基于无人机的低复杂度干扰源定位算法研究

发布时间：2024-05-09 06:35

　　随着无线电事业的迅猛发展,无线电干扰现象日趋严重,严重影响了社会各个行业的正常运转。为了减少干扰事故的发生,对无线电干扰源的准确定位成为了解决问题的关键。不同于传统的发射源对移动目标进行定位的技术,展开移动终端对发射源进行定位的研究,并且将具有灵活性的无人机作为监测载体。针对无线电干扰中较为突出的同频干扰问题,提出了一种用于定位无线电干扰源的实时定位算法。该算法基于RSSI测距模型,解决了Taylor级数展开算法对初始位置依赖较高的问题。仿真结果表明,新提出的算法具有低复杂度和高精度的优点,可以准确定位干扰源。

【文章页数】：4 页

【部分图文】：

图1无人机定位干扰源系统模型

x(k）是k时刻无人机的状态，包含两个方向上位置、速度四个变量。F是状态转移矩阵，T是连续采样间隔。整体干扰源定位模型如图1所示，无人机在飞行过程中可以接收到来自干扰源（X1,Y1）的信号，其中（X1,Y1）为预测干扰源位置。假设无人机在飞行路径上的不同位置（xi,yi）可以接收....

图2算法收敛结果比较

针对算法收敛问题，本文比较了少量数据下梯度下降算法和Taylor级数展开算法在相同初始位置、收敛条件和迭代次数情况下的性能。图2选取了前11次迭代后的情况，可以看出在第一次迭代后梯度下降算法就达到了较好的性能，而Taylor级数展开算法则需要四次迭代才能接近梯度下降算法第一次迭代....

图3改进算法流程图

算法流程图如图3所示：3算法仿真分析

图4仿真RSSI数据

图4仿真RSSI数据仿真场景设置为无人机从（0,10）匀速直线飞行开始采集信号，飞到（205,10）时在时刻1即完成第一个目标的定位。随后无人机飞到（410,10）时，在时刻2完成第二个目标的定位；同理，在时刻3完成第三个目标的定位。本文只考虑同一时刻，只有一个干扰源作用的情况....

本文编号：3968453