CN110794391A - 一种基于无人机集群组网平台的无源定位优化布站方法 - Google Patents
一种基于无人机集群组网平台的无源定位优化布站方法 Download PDFInfo
- Publication number
- CN110794391A CN110794391A CN201910969856.2A CN201910969856A CN110794391A CN 110794391 A CN110794391 A CN 110794391A CN 201910969856 A CN201910969856 A CN 201910969856A CN 110794391 A CN110794391 A CN 110794391A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- positioning
- vehicle cluster
- cluster networking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000006855 networking Effects 0.000 title claims abstract description 109
- 238000009826 distribution Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000000926 separation method Methods 0.000 claims abstract description 13
- 230000000694 effects Effects 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000004088 simulation Methods 0.000 claims abstract description 7
- 238000013178 mathematical model Methods 0.000 claims abstract description 6
- 238000012795 verification Methods 0.000 claims abstract description 5
- LENZDBCJOHFCAS-UHFFFAOYSA-N tris Chemical compound OCC(N)(CO)CO LENZDBCJOHFCAS-UHFFFAOYSA-N 0.000 claims abstract description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000010790 dilution Methods 0.000 claims description 6
- 239000012895 dilution Substances 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 claims description 3
- 125000004432 carbon atom Chemical group C* 0.000 claims description 2
- 238000010224 classification analysis Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 7
- 230000007123 defense Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及无人机预警探测领域,具体涉及一种基于无人机集群组网平台的无源定位优化布站方法,其不同之处在于,其步骤包括:S1、构建三无人机集群组网平台;S2、采用盲信号处理方式并行处理实现对于混叠信号的实时准确分离;S3、构建数学模型,计算三基地无源定位的误差效能;S4、结合无人机集群组网的特性,得出无源定位的最佳定位点;S5、对组网平台布站效果进行仿真分析验证。本发明可以提高无人机集群组网平台组网实现无源定位的定位精度。
Description
技术领域
本发明涉及无人机预警探测领域,具体涉及一种基于无人机集群组网平台的无源定位优化布站方法。
背景技术
无人机集群作战***是空中作战的核心***,具有集群智能的多类飞行器组成的任务集群是未来空中战场的主导力量。其中,无人机是航空集群中的重要作战单元,可执行有人机不适合执行的各种高危突防任务,在一定背景需求下研究集群提升作战效能的方式是保证无人机顺利完成任务的关键。
空天预警能力直接关系着国土安全,远程长时和高精度的警戒能力直接决定着战争的主动权甚至最终的成败。由于无人机集群组网***具有覆盖范围大、低空探测能力好、生存能力强、费效比高等优势,已逐渐成为国土防空和沿海预警探测情报网中的重要组成部分。雷达是目前多数来袭平台和武器***使用的主要探测设备,基于无人机集群组网无源探测***可以实现对有源装备的预警。而提升无人机集群组网平台组网后对雷达的无源定位精度一直是重要的课题。
