阅读说明：本技术 一种基于分布式无人机移动监测的干扰源直接定位方法 (Interference source direct positioning method based on distributed unmanned aerial vehicle mobile monitoring ) 是由 李建峰 赵高峰 何益 晋本周 张小飞 于 2020-06-23 设计创作，主要内容包括：本发明公开了一种基于分布式无人机移动监测的干扰源直接定位方法,首先,提取L(L≥4)个无人机监测节点接收的来自未知辐射源的辐射信号y；其次,对提取的辐射源信号进行离散傅里叶变换,得到信号频域表达式Y；接着,将多个监测站的频域数据进行合成,并建立和干扰源位置直接相关的代价函数；然后,多个无人机监测平台移动后重新监测,结合多次移动监测数据形成合成的代价函数；最后,基于相关法找出未知干扰源的位置。本发明采用多无人机监测平台,解决了传统频谱监测平台易受到地面因素影响的问题,并对数据进行分布式移动监测,实现了多无人机协同,运用直接定位方法对干扰源进行定位,提升了对干扰源的定位精度和鲁棒性。(The invention discloses an interference source direct positioning method based on distributed unmanned aerial vehicle movement monitoring, which comprises the following steps of firstly, extracting radiation signals y from unknown radiation sources received by L (L is more than or equal to 4) unmanned aerial vehicle monitoring nodes; secondly, performing discrete Fourier transform on the extracted radiation source signal to obtain a signal frequency domain expression Y; then, synthesizing the frequency domain data of the monitoring stations, and establishing a cost function directly related to the position of the interference source; then, after the plurality of unmanned aerial vehicle monitoring platforms move, monitoring is carried out again, and a synthesized cost function is formed by combining multiple times of moving monitoring data; and finally, finding out the position of the unknown interference source based on a correlation method. According to the invention, the multi-unmanned aerial vehicle monitoring platform is adopted, so that the problem that the traditional spectrum monitoring platform is easily influenced by ground factors is solved, distributed mobile monitoring is carried out on data, cooperation of multiple unmanned aerial vehicles is realized, the interference source is positioned by using a direct positioning method, and the positioning precision and robustness of the interference source are improved.)

一种基于分布式无人机移动监测的干扰源直接定位方法

技术领域

本发明属于干扰源定位技术领域，具体涉及一种基于分布式无人机移动监测 的干扰源直接定位方法。

背景技术

随着移动互联网、物联网等技术的发展，空间电磁环境日益复杂。伪基站、 “黑广播”、卫星***等非法干扰源，设备故障、操作失误等形成的异常辐射 源造成的通信干扰和电磁泄露事件日益频发，危害巨大，给无线电管理带来严峻 挑战。但是传统的频谱监测设备受地面复杂环境影响大，且灵活性很差，在实际 应用中受限；同时，有限的载荷和续航也使得单无人机监测存在诸多限制。因此， 研究基于分布式无人机的空基平台定位具有十分重要的现实意义。

传统的频谱监测设备大多采用两步定位方法，如：基于接收信号强度 (ReceivedSignal Strength Index，RSS)的定位方法，基于到达角度(Angle ofArrival， AOA)的定位方法或者基于到达时间差(Time Difference ofArrival，TDOA)的定 位方法。这些定位方法具有许多明显的缺陷：参数估计和数学建模的准确性一旦 出现误差会极大影响定位精度，损失各站采集数据的相关性且在多目标定位场景 中存在参数模糊的问题。同时，由于空间中各种障碍物的影响，会使得信号在传 输过程中形成多径效应，这对于干扰源的精准定位产生了极大的影响。本发明提 出基于分布式多无人机监测数据融合的直接定位算法，利用无人机的空中性、分 布性和移动性进行数据融合，提升定位精度和鲁棒性。

发明内容

发明目的：本发明提供一种基于分布式无人机移动监测的干扰源直接定位方 法，实现了多无人机协同，解决了传统频谱监测平台易受到地面因素影响的问题， 并对数据进行分布式移动监测，提升了对干扰源的定位精度。

