一种频谱重叠干扰环境下的无人机信号三维定位方法与流程

本发明属于被动射频定位，尤其涉及一种频谱重叠干扰环境下的无人机信号三维定位方法。

背景技术：

1、目前，非合作无人机的低空飞行对重点区域防护、频谱监管和低空空域管理提出了监测需求。被动射频定位技术利用多个接收机接收无人机辐射信号，并据此估计目标位置，该技术不依赖于目标的主动应答或合作反馈，尤其适用于低空非合作目标的常态化监测场景。

2、然而，现有的被动射频定位通常遵循“参数估计-位置解算”的两步处理范式，首先从多接收机采集的信号中提取到达时间差（time difference of arrival，tdoa）、到达角、频率差、接收信号强度（received signal strength，rss）或信道状态信息（channel stateinformation，csi）等中间量，再利用几何解算、加权最小二乘、chan算法（陈氏算法）或候选位置搜索解算目标三维坐标。在接收信号信噪比较高、传播环境接近自由空间的理想条件下，此类方法具有物理意义明确、算法结构清晰。

3、但是，在实际无线电环境中，无人机信号可能与wifi、蓝牙、蜂窝或其他ofdm（orthogonal frequency division multiplexing，正交频分复用）类信号产生同频干扰、邻频干扰或频谱部分重叠。突发式重叠干扰会削弱真实相关峰并增强伪峰，导致前端中间量估计产生严重偏差。若后续定位仅依赖tdoa、rss或csi等有限个中间参量，则原始i/q信号中的相位连续性、多接收机间的幅度差异以及信号时频分布结构已在中间参量提取过程中被舍弃，后端解算模块因缺乏足够的约束条件，难以有效恢复目标三维坐标。

4、现有学习型定位方法虽能一定程度上拟合非线性映射，但其定位性能仍受限于输入特征的选择质量。若其输入仍为tdoa、rss或csi等人工提取的中间参量，则前端在频谱重叠干扰下引入的估计偏差仍会传播至后端，难以从根本上提升定位精度。若仅采用单一路径的幅度谱或时域波形，又难以同时有效利用原始相位信息和频谱重叠干扰下的时频结构特征。

5、例如，对比文件1（cn116299170a）公开了一种基于深度学习的多目标无源定位方法、系统、介质，其旨在解决发射机与接收机数目可变场景下的端到端定位问题，采用零填充法适配可变数目的接收机与发射机，并通过置换不变训练法解决多发射机估计结果与标签的对应问题。然而，该方案仅利用时频图的幅度信息，复数谱的相位信息在取模时被丢弃，原始i/q时域波形亦在二维图片化过程中被舍弃；且仅设置时频单分支，拼接对象为接收机辅助信息而非时域特征，未涉及频谱重叠干扰下相位、时延及时频结构信息的保留与双分支融合。因此，在频谱重叠干扰导致相关峰削弱、伪峰增强的条件下，该方案因缺乏原始时域波形中相位连续性和多接收机间时延差异的约束，难以抑制中间测量误差向后端坐标回归的传播；同时，因其未保留复数谱的相位线索且未构建时域与时频互补的双分支结构，在低信干噪比条件下定位精度和鲁棒性仍有待提升。

6、因此，需要提供一种能够利用同步多接收机i/q观测数据，同时融合原始时域波形与复数时频特征的无人机信号三维定位方法。

技术实现思路

1、本发明的目的在于提供一种频谱重叠干扰环境下的无人机信号三维定位方法，以解决频谱重叠干扰导致传统中间参量估计失真进而放大定位误差的问题。

2、为实现上述目的，本发明所采用的技术方案如下：

3、一方面，本发明提供一种频谱重叠干扰环境下的无人机信号三维定位方法，包括以下步骤：

4、步骤s1：设置多个位置已知且时间同步的接收机，获取各接收机在同一观测窗口内采集的无人机复基带i/q信号；

5、步骤s2：将同一接收机的i分量和q分量排列为相邻i/q通道，并按接收机编号顺序堆叠，构造多接收机i/q通道张量；

6、步骤s3：对所述多接收机i/q通道张量进行样本尺度归一化，将归一化后的通道张量沿时间维度输入原始i/q时域分支，由所述原始i/q时域分支的一维卷积层、残差编码层和池化层依次处理，输出时域嵌入特征向量；