鉴于此,提供一种基于无人机集群组网平台的无源定位优化布站方法成为本领域亟待解决的问题。
发明内容
本发明的目的在于克服现有技术的缺点,提供一种基于无人机集群组网平台的无源定位优化布站方法,可以提高无人机集群组网平台组网实现无源定位的定位精度。
为解决以上技术问题,本发明的技术方案为:一种基于无人机集群组网平台的无源定位优化布站方法,其不同之处在于,其步骤包括:
S1、构建三无人机集群组网平台;
S2、采用盲信号处理方式并行处理实现对于混叠信号的实时准确分离;
S3、构建数学模型,计算三基地无源定位的误差效能;
S4、结合无人机集群组网的特性,得出无源定位的最佳定位点;
S5、对组网平台布站效果进行仿真分析验证。
按以上技术方案,所述步骤S2中,采用瞬时盲信号分离的方法对复杂混叠信号进行分离。
按以上技术方案,采用EASI、RLS、NRLS三种算法对混叠信号进行分离。
按以上技术方案,所述三无人机集群组网平台在平时监视时不分主次,而当三者中的某一个平台采用盲信号处理分离出现模糊不清的信号时,该平台立刻上升为无人机集群组网主平台,将侦察到的数据传递给另外两个平台,并引导另外两个平台对该区域实施重点探测。
按以上技术方案,所述无人机集群组网主平台负责主程序的处理,而另外两个平台采用不同算法。
按以上技术方案,采用定位精度的几何稀释GDOP来描述定位误差;在二维平面内描述定位误差在平面上的分布,用下式表示:
式中,σx、σy分别为x、y方向上的定位标准差。
按以上技术方案,实际测量过程中得到的三个无人机集群组网平台定位点的方位角θ1、θ2和θ3存在误差,设测角误差分别为δθ1、δθ2和δθ3;三个无人机集群组网平台测向的交点即目标T会形成一个不确定的模糊区域,所述目标T与三个定位点之间的关系如下式所示:
假设各无人机集群组网平台之间的测向误差相互独立,对上式求偏导,整理后可得:
AδX=B
进一步计算可得到定位误差为:
上式中
故可以得到定位误差的几何稀释为:
整理得到下式:
l为两个无人机集群组网平台之间的距离,σθ为平台测向误差的标准差。
按以上技术方案,如果GDOP取得最优值,偏导为零,即:
故可以得到方程:
解上式可以得到:
sin2θ1=sin(-2θ2)。
按以上技术方案,假定0≤θ1≤π/2时,对sin2θ1=sin(-2θ2)公式进行分类分析,得到以下三种情况:
1)θ1=-θ2,定位线无交点,此时无法定位;
2)θ1=θ2=0,目标在两点连线上,此时双基地无法定位,应用三基地实现定位;
3)θ1=π-θ2,两条测向线形成的同旁内角相等,即最佳定位点位于底边中垂线上时。
按以上技术方案,当采用三站定位时,三点连线可构成三角形,由于当同旁内角相等时定位精度最高,因此三点呈现正三角形时可使同旁内角均为60°,达到最优的定位效果。
对比现有技术,本发明的有益特点为:
本发明提出一种基于无人机集群组网平台的无源定位优化布站方法,从组网实现无源探测入手,构建典型三无人机集群组网平台的典型正三角形结构,采用盲信号分离算法,并协同调度组网内资源,实现对混杂信号的快速精确分选;最后构建数学模型,研究其定位误差,根据推导结果提出最佳定位点并仿真验证,为后续多基地与自适应无源组网的布站提供指导,对于以后关于无人机集群组网平台的作战使用有重要意义。
附图说明
图1为本发明实施例中地面平台与无人机集群组网平台威力探测区对比图;
图2为本发明实施例中EASI、RLS、NRLS三种算法的学习曲线示意图;
图3为本发明实施例中三种盲信号的处理结果示意图;
图4为本发明实施例中三无人机集群组网平台盲信号处理示意图;
图5为本发明实施例中三无人机集群组网平台无源测向定位原理及误差示意图;
图6为本发明实施例中三无人机集群组网平台定位的GDOP三维图;
图7为本发明实施例中三无人机集群组网平台定位的GDOP分布图(σθ=0.5°);
图8为本发明实施例中三无人机集群组网平台定位的GDOP分布图(σθ=0.7°);
图9为本发明实施例中三无人机集群组网平台定位的GDOP分布图(l=1.5*l,σθ=0.5°);
图10为本发明实施例中三无人机集群组网平台定位的GDOP分布图(l=1.5*l,σθ=0.7°)
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,下面结合附图和具体实施例对本发明作进一步详细说明。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。
在下文中,将参考附图来更好地理解本发明的许多方面。附图中的部件未必按照比例绘制。替代地,重点在于清楚地说明本发明的部件。此外,在附图中的若干视图中,相同的附图标记指示相对应零件。
