一种基于天线阵列的无人机DOA估计方法及装置与流程

本发明涉及无人机
技术领域：
，具体涉及一种基于天线阵列的无人机doa估计方法、装置以及计算机存储介质。
背景技术：
：近年来，随着微机械传感器、集成电路等技术的发展，无人机成本越来越低，开发厂家越来越多，规模逐渐变大，其在军事作战、航空摄影和录像、测绘、搜索救援、环境监测和精准农业等军事和民用相关产业中都有巨大的应用前景。无人机的发展给各方面都带来了积极的影响，但是无人机造成的危害和安全隐患也已经逐渐引起了公众和当局的关注，黑飞无人机的失控和漏检可能会对军事作战、空中交通、比赛、消防、人类生活和隐私构成严重的威胁。目前，针对黑飞无人机检测的研究还相对较少，现有的无人机检测技术有视觉检测、红外检测、声学检测、雷达探测等。视觉、红外和声学等最多只能检测较小范围内的无人机信号，并且鸟类等低空目标容易干扰无人机的检测；而雷达探测在无人机检测中需要主动发射射频波，而主动发出的射频波可能会暴露其身份，隐蔽性低。技术实现要素：本发明的目的在于克服上述技术不足，提供一种基于天线阵列的无人机doa估计方法、装置以及计算机存储介质，解决现有技术中无人机检测范围小、隐蔽性低的技术问题。为达到上述技术目的，本发明的技术方案提供一种基于天线阵列的无人机doa估计方法，包括以下步骤：通过等边多边形的天线阵列被动收集无人机与遥控器之间进行通信的射频信号，并对所述射频信号进行预处理；对每一边的天线接收的多组射频信号进行频域累积，得到累积信号；对存在uav信号的所述累积信号采用互相关算法计算得到uav信号的起始频率和截止频率；根据所述起始频率和截止频率计算所述uav信号的uav信号强度；筛选出位置相邻且uav信号强度最大的两根天线，计算两根天线的信号强度之比得到实际信号强度比值；根据所述实际信号强度比值以及天线方向图估算所述无人机的doa角度。本发明还提供一种基于天线阵列的无人机doa估计装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述基于天线阵列的无人机doa估计方法。本发明提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现所述基于天线阵列的无人机doa估计方法。与现有技术相比，本发明的有益效果包括：本发明提供的无人机检测方法，与雷达探测方法一样，也是基于射频信号进行检测的，因此具有检测范围广的优点。但是，本发明与雷达探测不同之处在于，本发明不需通过雷达主动发射射频信号来检测无人机，而是设置天线阵列，通过天线阵列被动的接收无人机发射的射频信号，从而可以在保证不暴露身份的条件下利用信号强度比值拟合算法实现无人机到达角度(doa)的估计，抗干扰性能强，分辨率较高，适应性较强。附图说明图1是本发明提供的基于天线阵列的无人机doa估计方法一实施方式的流程图；图2是本发明提供的基于天线阵列的无人机doa估计方法一实施方式的模型图；图3是本发明提供的匹配滤波模板一实施方式的模板图；图4a是本发明提供的包含uav信号的一组射频信号的信号图；图4b为图4a中射频信号的互相关结果图；图4c为图4a中射频信号所包含的wifi干扰信号被wgn代替后的信号图；图4d为图4a中射频信号进行集合经验模态分解后的信号图；图5a是本发明提供的不包含uav信号的一组射频信号的信号图；图5b为图5a中射频信号的互相关结果图；图5c为图5a中射频信号所包含的wifi干扰信号被去除后的信号图；图5d为图5a中射频信号进行集合经验模态分解后的信号图；图6是本发明提供的基于天线阵列的无人机doa估计方法一实施方式的天线方向图；图7是本发明提供的基于天线阵列的无人机doa估计方法一实施方式的相邻天线角度关系图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。