7、步骤s4：从所述相邻i/q通道中重构各接收机的复基带i/q序列，对其进行复数短时傅里叶变换，得到复数时频谱并执行归一化处理；建立复数stft时频编码分支，将归一化后的复数时频谱的实部和虚部分离为两个独立通道，依次经二维卷积层、残差编码层和池化层处理，输出时频嵌入特征向量；

8、步骤s5：将所述时域嵌入特征向量和所述时频嵌入特征向量拼接，得到融合特征，再经融合映射和坐标回归头输出归一化三维坐标；

9、步骤s6：根据训练阶段确定的训练集坐标中心和坐标尺度，对所述归一化三维坐标进行反归一化，得到无人机的三维位置估计。

10、进一步地，步骤s1中，所述接收机通过公共参考时钟、脉冲同步信号或卫星授时中的一种或多种方式保持时间同步，并将各接收机的采样窗口统一到同一时间基准。

11、进一步地，步骤s2中，所述多接收机i/q通道张量为单个观测窗口对应的二维张量，所述二维张量的通道数为接收机数量的两倍，时间维为所述观测窗口内的采样点数；同一接收机的i通道和q通道相邻排列，不同接收机按照固定编号顺序依次堆叠。

12、进一步地，步骤s3中，所述原始i/q时域分支包括依次连接的一维卷积层、残差编码层和池化层，所述一维卷积层沿时间维度进行卷积操作，所述池化层沿时间维度进行下采样。

13、进一步地，步骤s4中，所述复数stft时频编码分支包括依次连接的二维卷积层、二维残差编码层和池化层，且至少一个所述残差编码层采用膨胀卷积以扩大时间维和频率维的感受野。

14、进一步地，步骤s5中，所述融合映射包括线性映射、归一化层、非线性激活层和dropout层中的至少一种处理，所述坐标回归头由多层全连接神经网络构成。

15、进一步地，步骤s6中，所述训练阶段具体包括：以多接收机i/q通道张量和对应三维坐标标签构成样本对，先依据训练集坐标中心和坐标尺度将三维坐标标签归一化，再以归一化后的坐标均方误差作为损失函数，训练所述原始i/q时域分支、所述复数时频编码分支、所述融合映射和坐标回归头。

16、另一方面，本发明提供一种实现上述频谱重叠干扰环境下的无人机信号三维定位方法的装置，包括：

17、i/q数据获取模块，用于获取多个同步接收机的复基带i/q离散接收信号；

18、通道构造模块，用于按接收机编号将同一接收机的i分量和q分量排列为相邻通道，并按接收机编号顺序堆叠，构造多接收机i/q通道张量；

19、原始i/q时域模块，用于对所述多接收机i/q通道张量进行样本尺度归一化，沿时间维度输入一维卷积层、残差编码层和池化层处理，并提取时域嵌入特征向量；

20、复数stft时频编码模块，用于从相邻i/q通道重构复基带i/q序列，执行复数短时傅里叶变换，将复数时频谱的实部和虚部分离为两个独立通道，输入二维卷积层、残差编码层和池化层处理，提取时频嵌入特征向量；

21、融合回归模块，用于将所述时域嵌入特征向量和所述时频嵌入特征向量拼接，经坐标回归头输出归一化三维坐标，并根据训练集坐标中心和坐标尺度进行反归一化，得到无人机的三维位置估计；减少传统方法对单个相关峰、tdoa、rss或csi等中间量的依赖。

22、另一方面，本发明还提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述频谱重叠干扰环境下的无人机信号三维定位方法。

23、另一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述频谱重叠干扰环境下的无人机信号三维定位方法。

24、与现有技术相比，本发明至少具有如下有益效果：

25、第一，保留多接收机同步i/q原始观测，降低传统方法对单个相关峰、tdoa、rss或csi等中间量的依赖；

26、第二，复数stft时频分支采用实部和虚部通道而非仅采用幅度谱，能够保留与相位和接收机间时延关系相关的时频定位线索；

27、第三，原始i/q分支和复数stft时频分支形成互补，使模型能够同时利用样本域和时频域信息；

28、第四，训练完成后可通过一次前向推理得到三维坐标，便于在gpu、边缘计算设备或现场监测系统部署；

29、第五，仿真实施例结果表明，在频谱重叠通信类干扰环境下，本发明在低信干噪比条件下仍能将三维定位误差控制在米级，并且相比仅使用幅度谱或单一分支的对比模型，具有稳定且显著的性能提升。