如本文所用的词语“示例性”或“说明性”表示用作示例、例子或说明。在本文中描述为“示例性”或“说明性”的任何实施方式未必理解为相对于其它实施方式是优选的或有利的。下文所描述的所有实施方式是示例性实施方式,提供这些示例性实施方式是为了使得本领域技术人员做出和使用本公开的实施例并且预期并不限制本公开的范围,本公开的范围由权利要求限定。在其它实施方式中,详细地描述了熟知的特征和方法以便不混淆本发明。出于本文描述的目的,术语“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”和其衍生词将与如图1定向的发明有关。而且,并无意图受到前文的技术领域、背景技术、发明内容或下文的详细描述中给出的任何明示或暗示的理论限制。还应了解在附图中示出和在下文的说明书中描述的具体装置和过程是在所附权利要求中限定的发明构思的简单示例性实施例。因此,与本文所公开的实施例相关的具体尺寸和其他物理特征不应被理解为限制性的,除非权利要求书另作明确地陈述。
1.无人机集群组网平台特性
(1)预警时间长,探测距离远。登高望远是驱动无人机集群远程预警的动力所在,受到地球曲率的影响,地面平台受到视距的限制,探测距离大打折扣,如图1所示:
图1地面平台与无人机集群组网平台威力探测区对比
平台的视线探测距离:
通过计算可得,当我方无人机集群组网平台高度约为5000米时,其探测性能不会受到地球曲率的影响,实现对300公里内飞行器进行有效探测。
(2)生存能力强。无人机集群组网平台本身的造价并不高,目前能够对高空构成威胁的武器***稀少且昂贵,采用此类武器对无人机集群组网平台实施打击的费效比不高。
(3)不易被探测。无人机集群组网平台可以采用复合材料降低其金属含量,降低其RCS。由于旋翼无人机集群组网平台近似悬停于空中,对应的多普勒频率较小,PD雷达滤波器组难以实现有效探测。致使火控雷达失去了至少40dB的MTD改善因子,作战效能大打折扣。无人机集群组网平台不具有发动机等能够被红外探测到的装备,光学平台也无法实现有效探测。星载SAR平台的主瓣宽度很小,而且SAR平台的频率非常稳定,难以实现脉冲捷变甚至重频抖动等抗干扰措施,星载SAR雷达为防止参数被截获,开机时间通常不超过一分钟。即使被SAR侦察到,我方无人机集群组网平台也会接收到敌方SAR雷达的脉冲描述字,对于我方构建情报体系和日后对SAR平台的干扰研究意义重大。
(4)无人机集群组网平台费效比高,由于本身成本相较预警机或侦察机要低廉许多,可以长时间悬停于空中,消耗的能量很少,设备老化与损坏的概率有所下降,便于研制生产与使用维护,平台可靠性大大提高,能够对某区域的长时侦察。
无人机集群组网平台可用于构建杂波数据库。目前主流热点模型的构建都是来自于长期的实验积累的数据。无人机集群组网平台可以长期悬停于空中某处,对某一区域实施长时的观测,得到大量的不同条件下的一手杂波数据。此类实验在国内开展的较少,我国对于杂波模型的研究本身就滞后于国外。无人机集群组网平台有利于杂波理论的研究与其数学模型的构建。同时,长时间对于某一区域进行观测,可以形成该区域的距离—杂波门。便于无人机集群组网平台通过信号处理***做相关运算,采用杂波对消,进一步加强对该区域的侦察与检测。
陆基无源探测平台的机动性较弱,敌方通过侦察或者情报途径得到布防位置后,陆基无源探测的隐蔽性完全丧失,军用价值大打折扣。同时陆基难以移动,无法实现二次利用。我国机载无源探测设备的稳定性差,其定位精度受到设备的严重制约,同时还要克服运动补差,时间同步等技术难题,难以通过机间链实现组网应用,单机***的定位误差并不可观。而无人机集群组网平台不受上述条件限制,可以实现快速布防与组网应用,其军事价值亟待开发。
2.无人机集群组网平台组网盲信号分离
现代空间中电磁脉冲信号已经达到了百万/秒量级,关于敌方雷达参数先验信息有限,敌方雷达为降低被我方侦收到的概率,力求向低截获概率雷达(LPI)方向发展,更增加了对敌信号识别的难度。目前雷达为实现有效预警,采用组网的方式提高探测效能,本文基于雷达组网的思路,对三无人机集群组网平台组网效能进行研究。
为实现对信号的检测识别,采用瞬时盲信号分离的方法对复杂混叠信号进行分离。为保证算法的收敛性、实时性与可行性,采用较为成熟的EASI、RLS、NRLS三种算法,考虑到现今战机采用脉冲调制信号,在仿真实验条件中选定两种脉冲调制信号、调相信号、正弦波信号与高斯白噪声信号作为信源信号,将其混叠,再采用EASI、RLS、NRLS三种算法对混叠信号进行分离,得到的结果图2、图3所示。
观察图2可以发现RLS学习效果较NRLS算法与EASI算法差,通过多次迭代后,NRLS算法与EASI算法已经趋于收敛,且NRLS的收敛效果最为明显。
图3中前两行为信源的信号,其下每行依次为混叠信号、EASI、RLS与NRLS的分离处理结果。从上图中可以看出NRLS分离结果最优,EASI其次,RLS方法的效果很不明显。
本文基于三无人机平台组网,通过上述分析,可以看出算法在实时性与准确性之间存在矛盾,因此本文协同调度空基组网内资源,采用并行处理方式以保证信号处理的精度与实时性,具体示意图如图4所示。