技术方案：一种基于分布式无人机移动监测的干扰源直接定位方法，包括以 下步骤：

(1)提取L个频谱监测基站接收的来自未知辐射源的辐射信号y，其中， (L≥4)；

(2)对提取的辐射源信号进行离散傅里叶变换，得到信号频域表达式Y；

(3)将多个监测站的频域数据进行合成，并建立和干扰源位置直接相关的 代价函数；

(4)多个无人机监测平台移动后重新监测，结合多次移动监测数据形成合 成的代价函数；

(5)对干扰源监测区域进行网格化，得到一系列网格位置点；基于相关法 求解合成后的代价函数，得到满足代价函数的网格点，该网格点即为目标干扰源 的位置。

进一步地，步骤(1)所述的辐射信号y为：

y₁(t)＝α₁s(t-τ₁)+n₁(t)

y_l(t)＝α_ls(t-τ_l)+n_l(t)

y_L(t)＝α_Ls(t-τ_L)+n_L(t)

其中，y_l(t)表示第l个基站的接收信号，s(t)为发射源信号，α_l和τ_l分别为 第l个基站接收信号的衰减系数和传播延迟，n_l(t)为对应基站接收信号的噪声分 量(1≤l≤L)。

进一步地，步骤(2)所述的信号频域表达式为：

其中，Y_l(w)为第l个基站接收信号的频域形式，S(w)表示信号s(t)的离散傅 里叶变换，N_l(w)为对应信号的频域噪声分量(1≤l≤L)。

进一步地，所述步骤(3)包括以下步骤：

(31)将所有监测数据进行合成，得到

其中，Φ(α)＝diag(α₁,...,α_L)为包含所有衰减系数的对角矩阵，时延τ_l仅和 干扰源位置p相关，所以表示为τ_l(p)，

为 对应于不同监测位置的时延因子矢量；

(32)假设离散傅里叶变换之后共K个频点，w₁,w₂,...,w_K，则建立直接和 位置p相关的代价函数为：

采用直接相关方法求解辐射源位置，因为相关主要在于相位的补偿，而Φ(α) 为实数，且与频点无关，因此可以简化为：

进一步地，所述步骤(4)通过以下公式实现：

其中，H为多无人机监测平台移动次数，Y_h(w)为多无人机平台在第h个监 测位置测得的合成频域信号，a_h(w_k,p)为第h个位置相应的时延因子矢量，其中 1≤h≤H。

有益效果：与现有技术相比，本发明的有益效果：采用多个无人机监测平台， 解决了传统频谱监测平台易受到地面因素影响的问题，并对数据进行分布式移动 监测，实现了多个无人机协同，运用直接定位方法对干扰源进行定位，提升了对 干扰源的定位精度和鲁棒性；且本发明的数据处理基于常规的处理方法，易于工 程实现。

附图说明

图1为本发明的流程图；

图2为本发明所述的多无人机定位场景图；

图3为本发明所述方法的未考虑信号多径效应下的定位散点图；

图4为本发明所述方法的考虑信号多径效应下的定位散点图；

图5为本发明所述方法与TDOA定位方法的性能对比图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明提供的一种基于分布式无人机移动监测的干扰源直接定位方法，如图 1所示，具体实现如下：

步骤1：提取L(L≥4)个频谱监测基站接收的来自未知辐射源的辐射信号y。

如图2所示的定位场景，假设存在辐射源信号s(t)，其位置为p(x,y,z)。存 在L(L≥4)个监测站可以接收信号，基站l接收到的信号记作y_l(t)，1≤l≤L；则 L个基站的接收信号表达式为：

y₁(t)＝α₁s(t-τ₁)+n₁(t)

y_l(t)＝α_ls(t-τ_l)+n_l(t)

y_L(t)＝α_Ls(t-τ_L)+n_L(t)

