樊寬剛, 張小根, 劉漢森

(1.江西理工大學(xué) 電氣工程與自動(dòng)化學(xué)院,江西 贛州 341000； 2.江西理工大學(xué) 機(jī)電工程學(xué)院,江西 贛州 341000；3.江西理工大學(xué) 永磁磁浮技術(shù)與軌道交通研究院,江西 贛州 341000)

0 引 言

目標(biāo)定位算法一般可分為三種類型：一類為到達(dá)時(shí)間(time of arrival,TOA)[2,3],組合多個(gè)(至少3個(gè))天線從而推斷出無(wú)人機(jī)(unmanned aerial vehicle,UAV)的空間位置；二類為到達(dá)時(shí)間差(time difference of arrival,TDOA)[4,5],利用接收信號(hào)的絕對(duì)時(shí)間差與接收天線比較,從而推斷出無(wú)人機(jī)的位置；三類接收信號(hào)強(qiáng)度(received signal strength,RSS),基于每個(gè)節(jié)點(diǎn)接收的信號(hào)強(qiáng)度估計(jì)目標(biāo)無(wú)人機(jī)的位置。與TDOA和TOA方法相比,RSS方法所要求的時(shí)間精度較低,可以利用現(xiàn)有的無(wú)線基礎(chǔ)設(shè)施即可實(shí)現(xiàn)定位。

YOLOv3模型通過(guò)攝像頭檢測(cè)是否存在無(wú)人機(jī)及利用多個(gè)攝像頭提供的位置信息對(duì)無(wú)人機(jī)進(jìn)行定位。由于無(wú)人機(jī)體積較小,在視頻中觀察到的目標(biāo)散射截面積和運(yùn)動(dòng)姿態(tài)與鳥類極為相似,這將導(dǎo)致定位的準(zhǔn)確度不高。文獻(xiàn)利用正則化成對(duì)約束組件分析對(duì)無(wú)人機(jī)跟蹤定位,通過(guò)WiFi保證數(shù)據(jù)的實(shí)時(shí)傳輸。文獻(xiàn)研究多旋翼無(wú)人機(jī)微多普勒效應(yīng)從而實(shí)現(xiàn)無(wú)人機(jī)定位,但微多普勒效應(yīng)屬于精細(xì)信號(hào),很容易被其他信號(hào)淹沒。文獻(xiàn)[10]提出了一種結(jié)合二維光流信息與六自由度信息進(jìn)行運(yùn)動(dòng)估計(jì)的定位方法,但是方法僅限于室內(nèi)情況且定位精度受采樣速率影響。

針對(duì)現(xiàn)有的忽略無(wú)線電地圖的分段傳播結(jié)構(gòu)問(wèn)題,本文提出了一種通過(guò)分段重建精細(xì)結(jié)構(gòu)的無(wú)線電地圖方法。方法基于路徑損耗和陰影衰落模型,通過(guò)測(cè)量多個(gè)天線的信號(hào)強(qiáng)度來(lái)定位無(wú)人機(jī),采用最大似然法解決多個(gè)參數(shù)估計(jì)問(wèn)題,最后通過(guò)迭代聚類重建無(wú)線電地圖。

1 路徑損耗與陰影衰落模型

無(wú)線電信號(hào)在自由和均勻空間傳播條件下，路徑損耗與距離呈對(duì)數(shù)衰減關(guān)系,通過(guò)疊加路徑損耗模型和陰影衰落模型,可以同時(shí)反映隨著距離增加而減少功率和由陰影引起路徑損耗的隨機(jī)衰減(dB)如式(1)

其中

K=20lg(λ/4πd0)

2 重構(gòu)無(wú)線電地圖

2.1 實(shí)驗(yàn)場(chǎng)景

英國(guó)布里斯托爾市中心空對(duì)地通道的測(cè)量結(jié)果表明[11]：傳播條件分為L(zhǎng)OS、阻礙LOS和NLOS,陰影標(biāo)準(zhǔn)偏差σ分別約為1,3,5 dB。基于該結(jié)果可知,如果能夠識(shí)別更多的傳播段,則式(1)中的ψ的方差將減小,因此I分段的信道模型可以高精度地預(yù)測(cè)信道。

實(shí)際應(yīng)用場(chǎng)景：將一部或多部信號(hào)接收傳感器置于樓頂?shù)葻o(wú)信號(hào)接收遮擋覆蓋的空曠區(qū)域。當(dāng)有無(wú)人機(jī)進(jìn)入監(jiān)控范圍內(nèi),傳感器會(huì)自動(dòng)識(shí)別已接收無(wú)人機(jī)的無(wú)線信號(hào),進(jìn)行預(yù)處理后傳送到住房中用戶的上位機(jī)中,便于后續(xù)對(duì)系統(tǒng)的操控以及對(duì)接收到的數(shù)據(jù)進(jìn)行處理;當(dāng)無(wú)人機(jī)在城市中盤旋時(shí),安放于不同樓房的信號(hào)接收傳感器均能夠?qū)o(wú)人機(jī)的無(wú)線信號(hào)進(jìn)行接收。如圖1所示,將多旋翼無(wú)人機(jī)盤旋在空中的位置表示為XU,且無(wú)人機(jī)在距地面約35 m的高度運(yùn)動(dòng),天線XS安裝在屋頂上。