平时监视时三个无人机集群组网平台之间没有主次之分,均采用EASI算法或NRLS算法对所在空域实施监视。而当三者中的某一个平台采用盲信号处理分离,出现了模糊不清的信号时,该平台立刻上升为主无人机集群组网平台,将侦察到的数据传递给另外两个平台,并引导另外两个平台对该区域实施重点探测,主平台负责主程序的处理,另外两个平台采用不同算法,兼顾精度与效率,提取出信号记录平台的全脉冲参数,用于后续的鉴别,从而实现对信号的甄别与对该区域的有效探测。
3.无人机集群组网平台无源定位误差分析
对于双基地平台的无源定位研究相比于三基地定位的研究推广性较弱,现今雷达以组网形式工作,研究三基地无源定位可以为后续的多平台组网布站、自适应布站等研究打下基础。
由于实际测量过程中得到的方位角θ1、θ2和θ3存在误差,设测角误差分别为δθ1、δθ2和δθ3,这样三个无人机集群组网平台测向的交点会形成一个不确定的模糊区域,如图5所示。
1)***噪声产生定位误差,定位点在真实位置附近呈现随机分布,假定测向误差为零均值的高斯分布,定位点的定位误差随机分布呈现椭圆形状,如图5所示。采用“定位精度的几何稀释”即GDOP来描述定位误差,它用式(2)表达,即:
上式描述定位误差的三维分布,式中σx、σy、σz分别为x、y、z方向上的定位标准差。考虑到Z方向的误差相较于X,Y方向而言影响很小,如果在运算Z方向,那么计算量将会从信号采样点数n的平方次直接逼近立方次运算,时效性很容易丧失,费效比大打折扣,因此在二维平面内描述定位误差在平面上的分布,则用式(3)表示:
2)定位误差的分析
根据图5的几何关系,得到目标T与3个定位点之间的关系如(4)式所示:
对三无人机集群组网平台定位的误差进行分析;假设各无人机集群组网平台之间的测向误差相互独立,对式(4)求偏导,整理后可得:
AδX=B (5)
通过对(4)式或(5)式的观察可以发现,要确定的未知参数只有XY和YT。因此,只需要2个方程即可;三无人机集群组网平台所得到的结果为三组方程解的交集,探测精度与探测范围明显优于双基地平台。
通过计算双基站定位GDOP,进一步计算(5)式可以得到定位误差为:
上式中
故可以得到定位误差的几何稀释为
整理得到下式:
l为两个无人机集群组网平台之间的距离,σθ为平台测向误差的标准差。
3)无源定位的最佳定位点
如果GDOP取得最优值,偏导为零,即:
故可以得到方程
解上式可以得到:
sin2θ1=sin(-2θ2) (13)
假定0≤θ1≤π/2时,对上式进行分类讨论,得到以下三种情况:
①θ1=-θ2,定位线无交点,此时无法定位;
②θ1=θ2=0,目标在两点连线上,此时双基地无法定位,应用三基地实现定位;
③θ1=π-θ2,两条测向线形成的同旁内角相等,即最佳定位点位于底边中垂线上时。
4)仿真验证
通过上一节的分析,当采用三站定位时,三点连线可构成三角形,由于当同旁内角相等时定位精度最高,因此,三点呈现正三角形时可使同旁内角均为60°,达到最优的定位效果。本文选定在同一坐标系内,三个无人机集群组网平台分别位于(50km,0km)、(-25km,-43.3km) 和(-25km,43.3km)处,原点为(0km,0km),可以计算得到无源测向定位的GDOP分布等高线图,同时从影响定位误差的角度出发,分别讨论不同的l和σθ对定位误差的影响,得到仿真图如图6-10。
通过对于图7和图8的对比可以发现,当定位角的误差分布从原来的0.5°扩展为0.7°时,虽然定位的区域变化不明显,但可以看出其GDOP的值变化了大约1.4倍,符合式(10) 的公式表述;对比图7和图9,基站之间的距离变为原来的1.5倍,因为GDOP与l有关,同时也与测向角有关,因此GDOP的变化与l不呈现线性关系,但正相关;从图9可以看出,其GDOP空间有所下降,GDOP值有所上升,形成的GDOP区间有呈现独立分布的趋势;观察图10,明显三个无人机集群组网平台组网效果下降,三者的整体性明显下降,定位精度已经不如前几张图精确。
观察每张图都会明显看到,任何两个无人机集群组网平台连线的中垂线上,GDOP的等高线最为稀疏,意味着梯度小变化缓慢,与无人机集群组网平台相距同等长度内,其GDOP值最低,符合上述关于最佳定位点的分析。可见,上式的推导具有合理性,选择适当的无人机集群组网平台之间的距离与改善平台测向的误差分布,可以提高无人机集群组网平台组网实现无源定位的定位精度。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于无人机集群组网平台的无源定位优化布站方法,其特征在于,其步骤包括:
S1、构建三无人机集群组网平台;
S2、采用盲信号处理方式并行处理实现对于混叠信号的实时准确分离;
S3、构建数学模型,计算三基地无源定位的误差效能;
S4、结合无人机集群组网的特性,得出无源定位的最佳定位点;
S5、对组网平台布站效果进行仿真分析验证。
2.根据权利要求1所述的基于无人机集群组网平台的无源定位优化布站方法,其特征在于:所述步骤S2中,采用瞬时盲信号分离的方法对复杂混叠信号进行分离。
