本發(fā)明屬于遮蔽目標(biāo)探測(cè)，尤其涉及一種基于遺傳算法的非視距無(wú)人機(jī)定位方法。

背景技術(shù)：

1、近年來(lái)，無(wú)人機(jī)技術(shù)憑借其獨(dú)特優(yōu)勢(shì)，已廣泛應(yīng)用于快遞物流、災(zāi)害救援、智慧城市等多個(gè)領(lǐng)域。然而，在復(fù)雜的城市環(huán)境中，無(wú)人機(jī)數(shù)量的增加不可避免地帶來(lái)了潛在的空域沖突和安全風(fēng)險(xiǎn)問(wèn)題，因此，準(zhǔn)確獲取無(wú)人機(jī)位置是提升無(wú)人機(jī)系統(tǒng)安全性、促進(jìn)無(wú)人機(jī)間高效協(xié)作、優(yōu)化飛行路徑規(guī)劃的關(guān)鍵所在。

2、雷達(dá)技術(shù)是目標(biāo)定位的關(guān)鍵手段，已有大量關(guān)于視距(los,line-of-sight)條件下的定位研究。然而，在復(fù)雜城市環(huán)境中，由于建筑物的遮擋，電磁波無(wú)法直接到達(dá)目標(biāo)位置，而需通過(guò)建筑物表面的衍射與反射等多路徑傳播到達(dá)目標(biāo)。當(dāng)前針對(duì)非視距(nlos,non-line-of-sight)場(chǎng)景的無(wú)人機(jī)定位研究較為有限?，F(xiàn)有方法主要依賴已知建筑布局信息進(jìn)行無(wú)人機(jī)信號(hào)提取與定位算法的研究，但針對(duì)實(shí)際應(yīng)用中的未知場(chǎng)景，尤其是非合作環(huán)境的適用性較為受限。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述問(wèn)題，本發(fā)明提供一種基于遺傳算法的非視距無(wú)人機(jī)定位方法，能夠在建筑街道布局未知的條件下，準(zhǔn)確獲取非視距拐角后的無(wú)人機(jī)目標(biāo)位置。

2、一種基于遺傳算法的非視距無(wú)人機(jī)定位方法，待測(cè)目標(biāo)位于由于l型街道的拐角遮擋形成的非視距盲區(qū)；所述定位方法包括以下步驟：

3、s1：通過(guò)包含無(wú)人機(jī)多徑鬼影信息的bp圖像獲取待測(cè)目標(biāo)的一組多徑鬼影位置；

4、s2：獲取待測(cè)目標(biāo)在被l型街道多次反射的雷達(dá)電磁波的各條反射路徑上形成的鬼影真實(shí)位置與待測(cè)目標(biāo)的真實(shí)位置之間的映射關(guān)系，其中，每一條反射均形成一個(gè)鬼影真實(shí)位置，且將反射強(qiáng)度最大的前p條反射路徑上形成的鬼影真實(shí)位置用于目標(biāo)函數(shù)的構(gòu)建，其中，p為多徑鬼影位置中的徑數(shù)；

5、s3：根據(jù)待測(cè)目標(biāo)的多徑鬼影位置與鬼影真實(shí)位置構(gòu)建目標(biāo)函數(shù)如下：

6、

7、其中，(xe,ye)為待測(cè)目標(biāo)的位置估計(jì)值，gest為采用所述映射關(guān)系表征的各鬼影真實(shí)位置組成的位置集合，gref為由多徑鬼影位置組成的位置集合，||·||表示二范數(shù)，d1為街道寬度，argmin表示目標(biāo)函數(shù)達(dá)到最小值時(shí)的(xe,ye)、d1的取值；

8、s4：采用遺傳算法對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化，得到待測(cè)目標(biāo)的位置估計(jì)值(xe,ye)和街道寬度d1。

9、進(jìn)一步地，通過(guò)包含無(wú)人機(jī)多徑鬼影信息的bp圖像獲取待測(cè)目標(biāo)的一組多徑鬼影位置的方法為：

10、利用高斯平滑濾波處理bp圖像ibp，得到平滑圖像is；

11、利用ca-cfar閾值檢測(cè)法抑制平滑圖像is中的柵瓣，得到柵瓣抑制圖像ic，其中，柵瓣抑制圖像ic每個(gè)網(wǎng)格點(diǎn)對(duì)應(yīng)的像素值ic(q)的計(jì)算方法為：

12、

13、其中，is(q)為抑制平滑圖像is上第q個(gè)網(wǎng)格點(diǎn)的像素值，α為ca-cfar閾值檢測(cè)法中的設(shè)定檢測(cè)門(mén)限；

14、對(duì)柵瓣抑制圖像ic進(jìn)行二值化處理，得到二值圖像；

15、利用八連通算法獲取二值圖像中的連通域，并將各連通域的質(zhì)心作為多徑鬼影位置，其中，連通域的個(gè)數(shù)最多為3個(gè)。

16、進(jìn)一步地，包含無(wú)人機(jī)多徑鬼影信息的bp圖像的獲取方法為：

17、采用m發(fā)n收的毫米波雷達(dá)系統(tǒng)收集位于非視距盲區(qū)內(nèi)的待測(cè)目標(biāo)的多路徑回波信號(hào)；

18、通過(guò)動(dòng)目標(biāo)檢測(cè)技術(shù)mti抑制多路徑回波信號(hào)的背景靜雜波；

19、對(duì)雜波抑制后的多路徑回波信號(hào)進(jìn)行fft處理，得到m×n個(gè)通道的距離-時(shí)間圖；

20、將毫米波雷達(dá)系統(tǒng)的成像區(qū)域劃分為x×y個(gè)網(wǎng)格，并計(jì)算每個(gè)網(wǎng)格q在各通道上對(duì)應(yīng)的時(shí)延τm,n(q)：