实施例1如图1所示，本发明的实施例1提供了基于天线阵列的无人机doa估计方法，包括以下步骤：s1、通过等边多边形的天线阵列被动收集无人机与遥控器之间进行通信的射频信号，并对所述射频信号进行预处理；s2、对每一边的天线接收的多组射频信号进行频域累积，得到累积信号；s3、对存在uav信号的所述累积信号采用互相关算法计算得到uav信号的起始频率和截止频率；s4、根据所述起始频率和截止频率计算所述uav信号的uav信号强度；s5、筛选出位置相邻且uav信号强度最大的两根天线，计算两根天线的信号强度之比得到实际信号强度比值；s6、根据所述实际信号强度比值以及天线方向图估算所述无人机的doa角度。如图2所示，本实施例考虑由一个无人机u，一个遥控器c以及一个被动接收的天线阵列rx构成的模型，本实施例中天线阵列包括八个定向平板天线呈等边八角形分布组成一个八角天线阵列作为被动接收机构。无人机和遥控器之间进行主动通信，并伴随着发射射频信号，而天线阵列可以被动地接收该射频信号。本实施例利用天线阵列接收该射频信号后，通过相应算法来对无人机到达角度，即doa进行估计。在基于被动收集到射频信号进行doa估计之前，为了避免射频信号中干扰信号对doa估计结果造成影响，需要先对无人机所在跳频范围内的频域信号进行预处理，去除复杂环境中的wifi干扰信号以及高斯白噪声。而对于射频信号中包含uva信号和不包含uva信号两种情况时，信号的预处理方法略有不同。优选的，当所述射频信号中包含uav信号时，对所述射频信号进行预处理，具体为：设计一个匹配滤波模板：计算所述匹配滤波模板与每一天线各组数据在wifi干扰信号的各载波中心频率位置处的互相关值；根据所述互相关值为所述匹配滤波模板设置检测阈值；通过所述匹配滤波模板对所述射频信号进行滤波，判断各所述天线的每一组射频信号的互相关值是否超过设定阈值，如果超过，则判定相应组的射频信号中包含wifi干扰信号，并用wgn代替相应频带处的wifi干扰信号，如果不超过，则判定相应组的射频信号中不包含wifi干扰信号；采用集合经验模态分解去除所述射频信号中的wgn，得到预处理后的射频信号。具体的，假设在每次测试中，每个天线被动接收j组数据，考虑uav跳频范围内的所有信号，接收到的离散频域信号可以表示为：yijk＝sijk+wijk+nijk其中，uav跳频范围是2.4-2.5ghz,i为第i个天线，i＝1,...,8，j是第j组数据，j＝1,...,j，k为第k个频点，对应频率kfw+2.4×109，fw为频域采样间隔，k＝1,...,(2.5-2.4)×109/fw，yijk为第i个天线接收的第j组数据对应的第k个频点的功率值，sijk为uav信号，wijk为wifi干扰信号，nijk为其它杂波干扰信号。当uav信号出现时，接收的一组数据如图4a所示。根据802.11标准，wifi信号可以为2.4-2.5ghz范围内14个带宽为22mhz的载波频率中的任意一个，每一个相邻中心频率的间隔为5mhz。为了滤除wifi干扰信号，利用它的频域特征，设计一个匹配滤波模板如图3所示，匹配滤波模板表示为：其中，为所述匹配滤波模板的长度，fw为所述射频信号的频域采样间隔，为所述匹配滤波模板，为所述匹配滤波模板中各元素；。所述匹配滤波模板与所述天线第j组数据在wifi干扰信号的各载波中心频率位置的互相关值为：k＝1.2×106/fw,1.7×106/fw,2.2×106/fw,2.7×106/fw,3.2×106/fw,3.7×106/fw,4.2×106/fw,4.7×106/fw,5.2×106/fw,5.7×106/fw,6.2×106/fw,6.7×106/fw,7.2×106/fw,8.4×106/fw，其中，数据k是wifi干扰信号对应的14个载波中心频率，是所述匹配滤波模板的均值，是第i个天线收到的第j组射频信号对应频率处的功率值，是到的均值；根据所述互相关值为所述匹配滤波模板设置检测阈值；互相关结果如图4b所示，基于这个结果，本实施例中匹配滤波模板的检测阈值设为0.5；通过所述匹配滤波模板对所述射频信号进行滤波，判断各所述天线的每一组射频信号的互相关值是否超过设定阈值，若14个中心频率位置中的某个位置的互相关值超过阈值，则表示检测到wifi干扰信号。