3.根据权利要求2所述的基于无人机集群组网平台的无源定位优化布站方法,其特征在于:采用EASI、RLS、NRLS三种算法对混叠信号进行分离。
4.根据权利要求1所述的基于无人机集群组网平台的无源定位优化布站方法,其特征在于:所述三无人机集群组网平台在平时监视时不分主次,而当三者中的某一个平台采用盲信号处理分离出现模糊不清的信号时,该平台立刻上升为无人机集群组网主平台,将侦察到的数据传递给另外两个平台,并引导另外两个平台对该区域实施重点探测。
5.根据权利要求4所述的基于无人机集群组网平台的无源定位优化布站方法,其特征在于:所述无人机集群组网主平台负责主程序的处理,而另外两个平台采用不同算法。
9.根据权利要求8所述的基于无人机集群组网平台的无源定位优化布站方法,其特征在于:假定0≤θ1≤π/2时,对sin2θ1=sin(-2θ2)公式进行分类分析,得到以下三种情况:
1)θ1=-θ2,定位线无交点,此时无法定位;
2)θ1=θ2=0,目标在两点连线上,此时双基地无法定位,应用三基地实现定位;
3)θ1=π-θ2,两条测向线形成的同旁内角相等,即最佳定位点位于底边中垂线上时。
10.根据权利要求1所述的基于无人机集群组网平台的无源定位优化布站方法,其特征在于:当采用三站定位时,三点连线可构成三角形,由于当同旁内角相等时定位精度最高,因此三点呈现正三角形时可使同旁内角均为60°,达到最优的定位效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910969856.2A CN110794391A (zh) | 2019-10-12 | 2019-10-12 | 一种基于无人机集群组网平台的无源定位优化布站方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910969856.2A CN110794391A (zh) | 2019-10-12 | 2019-10-12 | 一种基于无人机集群组网平台的无源定位优化布站方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110794391A true CN110794391A (zh) | 2020-02-14 |
Family
ID=69440196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910969856.2A Pending CN110794391A (zh) | 2019-10-12 | 2019-10-12 | 一种基于无人机集群组网平台的无源定位优化布站方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110794391A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111273274A (zh) * | 2020-03-12 | 2020-06-12 | 四川九洲电器集团有限责任公司 | 多基协同定位方法、存储介质、雷达及雷达定位*** |
CN113807591A (zh) * | 2021-09-22 | 2021-12-17 | 电子科技大学 | 一种通信距离受限的无人机集群站点协同优化部署方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107678443A (zh) * | 2017-06-27 | 2018-02-09 | 重庆九洲星熠导航设备有限公司 | 基于rnss/rdss体制的无人机编队监控指挥*** |
-
2019
- 2019-10-12 CN CN201910969856.2A patent/CN110794391A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107678443A (zh) * | 2017-06-27 | 2018-02-09 | 重庆九洲星熠导航设备有限公司 | 基于rnss/rdss体制的无人机编队监控指挥*** |
Non-Patent Citations (2)
Title |
---|
范翔宇;王红卫;陈游;张毅;: "基于系留载平台组网的无源定位研究" * |
范翔宇;王红卫;陈游;杨远志;: "天空气球系留载平台组网无源定位仿真研究" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111273274A (zh) * | 2020-03-12 | 2020-06-12 | 四川九洲电器集团有限责任公司 | 多基协同定位方法、存储介质、雷达及雷达定位*** |
CN111273274B (zh) * | 2020-03-12 | 2022-03-18 | 四川九洲电器集团有限责任公司 | 多基协同定位方法、存储介质、雷达及雷达定位*** |
