【《无人机无源定位算法研究的国内外文献综述》4200字】

无人机无源定位算法研究的国内外文献综述多站无源定位研究现状在已被广泛使用的导航卫星中，我国的北斗一代采用的是有源定位。好处是需要的卫星数量少，但定位精度差。而北斗二代则主要采用了无源定位的方式[3]。虽然无源定位需要的观测站数量增加，但其凭借着定位精度高、不易暴露的优势，引起了国内外学者的广泛关注。GPS一直使用无源定位的方式。电子干扰、反辐射导弹等技术的出现，使得有源定位在战场上面临种种威胁，无源定位在现代电子侦察中地位逐渐崛起。随着战场环境越来越复杂，国内外在无源定位系统上的研究和应用[4]不断发展，对无源定位的测量方式及定位精度提出了更高的要求。无源定位根据测量方式的不同，可以分为以下几种。（1）AOA[5]技术。AOA（AngleOfArrival）技术，是利用多个观测站在同一时刻观测到目标在相对自身的方位，利用测向线相交的点即为目标点的原理对目标进行定位。相比于其他方式，AOA最少仅需要两个观测站[6]，但AOA的定位精度较差。（2）TOA[7]技术。TOA（TimeOfArrival）技术是测量信号到达不同观测站的绝对时间。通过绝对到达时间计算目标距离观测站的距离，目标就在观测站为中心，以该距离为半径的圆上，在三维定位中，目标是在球面上。同时有三个观测站对目标进行观测就可以确定目标位置。但TOA技术需要保持观测站与目标辐射源具有严格的时间同步，这在对非合作目标进行定位时是难以实现的。（3）FDOA技术。FDOA（FrequencyDifferenceofArrival）是测量辐射源的到达频率差。辐射源与各个观测站之间会产生不同的相对运动，从而导致具有多普勒频率差。FDOA常用于卫星定位中。每两个观测站测量到一个FDOA信息就会形成一个曲面，利用多个曲面相交于一点的原理实现对辐射源的定位。（4）TDOA[8]技术。TDOA（TimeDifferenceofArrival）技术，是测量辐射源的到达时间差。辐射源距各个观测站距离不同，导致个观测站接收到信号具有时间差，在二维空间中，每个时间差可确定一对双曲线轨迹，在三维中则为双曲面，最少三个双曲面即可确定一个交点，过解算交点来定位辐射源。这种方法具有便于观测，易获得信息，易组网的好处，适用于集群作战。不同无源定位的优缺点如表11所示。表11不同无源定位方法优缺点比较无源定位方法优点缺点AOA原理简单，测量方便设备笨重，要求信道是LOS的TOA设备简单对辐射源和接收站时间同步要求严格FDOA精度高，可对高机动目标进行定位算法复杂、对信噪比要求高TDOA只需单个接收器、易组网存在误差时精度有待提高，对多目标定位研究较少。除了测量单个信息外，还可以利用多种观测信息进行无源定位，例如TOA/AOA、TDOA/AOA、TDOA/TOA等联合定位方式。文献[9]使用TDOA/AOA的测量方式，分析了在不同观测站数量及噪声水平下的位置估计性能，并利用结构化最小二乘法实现对目标的定位。其他方法还有基于接收信号强度[10-12]方法，依赖于无线通信中节点的密集部署来实现高精度。时延估计研究现状基于TDOA的无源定位具有便于观测，易获得信息，易组网的好处，因此适用于无人机集群作战场景。利用TDOA对目标进行定位主要分为3个步骤，如图11所示。图11TDOA单目标定位过程辐射源信号到达不同接收站的时延估计是进行TDOA定位的前提，估计的效果及准确度直接影响了定位的精度。时差的测量主要有两种方法，直接法和间接法。直接法，是各站测量辐射源信号到达本站的时间，在两站计算时间差，这种方法需要不同站之间具有统一的时间基准，不易操作。间接测量法被广泛应用。C.H.Knapp和G.C.Carter率先提出了利用广义互相关法（GCC）估计TDOA[13,14]，计算两站接收到的信号的互相关函数，互相关函数出现峰值的点即为两信号相似程度最大的时刻，即可以认为是两信号的时延。GCC方法无法对信号进行选择，通常需要搭配滤波算法使用，因此在，C.K.Chen提出了循环互相关（CCC）方法[15,16]。文献[17]提出一种基于互相关图的时延估计方法，利用模板匹配进行时延估计，对于短信号的时延估计具有明显的提升。表12总结了直接法和间接法的优缺点。表12直接法和间接法测量时差的优缺点时延测量方法优点缺点直接测量法测量简单局限性大，适合高频脉冲信号的定位间接测量法精度高、适用范围广需要各接收站间进行无失真传输战场环境往往是复杂多变的，时差的测量不仅会受到噪声的影响，采样率的影响，可能还会受到多径的影响。在多径环境下，需要考虑更复杂的时延估计算法。文献[18]提出了一种多维匹配滤波算法，能够给出TDOA估计的近似最优解，但这种方法容易出现不是全局最优的局部最优解，并且受限于辐射源信号的主瓣宽度。文献[19]将稀疏重构方法用于匹配滤波算法中，该方法首先建立信道脉冲响应的稀疏表示模型，在获得初始的支持集的情况下，循环删除支持集中的元素，根据残差的最大值匹配并添加新的元素，该算法提高了估计精度。文献[20]提出重要性采样方法，避免了复杂的网格搜索以及依赖于初始值的问题。文献[21]针对无人机中常用的正交频分复用技术，提出了一种基于傅里叶变换和二次内插的快速、精细的TDOA估计算法，该算法首先获得两个接收信号的互功率谱，并通过互功率谱的傅里叶逆变换得到互相关函数，再使用二次差值来提高TDOA的精度。