用wgn代替对应频带处的wifi干扰信号，得到的信号如图4c所示，并在下一步集合经验模态分解eemd中统一滤除；去除wifi干扰信号后的射频信号为：其中，为去除wifi干扰信号后的第i个天线接收的第j组射频信号，是均值为(min(yij)+5)dbm,方差为2.5dbm的wgn，互相关值的设定阈值取0.5；集合经验模态分解是去除wgn的一种有效的方法，采用集合经验模态分解去除所述wgn，对于第i个天线收到的第j组射频信号在第h次迭代后的信号为：其中，为第i个天线收到的第j组射频信号在第h次迭代后的信号，h＝1,...,h，h为总的迭代次数，为第h次迭代中增加的白噪声；对第i个天线收到的第j组射频信号在第h次迭代后的信号进行经验模态分解：其中，是第g个imf,g是imf的个数，为余波信号；最后，各天线中每一组射频信号的集合经验模态分解的结果为：其中，图4d为eemd后天线阵列接收的射频信号预处理后的结果图，可见，频域中的uav信号较为明显。优选的，当所述射频信号中不包含uav信号时，对所述射频信号进行预处理，具体为：设计一个匹配滤波模板：计算所述匹配滤波模板与每一天线各组数据在wifi干扰信号的各载波中心频率位置处的互相关值；根据所述互相关值为所述匹配滤波模板设置检测阈值；通过所述匹配滤波模板对所述射频信号进行滤波，判断各所述天线的每一组射频信号的互相关值是否超过设定阈值，如果超过，则判定相应组的射频信号中包含wifi干扰信号，并删除相应频带处的wifi干扰信号得到预处理后的射频信号，如果不超过，则判定相应组的射频信号中不包含wifi干扰信号。对于不包含uav信号的射频信号的预处理方法，与包含uav信号的射频信号的预处理方法相比，其不同之处在于，直接删除检测出的wifi干扰信号即可，不需要进行wgn替换。如图5a所示，图5a为不包含uav信号的一组射频信号，图5b为不包含uav信号的射频信号的互相关结果，可见，存在该射频信号中包含两个wifi干扰信号，图5c是删除wifi干扰信号后的信号图，图5d为eemd后的预处理结果。优选的，对每一边的天线接收的多组射频信号进行频域累积，得到累积信号,具体为：其中，为第i个天线收到的多组射频信号的累积信号，j为每一所述天线所接收的射频信号的组数，i所述天线阵列所包含的天线的总数量，为第i个天线收到的第j组射频信号，fw为所述射频信号的频域采样间隔。使用频域累积算法进行频域累积可削减杂波的同时增强uav信号。针对每个天线频域累积后的累积信号，检测累积信号中存在uav信号后，对于接收的射频信号中存在uav信号的天线，使用互相关算法得到uav信号的起始频率fstart和截止频率fend后，即可计算得到相应uav信号的信号强度。优选的，根据所述起始频率和截止频率计算所述uav信号的uav信号强度，具体为：其中，pi为第i个天线所接收到的uav信号强度，fstart为所述起始频率，fend为所述截止频率，fw为所述射频信号的频域采样间隔，为第i个天线在第k个频率位置处的射频信号。通常，若天线阵列接收到uav信号，则八角天线阵列中总存在相邻的两个天线的uav信号功率为最大和次大，可表示为pi和pi+1，其可被用来估计无人机的doa，首先需要求最大和次大信号强度的比值。优选的，筛选出位置相邻且uav信号强度最大的两根天线，计算两根天线的信号强度之比得到实际信号强度比值，具体为：其中，ρ为实际信号强度比值，pi为第i个天线所接收的uav信号强度，pi+1为第i+1个天线所接收的uav信号强度，第i个天线与第i+1个天线为相邻的两根天线，且第i根天线与第i+1根天线为多根天线所接收的uav信号中uav信号强度最大的两根天线。为了在复杂环境下对无人机进行doa估计，本实施例结合天线方向图，提出了一种信号强度比值拟合算法来对uav进行doa估计。