一种基于差分校正的非合作无人机精确定位方法与装置制造方法及图纸

本发明专利技术提出了一种基于差分校正的非合作无人机精确定位方法与装置。本发明专利技术通过定义校正点的3维距离差分，构建距离差分空间模型；事先采集我方无人机自飞数据，获取无人机精确位置和TDOA距离差分，实现距离差分空间模型的系统性定位校正；发现非合作无人机入侵后，通过我方无人机伴飞实时校正非合作无人机精确位置，用收集的自飞数据和非合作无人机飞行数据构建飞行序列样本集，构建GRU序列预测模型，用我方携带软模块的无人机自飞序列样本作为训练集，训练GRU序列预测模型，将非合作无人机的飞行序列作为预测集，将GRU模型的预测结果与实时校正后的同化定位结果进行决策级融合，得到最终定位的精确坐标。到最终定位的精确坐标。到最终定位的精确坐标。

【技术实现步骤摘要】
一种基于差分校正的非合作无人机精确定位方法与装置


[0001]本专利技术涉及一种非合作无人机精确定位方法，特别涉及一种基于差分校正的非合作无人机精确定位方法。

技术介绍

[0002]近年来，由于无人机具有机动灵活、功能丰富、易操作等特点，在战场、航拍、农业、测绘、救灾等军用、民用以及工业领域被广泛使用，无人机市场呈爆发式增长。在无人机数量快速增长的同时，无人机违规飞行、无人机袭击事件也不断发生，因此无人机防御受到了广泛的关注。实现对非合作无人机的无源精确定位，是无人机防御的必要措施，但是受天气、环境、干扰波的影响，传统定位方法对非合作无人机定位误差较大，如何在防御空间环境下，应用现有技术基础降低定位误差，实现对非合作无人机的无源精确定位是目前研究的热点问题。
[0003]针对无人机无源定位问题，通常使用天线阵列接收无人机与地面站或者遥控器通信的信号，并通过阵列信号处理算法定位无人机，作用距离可达3km，能够满足大部分场合需求。多站无源定位借助一些信息(时差，角度等)来确定多个定位曲线(或曲面)，通过求解曲线(或曲面)的交点即可得到目标位置。目前已有成熟的3种主流方法：基于信号强度指示(RSSI) 定位，依据信号发射源到接收端之间的信号衰减模型，确定两端的距离，进而通过多接收点定位；基于信号到达时间差(TDOA)定位，通过比较信号从发射源到达各个接收端之间的绝对时间差，并将其换算为距离差，计算信号源的位置；基于波达方向估计(DOA)定位，根据信号从信号源入射到阵列天线的相位差来估计信号源的方位。由于无人机信号受到环境和其他信号的干扰，目前无源定位的误差最小为20m，难以达到精确打击与反制的需要。
[0004]基于上述研究所存在的问题，本专利技术提出了一种基于差分校正的非合作无人机精确定位方法与装置。本专利技术通过定义校正点的3维距离差分，构建距离差分空间模型；事先采集我方无人机自飞数据，获取无人机精确位置和TDOA距离差分，实现距离差分空间模型的系统性定位校正；发现非合作无人机入侵后，通过我方无人机伴飞，实时校正非合作无人机精确位置，实现无人机精确定位。