CN113807591A (zh) * | 2021-09-22 | 2021-12-17 | 电子科技大学 | 一种通信距离受限的无人机集群站点协同优化部署方法 |
CN113807591B (zh) * | 2021-09-22 | 2023-04-07 | 电子科技大学 | 一种通信距离受限的无人机集群站点协同优化部署方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109212475B (zh) | 基于方位角和俯仰角信息的双机无源定位方法 | |
CN106597369B (zh) | 一种无人机的控制方法、控制平台、控制*** | |
CN113204015B (zh) | 用于分布式雷达目标模拟的多无人机航迹规划方法及*** | |
CN107015199A (zh) | 一种考虑无人机姿态角的双无人机测向时差定位方法 | |
CN110794391A (zh) | 一种基于无人机集群组网平台的无源定位优化布站方法 | |
CN105676170B (zh) | 一种用于多目标无源定位与跟踪的虚假点去除方法 | |
CN104535993A (zh) | 一种机载多主动雷达测距的地面物体高精度定位方法 | |
CN115063544A (zh) | 一种面向随队支援干扰的雷达探测威力范围计算方法 | |
CN114239305A (zh) | 一种战场态势场景仿真激励*** | |
CN102176013B (zh) | 一种弹载非理想凝视聚束式sar混合度提取方法 | |
Khudov et al. | The MIMO surveillance radars system with high accuracy finding 2D coordinates | |
Nijsure et al. | WSN-UAV monitoring system with collaborative beamforming and ADS-B based multilateration | |
Magers | Geolocation of RF emitters using a low-cost UAV-based approach | |
CN110989655A (zh) | 一种舰载侦察较射无人机起降阶段目标跟踪方法 | |
Kelner et al. | Errors of UAV autonomous landing system for different radio beacon configurations | |
Zheng et al. | Research on channel optimization of Ads‐B aviation target surveillance radar based on improved filtering algorithm | |
Thayaparan et al. | Frequency monitoring system for over-the-horizon radar (OTHR) in Canada | |
Khudov et al. | The method of the high accuracy finding 2D coordinates in MIMO-radar based on existing surveillance radars | |
CN114136324A (zh) | 一种基于雷达探测概率云图的隐身飞机航迹规划方法 | |
Zhao et al. | Cooperative path optimization for multi-UAVs based on dynamic target positioning and tracking | |
Andreev et al. | Flight path optimization for an electronic intelligence unmanned aerial vehicle | |
Xu et al. | Optimal Design of Cooperative Penetration Trajectories for Multiaircraft | |
CN114526735B (zh) | 一种无人飞行器集群仅测距初始相对位姿确定方法 | |
Sruti et al. | Non-Parametric and Geometric Multi-Target Data Association for Distributed MIMO Radars | |
Wang et al. | Research on a Passive Location Method Based on Single Target Detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200214 |