基于时延补偿的多无人机协同定位方法与流程

本发明涉及一种无源定位方法，尤其涉及一种基于时延补偿的多无人机协同定位方 法。

背景技术：

无源定位系统应用平台广泛，其中，基于地面雷达系统的陆基平台，由于观测站固 定，故易于实现，但是受地面复杂环境影响大，且灵活性很差。基于无人机的空基平台 不受地面复杂环境影响，观测范围广，灵活性强，具有陆基平台无法比拟的优势，但是 同时也给工程实现、载荷等方面带来了新的挑战。

无源时差定位是一种基于目标辐射的电磁信号确定目标与观测站之间的距离差，从 而实现目标位置估计的定位技术。由于本身不发射信号，无源定位隐蔽性好，抗干扰能 力强，且基于到达时间差的定位方法定位精度高，组网能力强。因此进一步提升无源时 差定位技术的性能具有重要的实际意义和应用价值。

时延估计性能的好坏是决定无源时差定位精度的重要因素，其中基于互相关的时延 估计方法由于其操作简单、易于实现而被广泛运用。但是实际工程中处理的都是数字信 号，由于受采样频率的限制，时延估计精度无法突破采样间隔，这极大制约了无源时差 定位的性能。现有的解决方法有拟合或者插值，但是数据量的增加对硬件提出了更高的 要求，不利于工程实现，尤其是在无人机等有限载荷平台上。

技术实现要素：

发明目的：针对以上问题，本发明提出一种应用于无人机分布式定位系统的无源定 位方法，该方法基于时延补偿的多无人机协同定位，能够提高无源定位的精准性并降低 无人机的设备载荷，降低定位成本。

技术方案：本发明所采用的技术方案是一种基于时延补偿的多无人机协同定位方法， 包括以下步骤：

(1)多架无人机同步接收辐射源信号，对接收信号进行采样处理；

(2)选取某一路信号作为参考信号，对其余的多路信号进行时延补偿；其中具体 的补偿方法是：第m架无人机的接收信号相对于参考信号的时延补偿为

其中，τm表示第m路信号的时延，τ1表示参考信号的时延，δj＝jξ，j＝1，2，...，J， ξ代表微小时延单元，j代表搜索次数，满足Jξ·fs＝1，fs为采样频率。

(3)将时延补偿后的信号与参考信号作互相关处理；其中，将时延补偿后的信号 与参考信号作互相关处理，是对时延补偿后的信号与参考信号J次广义互相关运算，其 中第j次搜索对应的广义互相关函数为：

其中，X1(n)和分别为信号x1(k)和的离散傅里叶变换，H(n)为频域离 散滤波函数，k＝1，2，...，K，n＝0，1，...，K-1，K为采样点数，m表示第m路信号。

(4)基于最优互相关处理结果，得到时延差估计；具体包括以下过程：

(41)计算广义互相关函数的峰值和次峰值幅度之比：

(42)遍历j，计算最优时延估计值以及对应的最优时延补偿值为

其中，ts＝1/fs为采样间隔；

(43)目标辐射源信号到达各无人机与参考无人机之间的时延差估计值为

其中，和为上一步骤中得到的最优时延估计值以及对应的最优时延补偿值。

(5)根据时延差估计计算辐射源与各无人机之间的距离差，求解辐射源位置。具 体包括以下过程：

(51)由步骤(4)中得到的时延差估计乘以真空中的光速来计算辐射源与各无人 机之间的距离差，建立辐射源与各无人机之间欧氏距离的双曲线方程组；

(52)将双曲线方程组线性化，利用最小二乘求解得到辐射源的位置。

有益效果：与现有技术相比，本发明突破了现有技术中互相关函数对采样频率的依 赖和局限，能够获得优于采样间隔的精准时延估计，具有更精准的定位性能；在信噪比 一定的条件下，我们证明本发明达到相同的定位精度所需要的采样频率更低，即无需依 赖高采样率即可获得高分辨率估计，降低了对A/D设备的要求，能有效减小无人机载荷， 降低硬件成本。

附图说明

图1是本发明的流程图；

图2是现有的互相关方法得到的离散互相关函数；

图3是本发明基于时延补偿的离散互相关函数；

图4是本发明与基于传统互相关方法时延估计在不同信噪比下的无源定位性能比较；

图5是本发明与基于传统互相关方法时延估计在不同采样频率下的无源定位性能比 较。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

符号表示：本发明中符号(.)^*表示共轭，表示取整操作。

本发明所述的基于时延补偿的多无人机协同定位方法，详细流程如图1所示。该方 法用于多架无人机组成的分布式无源定位系统，对固定辐射源进行定位。各无人机将采 样后的接收信号传到控制中心集中处理，由控制中心输出最终定位结果。无人机同步接 收辐射源信号并进行采样处理；选取参考信号，对其余几路信号进行时延补偿，并将其 与参考信号作互相关处理；基于最优互相关结果，确定时延值和相应补偿值，从而结合 得到高精度时延估计；根据时延估计得到辐射源与各无人机之间的距离差，建立双曲线 方程组求解辐射源位置。具体实现如下：

