一种基于世界模型的无人机多模态信号寻源方法及系统
本发明属于无人机自主导航、无线电信号处理及人工智能控制,具体涉及一种基于世界模型的无人机多模态信号寻源方法及系统。
背景技术:
1、在无线电监管、应急搜救、非法发射源定位、电磁环境感知、灾后通信恢复、重点区域巡检等应用场景中,利用无人机平台快速搜索并接近目标信号源具有重要意义。相较于地面设备,无人机具备机动性高、视距好、覆盖范围广等优点,能够在复杂环境中执行灵活的空中寻源任务。
2、现有无人机射频寻源方法主要包括以下几类:
3、(1)基于测向硬件的方法:通过阵列天线、单脉冲天线或多通道相位差测量装置获取到达角信息,再结合几何关系估计信号源方向或位置。该类方法通常依赖较高成本的射频硬件,且在多径、遮挡、低信噪比条件下容易出现测向误差大、角度跳变甚至短时失效的问题。
4、(2)基于信号强度梯度的方法:通过接收信号强度、信噪比或能量变化趋势引导无人机向目标区域移动。该方法硬件要求较低,但局部梯度容易受噪声、阴影衰落、多径反射和无人机运动扰动影响,导致控制策略不稳定,甚至陷入局部最优或出现振荡。
5、(3)基于端到端强化学习或监督学习的方法:该类方法直接从观测到动作进行映射,虽然在特定任务中可取得较好效果,但往往缺乏对环境动态的显式建模,规划能力有限;在观测噪声增大或传感器短时失效时,策略的鲁棒性不足。
6、目前存在的主要问题在于:单独使用低成本测向模块时,观测噪声大、误差漂移明显,难以稳定引导无人机持续靠近目标;单独使用频谱图或信号强度进行控制时,难以充分利用时序信息和历史轨迹,控制过程容易抖动;现有多数方法缺乏一种能够同时融合多模态传感输入、学习环境演化规律并进行前瞻性动作规划的统一框架。例如chowdhury等人在论文m. m. u. chowdhury, f. erden and i. guvenc, "rss-based q-learning forindoor uav navigation," milcom 2019 - 2019 ieee military communicationsconference (milcom), norfolk, va, usa, 2019, pp. 121-126中提出了一种典型的基于接收信号强度(rss)的强化学习寻源方法。该方法以无人机接收到的信号强度值作为q学习算法的状态输入和奖励依据,引导无人机在gps拒止的室内环境中自主导航至无线信号源附近,无需任何先验环境信息,也无需gps坐标。然而,该方法存在以下明显技术缺陷:第一,该方法仅以瞬时rss标量作为状态输入,既不利用信号的时频结构信息,也未融合方位观测信息,导致状态感知维度低,在复杂电磁环境或多径干扰场景下,rss梯度极易受阴影衰落和噪声污染,控制策略容易抖动乃至失效;第二,该方法采用离散动作空间下的表格型q学习框架,缺乏对历史时序信息的建模能力,控制决策仅依赖当前单帧观测,无法进行多步前瞻规划,在观测出现短时失效或突变时鲁棒性不足;第三,该方法未构建任何对环境动态演化规律的显式预测模型,无法在不执行真实动作的前提下预演候选动作序列的未来效果,规划效率和任务成功率受限。上述不足充分说明,单一rss模态信息难以支撑低成本、高噪声条件下的高性能无人机信号寻源任务。
7、因此,急需一种新的无人机信号寻源方法,在保留低成本硬件可部署性的前提下,融合粗糙方位信息与高维射频频谱信息,构建对无人机—信号源交互过程的时序预测能力,并通过规划算法实现鲁棒、高成功率的闭环自主寻源控制。
技术实现思路
1、为了克服现有技术中无人机信号寻源过程中存在的测向观测不稳定、频谱利用不足、缺乏时序预测与前瞻规划能力的问题,本发明提供一种基于世界模型的无人机多模态信号寻源方法及系统,该方法及系统通过将无人机运动状态、低精度方位观测以及射频频谱图共同编码到统一隐空间中,利用基于动作条件化的时序预测网络对未来隐状态进行滚动推演,并结合交叉熵法规划器对候选动作序列进行筛选,从而实现对目标信号源的高成功率自主接近。该方法特别适用于低成本测向传感器存在大噪声、间歇失效或复杂电磁环境扰动的场景。