技术实现思路

[0005]为了解决现有技术问题，本专利技术提供了一种基于差分校正的非合作无人机精确定位方法与装置。本专利技术在防御区域内，按照特定空间间隔设置经纬度坐标校正点，形成空间网格，定义校正点6维度空间位置表示，用于精确解算三维坐标及校正点的3维差分数据，从而构建出包含所有校正点的空间差分模型。针对选定的防御区域，安排我方无人机提前试飞并回传精确定位数据，根据无人机精确位置与防御系统TDOA定位数据的空间差值，解算校正点 3维差分值，并建立空间模型校正及差分定位数据库，实现系统性空间位置模型的标定。应用校正后的系统性空间模型，研究事前静态校正与防御现场实时差分相结合的精
确定位方案，提升对非合作无人机的定位精度。
[0006]本专利技术所采用的技术方案如下：
[0007]一种基于差分校正的非合作无人机精确定位方法与装置，包括以下步骤：
[0008]A、构建距离差分空间模型。设定分布式时差定位空间范围，在空间坐标系中每个方向间隔1m设置一个坐标点，称为校正点，用精确的经纬度和高度标记其位置坐标，所有校正点构成一个空间网格。因为空间环境的差异和各类信号的干扰，TDOA定位系统给出的无人机坐标在每个位置上存在不同的误差，为每一个校正点增设3个距离差分维度，构成6维位置坐标，第i个校正点位置坐标为用于存放其精确3维坐标和解算出的校正点3维差分数据，校正空间中间隔1m的所有6维坐标点形成了距离差分空间模型。
[0009]B、基于差分的系统性空间模型定位校正。在防御空间释放我方携带软模块的无人机自飞，飞行过程中回传自身GPS精确位置，通过多轮自飞使飞行轨迹覆盖距离差分空间模型的每个网格。针对空间模型中每个校正点，获取其周围4个网格中回传的多个精确位置和每个位置相应的TDOA坐标，分别记为P1，...，P
i
，...，P
n
和P
′1，...，P
′
i
，...，P
′
n
，其中P
i
的精确位置标记为TDOA系统定位的位置P
′
i
记为(x
′
i
，y
′
i
，z
′
i
)。基于精确位置和TDOA系统坐标，根据公式(1)
‑
(3)计算网格中间定位点的3维距离差分，分别记为d
x
，d
y
，d
z
。
[0010][0011][0012][0013]根据计算得到每一个校正点的d
x
，d
y
，d
z
，更新距离差分空间模型中每一个校正点距离差分值，实现整个空间模型系统性定位校正。
[0014]C、基于实时校正的非合作无人机精确定位。在TDOA系统侦测到入侵无人机信号时，计算入侵无人机的实时TDOA位置，作为初始位置P0(x
′0，y
′0，z
′0)。将其放入距离差分空间模型中，若该位置落在校正点上，则根据校正点当前的3维距离差分值直接计算非合作无人机的校正位置若该位置落在非校正点，取位置所在网格的4个校正点的3维距离差分值，根据公(4)
‑
(6)计算该位置的距离差分，获得该位置的系统静态校正位置
[0015][0016][0017][0018]根据系统静态校正位置，释放我方无人机伴飞，接近非合作无人机时(在30cm范围内时定义为交叉点)，我方无人机回传自身精确GPS位置，计算我方无人机的精确位置与系统静态校正位置的距离差分，作为非合作无人机的距离差分，实时校正非合作无人机精确位置。在伴飞过程中我方无人机有多次与非合作无人机接近，将每一个交叉点作为一个同化点，实现对非合作无人机持续实时更新同化定位。用收集的自飞数据和非合作无人机飞
行数据构建飞行序列样本集，每一个样本表示为(TDOA位置，精确位置)。构建GRU序列预测模型，用我方携带软模块的无人机自飞序列样本作为训练集，训练GRU序列预测模型，将非合作无人机的飞行序列作为预测集，将GRU模型的预测结果与实时校正后的同化定位结果进行决策级融合，得到最终定位的精确坐标。
[0019]步骤A中TDOA定位系统是一种利用到达时间差进行定位的方法。每次定位标签发射定位广播信号，通过此信号到达每个定位基站之间的时间差值及所有基站的已知位置等信息，计算出标签的坐标。
[0020]步骤B中的软模块是用于嵌入无人机身份信息的固件编程代码。
[0021]步骤C中的GRU是一种神经网络，引入重置门和更新门的概念，通过门控制机制来控制和管理神经网络中细胞之间的信息流，记忆过去的信息，同时选择性地忘记一些不重要的信息，解决长期记忆和反向传播中的梯度问题。
[0022]另一方面，本专利技术提供了一种基于差分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于差分校正的非合作无人机精确定位方法，包括以下步骤：A、构建距离差分空间模型。设定分布式时差定位空间范围，在空间坐标系中每个方向间隔1m设置一个坐标点，称为校正点，用精确的经纬度和高度标记其位置坐标，所有校正点构成一个空间网格。因为空间环境的差异和各类信号的干扰，TDOA定位系统给出的无人机坐标在每个位置上存在不同的误差，为每一个校正点增设3个距离差分维度，构成6维位置坐标，第i个校正点位置坐标为用于存放其精确3维坐标和解算出的校正点3维差分数据，校正空间中间隔1m的所有6维坐标点形成了距离差分空间模型。B、基于差分的系统性空间模型定位校正。在防御空间释放我方携带软模块的无人机自飞，飞行过程中回传自身GPS精确位置，通过多轮自飞使飞行轨迹覆盖距离差分空间模型的每个网格。针对空间模型中每个校正点，获取其周围4个网格中回传的多个精确位置和每个位置相应的TDOA坐标，分别记为P1，...，P
i
，...，P
n
和P
′1，...，P
′
i
，...，P
′
n
，其中P
i
的精确位置标记为TDOA系统定位的位置P
′
i
记为(x
′
i
，y
′
i
，z
′
i
)。基于精确位置和TDOA系统坐标，根据公式(1)
‑
(3)计算网格中间定位点的3维距离差分，分别记为d
x
，d
y
，d
z
。。。根据计算得到每一个校正点的d
x
，d
y
，d
z
，更新距离差分空间模型中每一个校正点距离差分值，实现整个空间模型系统性定位校正。C、基于实时校正的非合作无人机精确定位。在TDOA系统侦测到入侵无人机信号时，计算入侵无人机的实时TDOA位置，作为初始位置P0(x
′0，y
′0，z
′0)。将其放入距离差分空间模型中，若该位置落在校正点上，则根据校正点当前的3维距离差分值直接计算非合作无人机的校正位置若该位置落在非校正点，取位置所在网格的4个校正点的3维距离差分值，根据公(4)
‑
(6)计算该位置的距离差分，获得该位置的系统静态校正位置正位置正位置正位置根据系统静态校正位置，释放我方无人机伴飞，接近非合作无人机时(在30cm范围内时定义为交叉点)，我方无人机回传自身精确GPS位置，计算我方无人机的精确位置与系统静态校正位置的距离差分，作为非合作无人机的距离差分，实时校正非合作无人机精确位置。在伴飞过程中我方无人机有多次与非合作无人机接近，将每一个交叉点作为一个同化点，实现对非合作无人机持续实时更新同化定位。用收集的自飞数据和非合作无人机飞行数据构建飞行序列样本集，每一个样本表示为(TDOA位置，精确位置)。构建GRU序列预测模型，用我方携带软模块的无人机自飞序列样本作为训练集，训练GRU序列预测模型，将非合作无人
机的飞行序列作为预测集，将GRU模型的预测结果与实时校正后的同化定位结果进行决策级融合，得到最终定位的精确坐标。2.根据权利要求1所述的一种基于差分校正的非合作无人机精确定位方法，其特征在于，步骤A中，所述的TDOA是一种利用到达时间差进行定位的方法。通过测量信号到达监测站...

【专利技术属性】
技术研发人员：刘昕，孙胜，宫法明，吴春雷，杨大伟，赵庆齐，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：