步骤1：同步接收信号并进行采样处理：

假设由M(M≥3)架无人机组成分布式无源定位系统，目标辐射源信号为s(t)，采样 频率为fs，则进行采样处理后的M路接收信号为

其中，ts＝1/fs为采样间隔，k＝1，2，...，K，K为采样点数，αm和τm(m＝1，2，...，M) 分别为幅度衰落系数和信号传输时延，nm(kts)(m＝1，2，...，M)为相互独立的零均值加性 高斯白噪声，s(kts)为经过采样的辐射源信号，信号与噪声之间互不相关。

步骤2：选取参考信号，对其余几路信号进行时延补偿：

选取第一路接收信号x1(kts)为参考信号，为了简化，不妨假设α1＝1，τ1＝0，则αm和 τm(m＝1，2，...，M)可分别表示信号相对幅度衰落和信号时延差。实际工程中，τm通常不 是采样间隔的整数倍。由于采样频率的限制，数字采样能分辨出的最精确时延差和真实 时延差之间总是存在一个无法识别的非整数时延，表示为

定义微小时延单元ξ及搜索次数J，满足Jξ·fs＝1，给第m架无人机的接收信号增 加时延补偿

δj＝jξ，j＝1，2，...，J

则第m架无人机的接收信号相对于参考信号的补偿时延为

步骤3：将时延补偿后的信号与参考信号作互相关处理：

根据步骤2所述参考信号和时延补偿后的信号，表示为

其中，j＝1，2，...，J。对上述两路信号作J次广义互相关运算，根据维纳-辛钦定理， 两个信号的互相关函数与它们的互功率谱密度函数互为傅里叶变换对，则可得x1(k)和 的广义互相关函数为

其中，X1(n)和分别为信号x1(k)和的离散傅里叶变换，H(n)为频域离 散滤波函数。频率离散滤波函数的作用是增强信噪比，可根据需要选择PHAT、SCOT 函数等。

步骤4：基于最优互相关结果，得到高精度时延差估计：

定义qj为广义互相关函数的峰值和次峰值幅度之比，利用步骤3的结果可得

遍历j，根据最优互相关结果，得到的最优补偿的时延估计值以及对应的最优时延 补偿值可以表示为

利用求得的最优时延值以及相应的补偿值可得目标辐射源信号到达各 无人机与参考无人机之间的高精度时延差估计值为

步骤5：计算辐射源与各无人机之间的距离差，求解辐射源位置：

假设M架无人机的位置分别为pm＝(xm，ym)，m＝1，...，M，辐射源的位置为u＝(x，y)， 根据步骤4得到的高精度时延差估计值，建立双曲线方程组

其中，c为电磁波在真空中的传播速度。将上述方程组线性化，利用最小二乘求解 即可得所述辐射源位置估计。

图2为当两个接收信号的时延差是采样间隔的非整数倍时，利用传统互相关方法得 到的离散互相关函数。其中采样频率fs＝100Hz，时延差τ＝0.244s，信噪比SNR＝20dB， 采样点数K＝100。由图可以看出，互相关函数出现了多个峰值，有明显的能量泄露。

图3为当两个接收信号的时延差是采样间隔的非整数倍时，利用本发明提供的方法 得到的离散互相关函数。其中采样频率fs＝100Hz，时延差τ＝0.244s，信噪比 SNR＝20dB，采样点数K＝100。由图可以看出，与传统互相关方法相比，本发明得到 的互相关函数有且仅有一个峰值，能量完全集中在时延点上，同时估计出了利用传统互 相关方法时无法识别的非整数时延，获得了优于采样间隔的精准时延估计。

图4为本发明所述方法与基于传统互相关方法时延估计的无源定位在不同信噪比下 的定位性能比较。仿真参数设置为：无人机的位置坐标分别为(0，0)，(5，0)，(8，10)，辐射 源的位置为(2，6)，单位为km。采样频率fs＝200MHz，信噪比设置如图4所示。由图 可以看出，在采样频率相同的情况下，随着信噪比的变化，本发明可以达到更低的误差 平台，有效减小了定位误差，具有更好的辐射源定位性能。

图5为本发明所述方法与传统基于互相关方法时延估计的在不同采样频率下的定位 性能比较。仿真参数设置为：无人机的位置坐标分别为(0，0)，(5，0)，(8，10)，辐射源的位 置为(2，6)，单位为km。信噪比SNR＝10dB，采样频率设置如图5所示。由图可以看出， 在信噪比相同的情况下，随着采样频率的减小，基于传统互相关方法时延估计的无源定 位性能明显降低，本发明的辐射源定位性能不受采样频率的减小而衰落，对A/D设备的 要求更低，可以有效减小无人机载荷，在精确无源定位领域具有重要价值。