圖1 實(shí)驗(yàn)場(chǎng)景實(shí)景拍攝

本文中設(shè)置了6個(gè)點(diǎn)來(lái)測(cè)量RSS,并且從每個(gè)點(diǎn)的8個(gè)方向進(jìn)行測(cè)量。各個(gè)點(diǎn)的測(cè)量距離范圍如表1所示。

表1 每個(gè)點(diǎn)的測(cè)量距離范圍

2.2 重構(gòu)無(wú)線電地圖

假設(shè)(x(l),y(l))屬于第i個(gè)傳播段,則分段模型可寫成

y=10lgKi-10γilgd-ψi

(2)

(x,y,z)的聯(lián)合概率密度可以寫為

f(x,y,z)=P{X=x,Y=y|Zi=1}P{Zi=1}

(3)

其中

再將式(3)代入式(4),得

因此,式(5)中的MLE問(wèn)題的解如式(6)～式(8)所示

其中

3 實(shí)驗(yàn)分析

為了驗(yàn)證分段DC方法的優(yōu)勢(shì),本文通過(guò)由式(9)定義的RMSE來(lái)評(píng)估性能

實(shí)驗(yàn)過(guò)程中一共采集了約25 000個(gè)樣本,以2 500個(gè)數(shù)據(jù)為一個(gè)數(shù)據(jù)段,通過(guò)式(9)計(jì)算得到的準(zhǔn)確度和RMSE如圖2所示。經(jīng)過(guò)實(shí)驗(yàn)比對(duì)發(fā)現(xiàn),隨機(jī)選取10 000個(gè)數(shù)據(jù)樣本所得到的實(shí)驗(yàn)結(jié)果與全部實(shí)驗(yàn)數(shù)據(jù)所得出的結(jié)果類似,因此重建無(wú)線電地圖只選用10 000個(gè)數(shù)據(jù)。

圖2 DC方法重建的PCI和RSRP

分段DC,KNN和SVR的重建PCI結(jié)果如圖3所示。其中DC重建結(jié)果略好于KNN和SVR。觀察KNN和SVR重建的結(jié)果,可以知道某些值是錯(cuò)誤的,但是分段DC則巧妙地避開了這些錯(cuò)誤的值。

圖3 三種方法重建PCI

圖4顯示了分段DC,KNN和SVR的重建RSRP結(jié)果。觀察RSRP的重建結(jié)果可以明顯地看出分段DC方法較好地達(dá)到了預(yù)期效果,且明顯優(yōu)于KNN和SVR。

圖4 三種方法重建RSRP

根據(jù)式(9)計(jì)算10 000個(gè)數(shù)據(jù)樣本得到準(zhǔn)確度和RMSE值分布在表2。

表2 PCI和RSRP評(píng)估指標(biāo)

圖5顯示了分段的信道模型(1)的RMSE與訓(xùn)練樣本數(shù)N的關(guān)系。觀察到隨著訓(xùn)練樣本大小N的增加而RMSE減小,分段DC使用相同的訓(xùn)練樣本獲得了比KNN和SVR方法更低的RMSE。

圖5 重建誤差與訓(xùn)練樣本數(shù)N的關(guān)系

4 結(jié) 論

本文針對(duì)現(xiàn)有的忽略無(wú)線電地圖的分段傳播結(jié)構(gòu)方法,提出了一種通過(guò)分段重建精細(xì)結(jié)構(gòu)的無(wú)線電地圖方法,構(gòu)建了分段和接收信號(hào)強(qiáng)度模型,采用最大似然法解決多個(gè)參數(shù)估計(jì)問(wèn)題,并通過(guò)迭代聚類重建無(wú)線電地圖。PCI和RSRP的重建結(jié)果較好地達(dá)到了預(yù)期效果。實(shí)驗(yàn)結(jié)果表明:本文所提出來(lái)的方法與KNN和SVR相比,在10 000個(gè)訓(xùn)練樣本中RMSE重建誤差更小且準(zhǔn)確度更高。

1)SVR方法PCI和RSRP的RMSE值分別為0.601 1和2.858 1,通過(guò)分段DC方法,PCIRMSE降低了54 %為0.276 0,RSRP的RMSE降低了35 %為1.863 4。

2)KNN方法PCI和RSRP的RMSE值分別為0.330 1和2.132 5,通過(guò)分段DC方法,PCI的RMSE降低了16 %為0.276 0,RSRP的RMSE降低了13 %為1.863 4。