2、为了实现上述目的,本发明采用的技术方案是:
3、一种基于世界模型的无人机多模态信号寻源方法,包括以下步骤;
4、s1、构建无人机二维信号寻源环境,并采集多模态观测数据;
5、s2、对所述多模态观测数据进行统一编码,构建表征当前环境状态的隐空间状态序列;将速度信息、粗略方位观测信息与频谱图信息输入多模态编码器,得到当前时刻的隐状态表示,并利用滑动时间窗口构成历史隐状态序列;
6、s3、构建基于动作条件化的世界模型预测器;以历史隐状态序列和交叉熵规划器在特定均值标准差的高斯分布空间中采样的随机速度动作序列为输入,预测下一时刻隐状态,并进一步实现多步滚动预测;
7、s4、构建辅助评估头,对隐状态进行物理语义估计;通过信噪比估计头从隐状态中估计目标相关信号强度指标,通过方位估计头从隐状态中估计下一时刻目标方向特征;
8、s5、基于世界模型与辅助评估头进行动作序列规划;
9、s6、执行最优动作并进行闭环迭代控制;无人机执行规划得到的当前时刻最优动作,获取新的多模态观测,更新历史隐状态序列,重复步骤s2至s6,直至无人机进入目标信号源邻域或达到终止条件。
10、所述s1中,所述多模态观测数据至少包括:无人机当前速度信息、粗略方位观测信息以及由接收iq信号变换得到的频谱图信息;
11、粗略方位观测信息由低成本测向模块提供,所述测向模块输出目标信号的粗测到达角信息,且该粗测到达角信息包含高斯噪声、随机扰动及/或失效丢失现象;
12、频谱图信息由接收iq信号经过短时傅里叶变换获得,并采用全局分贝区间裁剪与固定范围归一化,以保留不同观测时刻之间的绝对能量差异信息。
13、s1具体包括以下内容:
14、s1-1、构建无人机运动状态向量,在时刻t,无人机的真实速度记为:
15、
16、其中,与分别代表无人机在二维平面x轴和y轴方向上的速度分量;
17、对速度进行归一化处理,消除不同平台速度量纲差异,得到:
18、
19、其中,为无人机允许的最大速度;
20、s1-2、获取粗略方位观测信息设信号源相对于无人机的真实几何方位角为:
21、
22、其中,表示目标信号源位置,表示无人机位置;
23、考虑低成本测向模块在实际应用中存在测量误差、随机跳变以及短时失效,本发明中粗略方位观测角表示为:
24、
25、其中,为方位观测噪声项;在部分时刻,所述粗略方位观测出现随机失效,此时由随机角度扰动或默认值替代;
26、将所述粗略方位观测编码为正弦余弦形式,避免角度在π与π处的跳变问题:
27、
28、s1-3、构建姿态观测向量,将归一化速度向量与粗略方位观测向量拼接,形成姿态观测向量:
29、
30、该姿态观测向量既包含无人机当前运动状态,又包含来自低精度测向模块的方向引导信息;
31、s1-4、采集射频信号并生成iq观测,设无人机方位为,目标信号源方位为,则两者之间距离为:
32、
33、根据信号传播损耗规律,时刻t的接收信噪比表示为:
34、
35、其中,表示参考距离处的信噪比,n为路径损耗指数;
36、根据无人机与信号源相对径向速度,引入多普勒频移,设径向速度为,则多普勒频移表示为:
37、
38、其中,为载频,c为光速;
39、基于上述信噪比与多普勒频移,接收端生成对应的iq采样信号:
40、
41、其中,为目标信号分量,为噪声分量;
42、s1-5、通过时频变换生成频谱图观测,对所述iq采样信号执行短时傅里叶变换,得到时频谱矩阵:
43、
44、取其幅值并转换至对数分贝域:
45、
46、其中,为防止对数计算中分母为零的极小正数;
47、随后对频谱图进行重采样,得到固定尺寸的二维频谱图:
48、
49、s1-6、对频谱图进行固定区间归一化,为了保留不同时刻之间可比较的绝对强度差异,本发明不采用逐帧最小-最大归一化,而采用全局分贝范围裁剪与归一化,设全局裁剪下限为,上限为,则归一化频谱图为:
50、
51、其中,clip( )表示裁剪算子;
52、至此,时刻t的多模态观测写为:
53、。
54、所述s2中,多模态编码器包括姿态编码分支、频谱编码分支以及融合映射分支;姿态编码分支用于编码无人机速度与粗略方位观测,频谱编码分支用于编码二维频谱图,融合映射分支用于将上述两类特征投影至统一隐空间;
