网格化,转入步骤2;
步骤2、将无人机集群部署于电磁环境未知的待侦察区域内,无人机集群侦察搜索信号源,计算得到待侦察区域平均搜索覆盖率,若平均搜索覆盖率达到了要求,则转入步骤3,否则继续搜索;
步骤3、无人机集群采集信号源信号,计算得到信号源粗定位结果,转入步骤4;
步骤4、无人机集群根据信号源粗定位结果,对不同信号源实现抵近精确定位,达到整体最大效能,具体如下:
编号为j的电磁侦察无人机个体Vj完成编号为i的信号源精确定位任务Ti的效能J(Vj,Ti)计算如下:
J(Vj,Ti)=gain(Vj,Ti)-cost(Vj,Ti) (5),
整体效能Jmax计算如下:
其中gain(Vj,Ti)为编号为j的电磁侦察无人机个体Vj完成编号为i的信号源精确定位任务Ti的收益;cost(Vj,Ti)为编号为j的电磁侦察无人机个体Vj完成编号为i的信号源精确定位任务Ti的代价;
每架无人机根据公式(5)和公式(6)选择合适的信号源抵近精确定位,以达到整体最大效能;
在抵近精确定位时,无人机集群自主飞行,遵循以下规则,以踩网格的方式飞行,将网格的中心点作为可选的目标飞行点,每次飞行只往距离自己最近的网格移动一格,即从东南西北四个方向中选择一个方向飞行一个网格,方向的选择取即找到当前位置网格周围场强值最大的网格,作为下一个飞向的目标网格;在这个过程中信号源的场强矩阵不断更新;其中,(m0,n0)表示电磁侦察无人机所在当前位置的网格;/>为t时刻编号为i的信号源目标在网格(m,n)处的电磁信号强度;
转入步骤5;
步骤5、计算待测区域内各信号源在各网格内的存在概率,并得到每个信号源的精确定位结果。
2.根据权利要求1所述的基于无人机集群的多信号源搜索定位方法,其特征在于,步骤1、对电磁环境未知的待侦察区域进行网格化,具体如下:
获取待侦察区域在二维平面上的投影,将其记为Φ,对待侦察区域在二维平面上的投影分别平行于南-北方向、东-西方向作若干直线按照M行N列进行网格划分,相邻的两条平行线的间距为d0,最外侧的四条直线围成的矩形必须恰好完全覆盖Φ,即虚线经过的网格均在矩形内,进而得到区域网格矩阵Gmn,合计M*N个元素,表示如下,
其中,当前行数m∈{1,2,...,M},当前列数n∈{1,2,...,N};当时,代表该网格不在待侦察区域内,对应矩阵元素取值为-1;当(m,n)∈Φ时,代表该网格在待侦察区域内,对应矩阵元素取值为1。
3.根据权利要求2所述的基于无人机集群的多信号源搜索定位方法,其特征在于,步骤2中,将无人机集群部署于电磁环境未知的待侦察区域内,无人机集群侦察搜索信号源,计算得到待侦察区域平均搜索覆盖率,具体如下:
在搜索侦察时,无人机以踩网格的方式飞行,将飞行经过某个网格定义为完成对该网格的搜索侦察,将侦察过的网格添加至已搜索网格集合Ω中,无人机集群更倾向于搜索侦察未知区域,即搜索覆盖率较低的网格区域;
为表征区域被无人机搜索覆盖率,将t时刻网格(m,n)处的搜索覆盖率记为Smn[t],其取值如下:
上式中,t0为无人机集群搜索侦察该网格的完成时刻,τ(*)∈(0,1)为时间衰减因子;
当时,因为该网格不在待侦察区域内,无人机集群也不会飞行经过这些网格,所以该网格的搜索覆盖率无意义,取值为-1;当(m,n)∈Φ且/>该网格在待侦察区域内,且无人机集群还未搜索侦察过该网格,该网格的搜索覆盖率取值为0,代表该网格的搜索覆盖率为0%;当(m,n)∈Φ且(m,n)∈Ω,该网格在待侦察区域内,且无人机集群已搜索侦察过该网格,该网格的搜索覆盖率取值为1-τ(t-t0),其中τ(t-t0)∈(0,1);
当t=t0,该网格的搜索覆盖率取值为1,代表该网格的搜索覆盖率在t0时刻为100%,之后随着时间节拍的推进,不断降低;
记t时刻待侦察区域的平均搜索覆盖率为
其中K为在侦察区域内的网格总数,当S[t]的值大于阈值时,即认为待侦察区域的搜索覆盖率达到了要求,则转入步骤3,否则,重复步骤2搜索侦察。
4.根据权利要求3所述的基于无人机集群的多信号源搜索定位方法,其特征在于,在搜索侦察时,无人机以踩网格的方式飞行,将飞行经过某个网格定义为完成对该网格的搜索侦察,将侦察过的网格添加至已搜索网格集合Ω中,无人机集群更倾向于搜索侦察未知区域,即搜索覆盖率较低的网格区域,其踩网格飞行的规则如下:将网格的中心点作为可选的飞行目的点,飞行的指引点分为局部目的点和全局引导点,局部目的点即为当前无人机所在网格周围一圈搜索覆盖率最低的网格点,全局引导点即为整个待侦察区域覆盖的网格中距离当前无人机最近的搜索覆盖率最低的网格点,一般无人机采用局部目的点作为飞行目的点,而为了避免陷入局部最优,会采用全局引导点作为飞行目的点。
5.根据权利要求3所述的基于无人机集群的多信号源搜索定位方法,其特征在于,步骤3中,无人机集群采集信号源信号,计算得到信号源粗定位结果,步骤如下:
搜索侦察期间,电磁侦察无人机集群会采集待侦察区域内的所有信号源目标电磁信号,得到若干不同频段的瞬时测量场强矩阵;
