利用多径信息的无人机无源定位与跟踪算法研究

摘要

近年来，随着无人机应用的普及，各类无人机飞行事故与隐患增多，迫切需要对无人机进行定位与跟踪。无人机体型小，速度慢，主动雷达难以检测。故本文基于到达时间差对其进行无源的定位及跟踪方法研究。
　　在城市环境下，多径效应较明显，传统的到达时间差估计的精度下降，影响定位算法的精度。而无人机的运动可视为一个马尔科夫过程，可用目标跟踪算法提取出目标位置的方式来实现定位。因此，本文将贝叶斯目标跟踪框架应用到辐射源定位问题研究中。同时，传统的定位方法难以应对时变的目标数。故本文研究基于随机有限集的目标跟踪算法，并在贝叶斯框架下对多个无人机目标定位与跟踪。此外，针对城市多径环境，可以对量测中的多径信息加以有效利用。此时，相当于增加了等效基站，增强了待测目标的可观测性。
　　本文首先介绍了传统的基于到达时间差的无源定位方法和贝叶斯目标跟踪的基本原理与随机有限集理论。基于此，讨论了经典的概率假设密度滤波算法，该算法可对多个时变目标进行有效的跟踪，可通过聚类算法从其概率假设密度中估计出目标位置。之后论了多检测及多观测站情形下的概率假设密度滤波算法。
　　本文将传统的概率假设密度滤波扩展为多检测概率假设密度滤波，利用多径效应引起的“干扰信息”，对无人机目标进行定位与跟踪。针对时差方程的非线性，基础基于粒子滤波的实现算法。该算法与经典的概率假设密度滤波在预测步骤相一致，但在更新步骤中存在多检测的情况，没有量测与观测模型的关联先验。因此需要对真实状态与量测的所有可能的关联组合进行枚举。
　　本文讨论了无人机目标定位跟踪仿真平台的实现，并开展了对上述算法有效性验证的仿真试验。通过设置三种场景，分别在单观测站多检测，多观测站单检测与多观测站多检测条件下，开展了对单目标和时变多目标的定位与跟踪仿真实验以及性能分析。结果表明，在高信噪比低杂波情况下，利用多径信息可以提高对无人机目标的定位及跟踪精度。

目录

声明

第一章 绪论

1.1 课题背景与意义

1.2 课题研究与发展现状

1.3 论文主要工作及结构安排

第二章 基于到达时间差的传统无源定位技术

2.1 到达时间差的定义

2.2 广义互相关时延估计方法

2.3 定位求解方法

2.4 经典定位算法存在的问题

2.5 本章小结

第三章 贝叶斯框架下基于随机有限集的目标跟踪算法

3.1 贝叶斯目标跟踪框架

3.2 随机有限集介绍

3.3 概率假设密度滤波算法

3.4 概率假设密度滤波算法的粒子滤波实现

3.5 本章小结

第四章 多观测站多检测条件下的概率假设密度滤波算法

4.1 单观测站多检测概率假设密度滤波

4.2 多观测站单检测概率假设密度滤波

4.3 多观测站多检测概率假设密度滤波

4.4 多站多检测概率假设密度滤波算法的粒子滤波实现

4.5 本章小结

第五章 无人机目标定位与跟踪算法仿真

5.1 目标定位跟踪算法仿真平台

5.2 仿真场景及参数说明

5.3 无人机运动模型及观测模型

5.4 仿真结果及分析

5.5 本章小结

第六章 总结与展望

致谢

参考文献