55、s2具体包括以下内容:
56、s2-1、建立姿态编码分支,将姿态观测向量输入姿态编码网络,得到姿态特征表示:
57、
58、其中,为姿态编码函数;
59、s2-2、建立频谱编码分支,将归一化频谱图输入频谱编码网络,得到频谱特征表示:
60、
61、其中,为频谱编码函数;
62、s2-3、执行多模态特征融合,将姿态特征与频谱特征进行拼接:
63、
64、并通过融合映射网络投影至统一隐空间,得到当前时刻隐状态:
65、
66、其中,,d为隐空间维度;
67、s2-4、构建历史隐状态窗口序列,为了刻画无人机寻源过程中的时序依赖性,选取最近连续l个时刻的隐状态构成历史隐状态序列:
68、
69、其中,,所述历史隐状态序列作为世界模型预测器的输入,用于推断动作作用下的未来状态演化。
70、所述s3中,世界模型预测器采用带动作条件调制的时序网络,输入为历史隐状态序列和当前候选动作,输出为下一时刻隐状态;优选地,输出采用残差预测形式,即预测隐状态增量并与当前隐状态叠加得到下一时刻隐状态。世界模型预测器采用带有因果时序建模能力的transformer结构,并通过动作嵌入实现条件化调制。
71、s3具体包括以下内容:
72、s3-1、定义当前动作输入,在时刻t,无人机候选动作记为:
73、
74、其中,为归一化控制向量,其各分量取值范围可限制在预设动作区间内;
75、s3-2、建立动作条件化世界模型,将历史隐状态序列和当前候选动作输入世界模型预测器,得到下一时刻隐状态预测值:
76、
77、其中,f( )表示世界模型预测器;
78、s3-3、采用残差形式预测隐状态增量,所述世界模型预测器不直接预测完整的下一时刻隐状态,而是预测隐状态变化量:
79、
80、由此得到:
81、
82、采用残差预测有利于提高训练稳定性,并使预测器在训练初期更接近恒等映射;
83、s3-4、利用时序网络建模历史依赖关系,所述预测器对历史隐状态序列中的各时刻隐状态进行顺序建模,并引入动作嵌入作为条件信息,设动作嵌入为:
84、
85、则预测器表示为:
86、
87、其中,为动作嵌入函数;
88、s3-5、构建多步滚动预测过程,当需要对未来k步状态进行推演时,令:
89、
90、再将其并入新的历史窗口,得到:
91、
92、并递推计算:
93、
94、以此类推,得到未来多步隐状态轨迹:
95、。
96、所述s4中,辅助评估头包括信噪比估计头和方位估计头:
97、信噪比估计头,用于从隐状态预测当前或下一时刻信噪比;方位估计头,用于从隐状态预测目标相对方向的正弦-余弦表示;通过辅助评估头对隐状态进行物理语义估计,得到信噪比与目标方向预测结果。
98、s4具体包括以下内容:
99、s4-1、建立信噪比估计头,将当前或未来时刻隐状态输入信噪比估计头,得到预测信噪比:
100、
101、
102、其中,表示信噪比估计函数;
103、s4-2、建立目标方向估计头,将隐状态输入方向估计头,得到目标方向的正弦余弦表示:
104、
105、对于未来预测隐状态同理得:
106、
107、s4-3、将方向预测转换为二维方向向量,为便于与动作方向进行对齐计算,将预测方向表示重排为二维方向向量:
108、
109、s4-4、构建辅助监督目标,训练阶段利用真实下一时刻观测中的信噪比与粗略方位信息,对辅助评估头进行监督;设真实下一时刻信噪比为,真实方向表示为:
110、
111、则对应监督损失可分别写为:
112、
113、
114、通过上述辅助监督,使隐状态具备更强的物理可解释性和任务关联性。
115、所述s5中,采用交叉熵法在初始化均值和标准差的高斯分布空间中随机采样多组随机速度动作序列作为候选动作序列,通过多步隐空间推演得到对应的未来隐状态轨迹,并依据预测信噪比增益、动作与方位方向对齐程度以及动作平滑性构建综合评价函数,对候选动作序列进行筛选优化,筛选出评价函数得分较高的精英动作序列,再以精英动作序列的均值与标准差作为下一轮动作采样的高斯分布空间的均值与标准差,基于此过程重复若干轮,逐步锁定最优高斯分布采样空间,最终在最优空间采样得到最优动作;