上式中，α_l和τ_l分别为第l个基站接收信号的衰减系数和传播延迟，n_l(t)为 对应基站接收信号的噪声分量(1≤l≤L)。

步骤2：对提取的辐射源信号进行离散傅里叶(DFT)变换，得到信号频域表 达式Y。

对步骤1得到的接收信号进行离散傅里叶变换(DFT)，可以得到频域信号表 达式为：

上式中，Y_l(w)为第l个基站接收信号的频域形式，S(w)表示信号s(t)的离 散傅里叶变换，N_l(w)为对应信号的频域噪声分量(1≤l≤L)。

步骤3：将多个监测站的频域数据进行合成，并建立和干扰源位置直接相关 的代价函数。

根据步骤2中得到的频域信号表达式，将所有监测数据进行合成，得到：

其中，Φ(α)＝diag(α₁,...,α_L)为包含所有衰减系数的对角矩阵，时延τ_l仅和 干扰源位置p相关，所以表示为τ_l(p)，

为 对应于不同监测位置的时延因子矢量。

假设离散傅里叶变换(DFT)之后共K个频点，w₁,w₂,...,w_K，则建立直接和位 置p相关的代价函数为：

采用直接相关方法求解辐射源位置，因为相关主要在于相位的补偿，而Φ(α) 为实数，且与频点无关，因此可以简化为：

步骤4：多个无人机监测平台移动后重新监测，结合多次移动监测数据形成 合成的代价函数。

假设多无人机监测平台移动了H次，Y_h(w)为多无人机平台在第h个监测 位置测得的合成频域信号，a_h(w_k,p)为第h个位置相应的时延因子矢量，其中 1≤h≤H。将多次移动位置后的代价函数的进行合成，得到合成后的代价函数表 达式为

其中，H为多无人机监测平台移动次数，Y_h(w)为多无人机平台在第h个监 测位置测得的合成频域信号，a_h(w_k,p)为第h个位置相应的时延因子矢量，其中 1≤h≤H。

步骤5：对空间位置进行网格化，基于相关法找出未知干扰源的位置。

对干扰源监测区域进行网格化，得到一系列网格位置点。基于相关法求解合 成后的代价函数，得到满足代价函数的网格点，该网格点即为目标干扰源的位置。

图3为本发明所述方法在不考虑接收信号多径效应下的干扰源位置估计散 点图。4个无人机的位置分别为L₁＝[969,2633,782]^T,L₂＝[568，1318,1863]^T， L₃＝[1537,1435,1957]^T，L₄＝[440,1005,1443]^T，单位为m。干扰源的真实位置为 u＝[35,170,85]^T。由图3可以看出，本发明可有效实现非多径效应下的干扰源的 准确定位。

图4为本发明所述方法在考虑接收信号多径效应下的干扰源位置估计散点 图。4个无人机的位置分别为L₁＝[894,1741,1935]^T，L₂＝[959,1996,1089]^T， L₃＝[1090,1644,519]^T，L₄＝[1729,1153,383]^T，单位为m。干扰源的真实位置为 u＝[35,170,85]^T。由图4可以看出，本发明能有效实现对多径效应下的干扰源的 准确定位。

图5为本发明所述方法与TDOA定位方法的性能对比图。4个无人机的位置 分别为L₁＝[1564,936,707]^T，L₂＝[1706,2947,895]^T，L₃＝[1362,1505,1367]^T， L₄＝[1705,1202,2153]^T，单位为m。干扰源的真实位置为u＝[750,370,685]^T。图 5中的横坐标为不同平均信噪比，即snr₁＝-0.3657dB，snr₂＝4.6343dB， snr₃＝9.6343dB，snr₄＝14.6343dB，snr₅＝19.6343dB，由图5可以看出，本发 明中的定位方法相对于传统的TDOA定位方法，性能有较大的提升。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于 此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替 换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要 求书的保护范围为准。