八角天线阵列中的每个天线都为定向天线，它们有相同的参数以及不同的朝向。天线方向图为辐射场相对强度跟随方向改变的一个图形，该阵里每个天线都有一样的方向图，可表示为d＝[d1,...,dα,...,d360]，如图6所示。如图7所示，八角天线阵的相邻天线之间的内角为135°，考虑远距离处的无人机，其发射的uav信号可看做一个远场信号源，天线阵接收到远场传输过来uav信号，相邻两个天线的发现与uav信号之间的夹角具有如下关系：αi+αi+1＝45°其中，αi为uav信号与第i根天线的法线之间的夹角，αi+1为uav信号与第i+1根天线的法线之间的夹角；360°-αi是相对于第i个天线的doa，αi+1是相对于第i+1个天线的doa。根据实际信号强度比值和天线方向图d，可以估计出uav的doa。实际应用中，可得到信号强度的实际比值，可知，一定存在一个最合适的角度αi+1，它对应的天线方向图上的场强比值最接近ρ。优选的，根据所述实际信号强度比值以及天线方向图估算所述无人机的doa角度，具体为：所述天线方向图为：d＝[d1,...,dα,...,d360]其中，d为所述天线方向图，dα为天线方向图中角度α处的相对场强，α＝0,…,360；确定所述天线方向图上场强比值最接近所述实际信号强度比值的角度作为所述doa角度：其中，ai+1为无人机的uav信号相对于第i+1根天线的doa角度，为天线方向图中αi+1角度处的相对场强，d360°为天线方向图中360度处的相对场强，ρ为实际信号强度比值，α0为第i根天线与第i+1根天线之间的夹角。其中，ρ和d是已知的，唯一可调整的参数是αi+1，当估计出αi+1后，相对于第i个天线的doa也可估计出。相对于第i+1个天线的uav的doa可以估计为：为验证本发明实施例的性能效果，特进行了实验测试，实验八角天线阵列中的每个天线接收50组数据，这里j设置为50，八个天线接收的射频信号被组合成一个大的数据集来对uav进行doa估计。uav信号强度随着距离的增加而不断地降低，并且八个天线中至少有两个能接收到uav信号。本次实验中，在距离无人机1000m、2500m、4000m距离下，正确的无人机的doa分别为347°、348°、349°。表1给出了不同室外距离下的最大和次大uav信号强度pi和pi+1、实际信号强度比值ρ、doa估计值以及doa估计误差。可知，doa估计误差随着室外距离的增加而增加，但在4000m范围内，仍然能保证4°以内的doa估计误差，精确度较高。表1、不同室外距离下的doa估计：1000m2500m4000mpi(w)9.7447e-122.0193e-125.1241e-13pi+1(w)6.8561e-121.2455e-122.6209e-13ρ1.4211.6211.9551doa估计(°)346.2349.5352.7doa误差(°)1.82.53.7实施例2本发明的实施例2提供了基于天线阵列的无人机doa估计装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现实施例1提供的基于天线阵列的无人机doa估计方法。本发明实施例提供的基于天线阵列的无人机doa估计装置，用于实现基于天线阵列的无人机doa估计方法，因此，基于天线阵列的无人机doa估计方法所具备的技术效果，基于天线阵列的无人机doa估计装置同样具备，在此不再赘述。实施例3本发明的实施例3提供了计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现实施例1提供的基于天线阵列的无人机doa估计法。本发明实施例提供的计算机存储介质，用于实现基于天线阵列的无人机doa估计方法，因此，基于天线阵列的无人机doa估计方法所具备的技术效果，计算机存储介质同样具备，在此不再赘述。以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。当前第1页12