非共视环境下基于无人机群轨迹优化的目标定位方法

本发明属于通信，具体涉及无线通信中的定位。

背景技术：

1、近年来，随着物联网技术、wsns的发展以及5g通信技术的普及应用和6g通信技术研发工作的持续推进，人们对于高精度定位的需求也日益剧增。当目标源处在环境较为复杂的城市区域或室内时，由于障碍物遮挡、建筑物密集度较高等诸多因素会产生非共视问题，导致传感器不能同时接收测量信息，严重影响定位精度。因此，研究面向非共视环境下基于无人机群轨迹优化的目标定位方法就极为重要。

2、刘军的《基于rssi和tdoa分层融合的无线定位算法》中提出采用rssi算法筛选修正过后进行tdoa算法的分层融合算法，使得整体的定位精度得到进一步提升。但在非共视环境下面对测量信息不完全的情况，定位精度下降，难以实现高精度定位。nitesh sahu,linlong wu等人的《optimal sensor placement for source localization:a unifiedadmm approach》结合乘法器交替方向法(admm)和最大-最小化(mm)技术，建立了传感器最优放置的统一优化框架，在框架内稍加修改，并相应地产生最佳的传感器位置。但该方法并不能适应在非共视环境下进行定位。

3、专利公开号为cn114979948a发明名称为“室内nlos下toa定位系统与tdoa定位系统锚节点布局优化方法及系统”的中国专利，基于线性加权组合方法，将双目标优化问题转化为单目标优化问题，得到锚节点部署算法的适应度函数，通过优化锚节点部署的几何形状来达到在不改变系统架构以锚节点数目的前提下，实现平衡定位精度与应用成本的目的。但该方法应用到非共视定位环境中，有效测量信息减少，定位精度大大下降。

技术实现思路

1、本发明所要解决的技术问题在于克服上述现有技术的缺点，提供一种实时定位、定位结果准确可靠性、鲁棒性高的非共视环境下基于无人机群轨迹优化的目标定位方法。

2、解决上述技术问题所采用的技术方案步骤如下：

3、(1)提取能域测量信息

4、无人机上装载有无线信号接收机，记录无人机接收到的信号能量，按式(1)提取能量域测量信息qi：

5、

6、di＝||xp-si||

7、其中，qo为信号源在参考距离do处的参考功率，β为路径损耗指数与传播环境有关，μi为零均值高斯随机变量的噪声项。

8、(2)确定目标源初始位置

9、根据能量域测量信息qi，用最大似然准则构建能量域内信号源定位的最小化函数

10、对于上述模型，使用matlab优化工具箱中的levenberg-marquardt方法确定出目标源初始位置

11、(3)构建定位模型

12、(3.1)构建时频域测量模型

13、时频域测量模型由时域测量模型和频域测量模型组成。

14、按式(2)构建时域测量模型

15、

16、其中，mi为第i个接收机时域的测量噪声，i∈(2,3,...,ns)，ns为有限正整数，xp是目标源位置，si是第i架无人机位置，s1是第1架无人机位置。

17、按式(3)构建频域测量模型

18、

19、v＝(vx,vy,vz)t

20、

21、其中，fc是载波频率，c为光速，ni为第i个接收机频域的测量噪声。

22、(3.2)构建极大似然函数

23、按下式构建极大似然函数

24、

25、

26、wn＝(k×qn×kt)-1

27、

28、r2＝||xp-s2||

29、r3＝||xp-s3||

30、

31、r1＝||xp-s1||

32、

33、a＝(a1,p)

34、

35、y＝(xt,(r2×r1,r3×r1,...,rns×r1))t

36、

37、h＝h1+h2

38、

39、其中，qm和qn分别为时域和频域测量噪声的协方差矩阵，3(ns-1)×1表示x是大小为3(ns-1)行，1列的列向量。

40、(3.3)非凸函数转化为凸函数

41、按下式构建目标函数

42、

43、δ＝||xp-s1||

44、r＝ro×(ro,t)

45、y＝y×(yt)

46、

47、其中，tr表示求矩阵的迹，i表示单位矩阵。

48、(3.4)松弛约束条件

49、按下式对约束条件进行变化：

50、

51、r＝tr(li×g)-2δ×||xp-si||+δ2

52、y＝(xt,(ro,t+δ)×δ)t

53、

54、(4)优化飞行轨迹并定位

55、(4.1)接收测量信息

56、用目标源初始位置对未接收到测量信息的无人机发送信息，绕过障碍物，飞往能够接收到源信号的位置，接收测量信息。

57、(4.2)迭代更新定位

58、按下式对无人机的飞行轨迹进行优化：

59、

60、

61、其中，为无人机与辐射源的初始距离，为当前时刻n的距离，表示无人机在3-d坐标轴上的三个分量，表示目标源在3-d坐标轴上的三个分量，表示目标源初始估计值在3-d坐标轴上的三个分量。

62、(4.3)输出目标源位置xp

63、用cvx软件，确定目标源位置xp。

64、在本发明的步骤(1)提取能域测量信息的式(1)中，所述的qo为信号源在参考距离do处的参考功率，do取值为1～2m，β为路径损耗指数与传播环境有关，β取值为2～4，μi为零均值高斯随机变量的噪声项。

65、在本发明的步骤(1)提取能域测量信息的式(1)中，所述的qo为信号源在参考距离do处的参考功率，do取值最佳为1.5m，β为路径损耗指数与传播环境有关，β取值最佳为3，μi为零均值高斯随机变量的噪声项。

66、在本发明的步骤(3)构建定位模型的式(2)中，所述的mi为第i个接收机时域的测量噪声，i∈(2,3,...,ns)，ns至少为3，xp是目标源位置，si是第i架无人机位置，s1是第1架无人机位置；在式(3)中，所述的fc是载波频率，fc取值为(2.4～2.5)×109hz，c为光速，c取值为(2.99～3.00)×108m/s，ni为第i个接收机频域的测量噪声。

67、在本发明的步骤(3)构建定位模型的式(2)中，所述的mi为第i个接收机时域的测量噪声，i∈(2,3,...,ns)，ns取值最佳为4，xp是目标源位置，si是第i架无人机位置，s1是第1架无人机位置；在式(3)中，所述的fc是载波频率，fc取值最佳为2.45×109hz，c为光速，c取值最佳为3.00)×108m/s，ni为第i个接收机频域的测量噪声。

68、本发明与现有技术相比具有的如下优点：

69、本发明通过接收信号强度测量模型对目标源进行初始估计，初步确定目标源位置，指引未接收到测量信息的无人机绕过障碍物，飞往能够接收测量信息的地方；通过无人机飞行角度更新公式迭代更新每一时刻无人机的飞行角度来优化无人机飞行轨迹同时进行定位；构建到达时间差和多普勒频移测量模型，建立最大似然函数，并利用半正定松弛技术将非凸函数转化为凸函数，通过解决凸函数获得目标源位置信息。

70、本发明采在非共视环境下基于无人机群轨迹优化的目标定位方法，将无线信号接收机装载在无人机上，避免了在地面定位时复杂城区环境或室内环境对定位精度的影响，并针对非共视问题提出了解决技术问题的方案。采用时域和频域测量信息联合估计目标源位置，通过迭代更新无人机飞行轨迹来实时定位，提高了定位结果的可靠性、鲁棒性。