随着国内外对多径问题的关注，TDOA的时延估计问题朝着高分辨率的方向发展。文献[22]将时延估计问题转化成了具有低通包络的正弦信号的参数估计问题，然后应用MUSIC[23]算法来实现时延估计。但是当传输信号为窄带信号时，该算法的估计性能严重下降，若传输信号为连续波，则该算法根本不起作用。针对这一问题，文献[24]对该算法进行了改进，首先对信号利用对角最小二乘估计进行预处理，在利用MUSIC算法进行估计，使得算法在原有基础上变得更加稳健。这种方法具有分辨率高的优点，但计算量大，并且对噪声敏感。EM算法[25]是一种期望最大化算法，具有收敛速度快，估计准确的优点，被广泛应用于多径环境中的时延估计问题，EM算法将复杂的多维问题降维，降低了时延的估计难度。利用类似思想的还有WRELAX算法[26]，以实现最大似然准则为目的对信号估计时延。文献[27]基于分数低阶统计理论，针对具有α稳定分布特性的噪声条件下对EM算法进行改进，使EM算法应用于更加广泛的环境中。文献[28]将相关熵理论引入EM算法中，估计脉冲条件下的时延，提高了时延估计的准确度。TDOA无源定位解算研究现状在无源时差定位系统中，定位解算是十分关键的一步，关系着最终的定位精度。现有的时差定位方法可分为三类。第一类是迭代算法，Foy[29]首先提出了泰勒级数法，开始了TDOA定位解算的研究。泰勒算法的主要思想是首先估计一个目标的位置，在该估计值处进行泰勒展开，并保留一阶项，再利用观测到的时差信息对目标位置进行迭代，直到两次结果的差值小于预先设置的门限，即停止迭代。文献[30]通过引入辅助变量的方法进行求解。文献[31]将泰勒展开法引入到多站观测的场景中。迭代法具有定位精度高、误差小的优点，但迭代法需要预先设定一个初始值，最后得到的结果也与初始值有很大的关系。第二类方法是解析法，最早提出的解析算法有球面相交法[32]、球面插值法[33]以及平面相交法[34]等，这类法无须预设初始值，适用于没有目标先验信息的条件下，但精度较差。Chan等人[35]提出一种利用两步加权最小二乘的方法，第一步用于估计，第二步用于修正，这种算法称为Chan算法，为解决TDOA的定位问题提供了新的研究思路。文献[36]在Chan算法的基础上，开发了一种低复杂度的非线性期望最大化算法，避免了复杂的矩阵求逆过程。第三种方法是基于最大似然方法构建目标函数，再采用迭代算法来最小化该目标函数。粒子群算法[37,38]是一种智能搜索算法，用于搜索该目标函数的最优解，并得到了较好的效果，提高了定位的精度。类似地，蚁群算法[39]、遗传算法[40]、混沌粒子群算法逐渐的被用来解决该问题。文献[41]提出应用无人机的旋转特性和空间滤波技术更好的利用DOA估计时延，但时延估计的精度仍受无人机载荷能力的限制。以上算法均是在站址坐标完全准确的情况下对定位算法进行研究，然而，在利用无人机集群对目标进行定位时，无人机的位置坐标一般是由GPS测量得到，是有一定误差的。所以，在计算目标位置时，还要考虑站址误差的影响。K.C.HO研究了TDOA[42]以及TDOA/FDOA[43]测量中站址误差对定位性能的影响，并提出了一种考虑站址误差的两步加权最小二乘法，得到了较好的性能。文献[44]通过使用TDOA及FDOA联合定位的方式，并引入额外的多普勒频移，对具有传感器站址误差时，对移动源进行定位，在小噪声时可以实现CRLB。2014年，K.C.HO提出了一种利用校准发射器的方法校准传感器的位置[45]，可用于多种定位方式中，并得到了较好的性能。文献[46]考虑了复杂环境下基于无人机集群的辐射源无源定位问题，文章考虑在具有多径衰落和非视距传输的影响下，每架无人机均配备一个传感器，所有无人机的操作中心固定在地面上，在无人机具有最优布站和无站址误差情况下，结合了TDOA及FDOA测量方式，采用半定规划算法估计辐射源的位置和速度。随着现代战场中电子战的发展，往往目标区域不仅有一个目标存在。多目标定位问题逐渐引起国内外学者的关注。对于相似信号源的TDOA估计问题，文献[47]提出一种基于盲分离的技术来解决信号分离的问题，利用粒子滤波算法实现混合信号的分离问题。文献[48]针对虚假测量值的问题，提出一种统计的方法，去除TDOA测量中的异常值。在TDOA定位中，每两个观测站关于一个目标都会产生一个双曲面，多目标定位时会产生大量的虚假交叉点，导致定位失败。多目标的无源定位的解算思路主要可以分为两类，一类是利用一定的先验信息，建立目标位置的函数，通过搜索函数的谱峰来实现对多目标的定位。文献[49]将位置信息场理论引入到时差测量的多目标位置求解问题中，该方法需要一定的先验信息，并且定位精度与搜索网格的大小有关。另一类是通过数据关联的方法，排除虚假点的干扰，再对目标位置进行求解。经典的数据关联方法有四时差数据关联算法[50]，但该方法受限于观测站数量及位置。另一种方法是根据来自不同辐射源信号之间的差别，包括频率、相位、调制方式等对目标进行分类[51,52]，但该种方法对高重频信号无法分辨。2018年，Sundar等[53]开发了基于反向延迟间隔区域的方法，对基于时差测量的声源定位中数据关联问题提出新的方法。在观测数据已正确关联的假设下，文献[54,55]分别对基TDOA和基TDOA/FDOA联合的多目标定位问题，开发了一种闭