无人机蜂群的自定位方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112737644A(43)申请公布日2021.04.30(21)申请号202011568027.2(22)申请日2020.12.25(71)申请人中国信息通信研究院地址100191北京市海淀区花园北路52号(72)发明人范典朱玥(74)专利代理机构北京三友知识产权代理有限公司11127代理人薛平周晓飞(51)Int.Cl.H04B7/0404(2017.01)H04B7/0413(2017.01)H04B7/08(2006.01)H04B17/391(2015.01)权利要求书4页说明书14页附图7页(54)发明名称无人机蜂群的自定位方法及装置(57)摘要本发明公开了一种无人机蜂群的自定位方法及装置，该方法包括：根据无人机蜂群的分布式天线阵列MIMO系统模型，建立无人机蜂群的方向矢量，建立无人机蜂群的接收信号模型，设置每个无人机的参考天线，将无人机蜂群的方向矢量分解为每个无人机的多根天线的方向矢量，以及多个无人机的参考天线的方向矢量；对无人机蜂群的接收信号模型的协方差矩阵进行特征值分解，确定用户发送信号的到达角信息；根据用户发送信号的到达角信息，求解多个无人机的参考天线的方向矢量，建立无人机蜂群位置参数的优化模型；基于LS算法，求解无人机蜂群位置参数的优化模型，确定多个无人机的位置参数，本发明能够提高无人机蜂群的定位精度。CN112737644ACN112737644A权利要求书1/4页1.一种无人机蜂群的自定位方法，其特征在于，包括：根据无人机蜂群的分布式天线阵列MIMO系统模型，建立无人机蜂群的方向矢量，其中，所述分布式天线阵列MIMO系统模型包括多个无人机，每个无人机包括多根天线；建立无人机蜂群的接收信号模型，其中，所述无人机蜂群的接收信号模型中包含无人机蜂群的方向矢量；设置每个无人机的参考天线，将无人机蜂群的方向矢量分解为每个无人机的多根天线的方向矢量，以及多个无人机的参考天线的方向矢量；对无人机蜂群的接收信号模型的协方差矩阵进行特征值分解，确定用户发送信号的到达角信息；根据用户发送信号的到达角信息，求解多个无人机的参考天线的方向矢量；根据求解后的多个无人机的参考天线的方向矢量，建立无人机蜂群位置参数的优化模型；基于LS算法，求解无人机蜂群位置参数的优化模型，确定多个无人机的位置参数。2.如权利要求1所述的方法，其特征在于，根据无人机蜂群的分布式天线阵列MIMO系统模型，建立无人机蜂群的方向矢量，包括：按照如下方式建立无人机蜂群的方向矢量：式中，a(θl)是无人机蜂群的方向矢量，λ是传输信号的波长，θl∈(‑90°,90°)是第l个用户发送信号的到达角；xkm、ykm为第k个无人机的第m根天线的坐标，k＝1,...,K，K是无人机的总数，m＝,...,Mk，Mk是第k个无人机的天线数。3.如权利要求2所述的方法，其特征在于，建立无人机蜂群的接收信号模型，包括：基于无人机蜂群的方向矢量，建立多个用户和无人机蜂群之间的上行链路信道；根据多个用户和无人机蜂群之间的上行链路信道、用户的信号向量，以及噪声向量，建立无人机蜂群的接收信号模型。4.如权利要求3所述的方法，其特征在于，根据多个用户和无人机蜂群之间的上行链路信道、用户的信号向量，以及噪声向量，建立无人机蜂群的接收信号模型，包括：按照如下方式建立无人机蜂群的接收信号模型：x(t)＝Hs(t)+w(t)＝A(θ)Ωs(t)+w(t),t＝1,2,…,N；其中，H＝[h1,h2,…,hL]＝[a1a(θ1),a2a(θ2),…,aLa(θL)]；A(θ)＝[a(θ1),a(θ2),…,a(θL)]；Ω＝diag{a1,a2,…,aL}；式中，x(t)是无人机蜂群的接收信号，H是多个用户和无人机蜂群之间的上行链路信道，是第l个用户和无人机蜂群之间的信道增益，L是用户数量，是无人机蜂群中的天线总数，A(θ)是M×L维的方向矩阵，s(t)是来自L个目标用户L×1维的信号向量，w(t)是M×1维的噪声向量。5.如权利要求2所述的方法，其特征在于，设置每个无人机的参考天线，将无人机蜂群2CN112737644A权利要求书2/4页的方向矢量分解为每个无人机的多根天线的方向矢量，以及多个无人机的参考天线的方向矢量，包括：按照如下方式将无人机蜂群的方向矢量分解：a(θl)＝V(θl)g(θl)；其中式中，V(θl)是各个无人机的多根天线的方向矢量，vk(θl)是第k个无人机的Mk根天线的方向矢量；g(θ1)是多个无人机的参考天线(第一根天线)的方向矢量。6.如权利要求5所述的方法，其特征在于，对无人机蜂群的接收信号模型的协方差矩阵进行特征值分解，确定用户发送信号的到达角信息，包括：对无人机蜂群的接收信号模型的协方