t时刻时编号为j的电磁侦察无人机个体Vj测得关于编号为i的频段fi的瞬时测量场强矩阵为J表示电磁侦察无人机的总个数;先将瞬时测量场强矩阵/>置0,无人机在当前网格中心位置利用其挂载的电磁侦察设备采集周围的无线电信号数据,记录下测向场强仪反馈的信号源测向方向θ以及对应方向的RSSI,θ∈(0°,90°,180°,270°),其中0°指代正北方向,比较四个方向上的接收信号强度大小,找出信号强度最大的方向θmax,结合电磁侦察无人机所在当前位置的网格(m0,n0),以及探测距离d,认为信号位置处于以当前位置为圆心,以探测距离d为半径,测得方向[θmax-45°,θmax+45°]为角度范围的扇形区域内,即为待侦察区域在二维平面上的投影区域,然后将待侦察区域在二维平面上的投影区域所覆盖的网格对应的瞬时测量场强矩阵/>中的元素值置为1,得到t时刻时编号为j的电磁侦察无人机个体Vj测得关于编号为i的频段fi的瞬时测量场强矩阵将瞬时测量场强信息分享给其他电磁侦察无人机;
无人机交互各自的瞬时测量场强信息,将所有无人机的瞬时测量信息记为矩阵序列设t时刻待侦察区域的编号为i的信号源的场强矩阵为Ei[t],表征区域场强值的统计分布;t时刻编号为i的信号源目标在网格(m,n)处的电磁信号强度为/>计算场强矩阵Ei[t]:
其中,τ(t)为时间衰减因子,表示历史场强信息的置信度随时间节拍递增而变化的系数,场强矩阵Ei[t]中极大值元素区域即为信号源的粗定位结果,将其记为集合L(i,m,n)。
6.根据权利要求5所述的基于无人机集群的多信号源搜索定位方法,其特征在于,步骤5中,计算待测区域内各信号源在各网格内的存在概率,并得到每个信号源的精确定位结果,具体如下:
在多架无人机完成抵近精确定位后,信号源目标在待测区域内通过精确位置概率分布得到;
t时刻网格化区域内编号为i的信号源目标存在概率分布用目标分布概率矩阵Pi[t]表示:
通过比较目标分布概率矩阵中的每个网格的概率值,找出其中的极大值网格,目标分布概率矩阵Pi[t]中的极大值的网格即为信号源的精确定位结果,将其记为集合R(i,m,n)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310687093.9A CN116430311B (zh) | 2023-06-12 | 2023-06-12 | 一种基于无人机集群的多信号源搜索定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310687093.9A CN116430311B (zh) | 2023-06-12 | 2023-06-12 | 一种基于无人机集群的多信号源搜索定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116430311A CN116430311A (zh) | 2023-07-14 |
CN116430311B true CN116430311B (zh) | 2023-09-29 |
Family
ID=87081828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310687093.9A Active CN116430311B (zh) | 2023-06-12 | 2023-06-12 | 一种基于无人机集群的多信号源搜索定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116430311B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202512236U (zh) * | 2012-03-30 | 2012-10-31 | 成都九华圆通科技发展有限公司 | 一种无人机载式无线电监测测向机载设备 |
CN105848285A (zh) * | 2016-05-16 | 2016-08-10 | 国网重庆市电力公司电力科学研究院 | 基于压缩感知的电网设备巡检定位方法 |
CN106231549A (zh) * | 2016-07-25 | 2016-12-14 | 青岛科技大学 | 一种基于重构算法的60GHz脉冲室内定位方法 |
KR20180085562A (ko) * | 2017-01-19 | 2018-07-27 | 금오공과대학교 산학협력단 | 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법 |
CN108519577A (zh) * | 2018-03-12 | 2018-09-11 | 中国矿业大学(北京) | 基于压缩感知toa特征信号指纹库的分布式定位方法 |
CN109254588A (zh) * | 2018-10-17 | 2019-01-22 | 北京航空航天大学 | 一种基于交叉变异鸽群优化的无人机集群协同侦察方法 |
CN111695776A (zh) * | 2020-05-11 | 2020-09-22 | 清华大学 | 无人机集群分布式在线协同区域侦察方法及装置 |
CN114047476A (zh) * | 2022-01-13 | 2022-02-15 | 中国人民解放军空军预警学院 | 一种基于无人机集群的无源定位方法及系统 |
-
2023