116、综合评价函数包括:预测信噪比绝对值项、预测信噪比相对于前一时刻的增量项、动作方向与预测目标方向的一致性项和相邻动作变化量的平滑惩罚项;
117、基于未来隐状态轨迹构建动作序列评价函数,并利用交叉熵法规划器通过多轮采样、精英样本筛选、均值与方差更新的方式,逐步收敛得到最优动作分布,并输出第一时刻动作作为控制指令。
118、s5具体包括以下内容:
119、s5-1、定义候选动作序列,设规划时域长度为h,则一组候选动作序列表示为:
120、
121、其中,i表示第i组候选样本;
122、s5-2、利用世界模型推演未来隐状态轨迹;
123、对于每一组候选动作序列,结合历史隐状态序列,递推得到未来隐状态轨迹:
124、
125、并进一步得到对应的预测信噪比与预测方向:
126、
127、
128、s5-3、构建信噪比绝对收益项,对未来每一步预测信噪比按折扣因子加权累加:
129、
130、其中,为折扣因子;
131、s5-4、构建信噪比增量收益项,为了鼓励无人机沿着接近目标的方向持续提高信号质量,定义信噪比增量项:
132、
133、其中,可由当前隐状态估计得到;
134、s5-5、构建动作与目标方向对齐项,将候选动作归一化为单位方向向量:
135、
136、其中,为防止分母为零的极小值;则动作与预测目标方向的一致性可通过内积表示为:
137、
138、当二者方向一致时,该项取得较大值;
139、s5-6、构建动作平滑惩罚项,为了避免控制序列出现剧烈抖动,定义相邻动作差分惩罚:
140、
141、s5-7、构建综合评价函数,将上述各项组合,得到候选动作序列的总评分函数:
142、
143、其中,为各评价项权重系数;
144、s5-8、采用交叉熵法优化动作分布,初始化动作序列采样分布的均值与方差后,进行多轮迭代采样;
145、每轮迭代包括:
146、(1)从当前高斯分布中采样n组候选动作序列;
147、(2)计算每组动作序列的评分;
148、(3)选取评分最高的前e组精英样本;
149、(4)根据精英样本更新均值与方差;
150、设第k轮迭代精英样本集合为,则均值和方差更新为:
151、
152、
153、经过多轮迭代后,获得最优动作序列分布;
154、s5-9、输出当前控制动作,取优化后动作序列均值在第一时刻对应的动作作为无人机当前执行动作:
155、
156、其中,表示优化后均值动作序列的第一项。
157、所述s6中,系统执行最优动作并进行闭环更新,直至完成信号源接近任务,本步骤用于将规划得到的控制动作应用到无人机平台,并通过环境反馈形成闭环自主寻源控制。
158、s6具体包括以下内容:
159、s6-1、输入最优动作,将步骤s5中由动作序列评价函数评估得到的最优动作输入到无人机运动控制模块,得到真实速度:
160、
161、并根据时间步长更新无人机位置:
162、
163、s6-2、采集下一时刻多模态观测,在执行动作后,重新获取下一时刻观测:
164、
165、并重复步骤s1中的观测构建过程;
166、s6-3、更新隐状态序列,将下一时刻观测编码为:
167、
168、并更新历史隐状态窗口:
169、
170、s6-4、判断任务终止条件,设无人机与目标信号源的距离为:
171、
172、当满足下式时,判定寻源成功:
173、
174、其中,为预设成功距离阈值。若达到最大步数限制或其它预设终止条件,则结束本轮任务;否则返回步骤s2,继续执行下一轮闭环规划与控制;
175、s6-5、形成完整闭环寻源过程,通过“观测—编码—预测—评估—规划—执行—再观测”的循环过程,本发明实现了基于世界模型的无人机多模态闭环信号寻源。由于每一轮控制均基于历史隐状态和未来滚动推演结果进行决策,因此相比仅依据当前瞬时观测的控制方法,能够更好地适应测向噪声、多径扰动和传感器短时失效等复杂情况。
176、一种基于世界模型的无人机多模态信号寻源系统,包括多模态观测构建模块、多模态编码模块、世界模型预测模块、辅助评估模块、动作规划模块以及闭环控制执行模块;