- 2023-06-12 CN CN202310687093.9A patent/CN116430311B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202512236U (zh) * | 2012-03-30 | 2012-10-31 | 成都九华圆通科技发展有限公司 | 一种无人机载式无线电监测测向机载设备 |
CN105848285A (zh) * | 2016-05-16 | 2016-08-10 | 国网重庆市电力公司电力科学研究院 | 基于压缩感知的电网设备巡检定位方法 |
CN106231549A (zh) * | 2016-07-25 | 2016-12-14 | 青岛科技大学 | 一种基于重构算法的60GHz脉冲室内定位方法 |
KR20180085562A (ko) * | 2017-01-19 | 2018-07-27 | 금오공과대학교 산학협력단 | 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법 |
CN108519577A (zh) * | 2018-03-12 | 2018-09-11 | 中国矿业大学(北京) | 基于压缩感知toa特征信号指纹库的分布式定位方法 |
CN109254588A (zh) * | 2018-10-17 | 2019-01-22 | 北京航空航天大学 | 一种基于交叉变异鸽群优化的无人机集群协同侦察方法 |
CN111695776A (zh) * | 2020-05-11 | 2020-09-22 | 清华大学 | 无人机集群分布式在线协同区域侦察方法及装置 |
CN114047476A (zh) * | 2022-01-13 | 2022-02-15 | 中国人民解放军空军预警学院 | 一种基于无人机集群的无源定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116430311A (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108696932B (zh) | 一种利用csi多径及机器学习的室外指纹定位方法 | |
CN109672973B (zh) | 一种基于最强ap的室内定位融合方法 | |
CN106125045B (zh) | 一种基于Wi-Fi的自适应混合室内定位方法 | |
JP6290539B2 (ja) | 電離層の電子数を推定する適応的方法 | |
CN110933599B (zh) | 一种融合uwb与wifi指纹的自适应定位方法 | |
CN104635203A (zh) | 一种基于粒子滤波算法的无线电干扰源测向定位方法 | |
CN103501538A (zh) | 基于多径能量指纹的室内定位方法 | |
CN104101876B (zh) | 外辐射源雷达中一种基于随机有限集的多目标跟踪方法 | |
CN111199280B (zh) | 短波信道模型误差存在下联合信号复包络和载波相位信息的多站目标源地理坐标估计方法 | |
CN106231552B (zh) | 一种基于混合方式的非合作目标定位方法 | |
CN108375782B (zh) | 基于卫星导航定位系统的因子图协同定位方法 | |
CN105629080A (zh) | 一种电磁分布态势图或路径电磁分布图的绘制方法 | |
Dressel et al. | Efficient and low-cost localization of radio signals with a multirotor UAV | |
CN111323772B (zh) | 基于射频隐身的有/无人机混合编队协同任务分配方法 | |
CN107843260A (zh) | 一种基于电磁指纹信息的低空无人飞行器定位导航方法 | |
CN112269160A (zh) | 一种基于无人机装载嵌套阵的多信源直接定位方法 | |
Hong et al. | WBF-PS: WiGig beam fingerprinting for UAV positioning system in GPS-denied environments | |
CN106686720A (zh) | 一种基于时间维度的无线指纹定位方法及其系统 | |
CN117647993A (zh) | 一种基于电力巡检场景下的无人机巡检方法 | |
CN116430311B (zh) | 一种基于无人机集群的多信号源搜索定位方法 | |
CN106888504A (zh) | 基于fm与dtmb信号的室内位置指纹定位方法 | |
CN109901100A (zh) | 一种信标节点定位方法及物联应用 | |
CN115774459A (zh) | 一种基于改进栅格法的无人机巡逻路径规划方法 | |
CN115052245A (zh) | 基于深度学习的无人机辅助无线传感器网络节点定位方法 | |
CN112671475B (zh) | 一种短波最高可用频率高精度预测方法及装置 |
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 |