177、多模态观测构建模块:位于系统前端,用于采集无人机当前速度信息、粗略方位观测信息以及射频iq采样信号,并进一步生成归一化频谱图;该模块负责将原始飞行状态信息与射频观测信息统一整理为可供神经网络处理的输入格式。
178、多模态编码模块:用于对姿态向量与频谱图进行特征提取和融合映射,输出统一隐空间中的隐状态表示;其功能在于将不同模态下的异构观测压缩为统一低维状态变量,为后续动态预测提供状态表达基础。
179、世界模型预测模块:用于接收历史隐状态序列和候选动作,输出下一时刻或未来多时刻隐状态预测结果。该模块是整个系统实现前瞻性规划的关键部分,用于学习寻源过程中的潜在动态规律;
180、辅助评估模块:包括信噪比估计头与方向估计头,用于从隐状态中恢复可解释的任务语义指标;其功能在于为规划器提供动作评价所需的物理意义量化依据。
181、动作规划模块:基于交叉熵法对多组候选动作序列进行采样、评分、筛选与迭代优化,输出当前最优控制动作;该模块负责在世界模型内部完成未来动作效果的模拟与决策。
182、闭环控制执行模块:用于将规划器输出的当前最优动作发送至无人机平台,并在执行后重新采集观测、更新状态和触发下一轮规划;该模块保证系统能够根据实时反馈实现在线自主寻源。
183、本发明的有益效果:
184、(1)实现多模态融合寻源,本发明并非单纯依赖某一种传感方式,而是通过分支式多模态编码器,分别对低精度方位观测(编码为正弦余弦形式的姿态向量)和高维射频频谱图(经卷积网络提取的时频特征)进行独立特征提取,再经融合映射网络投影至统一隐空间,得到联合隐状态表示。方位观测提供低维方向引导信息,频谱图提供信号能量分布与多普勒结构信息,两者在隐空间中实现互补:当方位观测因噪声或失效而不可靠时,频谱图中的信号能量变化趋势仍可为寻源提供有效约束;反之,当频谱图因信号微弱而特征模糊时,方位观测可提供粗粒度方向补偿,从而充分发挥两类信息的互补优势。
185、(2)具备隐空间时序预测能力,本发明通过世界模型学习无人机动作、环境状态与未来观测之间的动态关系,能够在不直接重建高维观测的情况下完成未来状态推演,提升规划效率。
186、(3)具备抗噪与容错能力,由于低成本测向模块存在较大噪声、跳变和失效,本发明通过两个层面实现抗噪与容错:其一,多模态编码器将连续l个时刻的隐状态构成历史隐状态窗口序列,该窗口天然对单时刻的方位观测跳变或丢失起到时序平均效果,避免单帧噪声直接传导至控制决策;其二,世界模型预测器以历史隐状态序列+动作为输入,以残差形式预测下一时刻隐状态,其预测结果不完全依赖当前时刻的方位观测输入,而是综合历史演化规律进行推断,从而在当前帧方位观测发生随机失效或大幅跳变时,仍能依赖历史序列中积累的方向与强度信息给出合理的状态估计,实现对粗糙方位观测的隐式纠偏,在复杂电磁环境中保持较高鲁棒性。
187、(4)具备前瞻性闭环规划能力,本发明利用交叉熵法(cem)在隐空间中对多步候选动作序列进行迭代优化:在每轮规划中,从以均值和标准差参数化的高斯分布中采样n组长度为h的候选动作序列,通过世界模型对每组序列进行多步隐状态滚动推演,并利用辅助评估头将各步隐状态解码为预测信噪比与目标方位方向,据此计算包含信噪比绝对收益、信噪比增量收益、动作与目标方向对齐度及动作平滑惩罚的综合评价函数得分;随后选取得分最高的若干组精英样本,更新高斯分布的均值与方差,进入下一轮采样;经过若干轮迭代后,采样分布收敛至高评分区域,取最终均值序列的第一步动作作为当前执行指令,在下一时刻重新规划,构成滚动时域优化闭环,相比仅依赖即时观测的贪婪控制方式,能够更稳定地引导无人机向信号源接近。相比于只依赖即时观测的贪婪控制方式,能够更稳定地引导无人机向信号源接近。
188、(5)部署成本较低且适应性强,本发明无需依赖高成本大规模阵列测向设备,仅利用低成本粗测向输入与常规射频接收前端即可实现高成功率寻源,适用于小型无人机平台部署。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com