21、

22、其中，τm(q)表示電磁波從第m個(gè)發(fā)射天線tm沿直線傳播到網(wǎng)格q的時(shí)延，τn(q)表示電磁波由網(wǎng)格q沿直線傳播至第n個(gè)接收天線rn的時(shí)延，||qtm||為網(wǎng)格q到第m個(gè)發(fā)射天線tm的距離，||qrn||為網(wǎng)格q到第n個(gè)接收天線rn的距離，c為光速，m＝1,2,..,m，n＝1,2,..,n；

23、為成像區(qū)域的各網(wǎng)格點(diǎn)匹配多通道幅值，得到包含無(wú)人機(jī)多徑鬼影信息的bp圖像，其中，任意一個(gè)網(wǎng)格點(diǎn)在任意一個(gè)通道上對(duì)應(yīng)的幅值的確定方法為：

24、獲取當(dāng)前網(wǎng)格點(diǎn)在當(dāng)前通道上對(duì)應(yīng)的時(shí)延τm,n(q)，在距離-時(shí)間圖上獲取時(shí)延τm,n(q)上第m個(gè)發(fā)射天線tm與第n個(gè)接收天線rn形成的通道的距離作為當(dāng)前網(wǎng)格點(diǎn)在當(dāng)前通道上的幅值。

25、進(jìn)一步地，任意一個(gè)連通域的質(zhì)心的獲取方法為：

26、

27、其中，gp(xp，yp)為第p個(gè)連通域的質(zhì)心坐標(biāo)，(xk,p,yk,p)為第p個(gè)連通域中第k個(gè)網(wǎng)格的坐標(biāo)，np為第p個(gè)連通域中的網(wǎng)格數(shù)量，p＝1,2,…,p。

28、進(jìn)一步地，m＝3，則各鬼影真實(shí)位置與待測(cè)目標(biāo)的真實(shí)位置之間的映射關(guān)系如下：

29、g11(x11,y11)＝(xt-2d2-xu,yu)

30、g22(x22,y22)＝(xu-2d1,yu)

31、g33(x33,y33)＝(2xt-2d2-2d1-xu,yu)

32、其中，g11(x11,y11)為待測(cè)目標(biāo)在雷達(dá)電磁波第一次反射的反射路徑上形成的鬼影真實(shí)位置，g22(x22,y22)為待測(cè)目標(biāo)在雷達(dá)電磁波第二次反射的反射路徑上形成的鬼影真實(shí)位置，g33(x33,y33)為待測(cè)目標(biāo)在雷達(dá)電磁波第三次反射的反射路徑上形成的鬼影真實(shí)位置，(xu,yu)為待測(cè)目標(biāo)的真實(shí)位置，(xt,yt)為雷達(dá)的位置，d1為在非視距盲區(qū)中的l型街道的街道寬度，d2為雷達(dá)到非視距盲區(qū)中的l型街道的墻面的距離。

33、進(jìn)一步地，采用遺傳算法對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化，得到待測(cè)目標(biāo)的位置估計(jì)值(xe,ye)和街道寬度估計(jì)值d1，具體為：

34、s41：將具有不同初始取值的(xe,ye)和d1作為不同的個(gè)體，得到初始種群，其中，個(gè)體數(shù)量為g；

35、s42：判斷各個(gè)體是否滿足兩個(gè)設(shè)定條件xc<xe<xc+d1和其中，d1為在非視距盲區(qū)中的l型街道的街道寬度，xc為l型街道的拐角橫坐標(biāo)，為采用所述映射關(guān)系表征的各鬼影真實(shí)位置的縱坐標(biāo)的平均值；將不滿足兩個(gè)設(shè)定條件的個(gè)體對(duì)應(yīng)的約束違背計(jì)數(shù)器conv記為2，滿足其中一個(gè)設(shè)定條件的個(gè)體對(duì)應(yīng)的約束違背計(jì)數(shù)器conv記為1，滿足兩個(gè)設(shè)定條件的個(gè)體對(duì)應(yīng)的約束違背計(jì)數(shù)器conv記為0；

36、s43：計(jì)算各個(gè)體對(duì)應(yīng)的目標(biāo)函數(shù)值；

37、s44：采用模擬二進(jìn)制交叉法和均勻變異法對(duì)上一代種群的各個(gè)體進(jìn)行進(jìn)化，得到交叉變異后的新種群；

38、s45：計(jì)算新種群各個(gè)體對(duì)應(yīng)的目標(biāo)函數(shù)值，并根據(jù)新種群滿足的設(shè)定條件的個(gè)數(shù)確定新種群中每個(gè)個(gè)體對(duì)應(yīng)的約束違背計(jì)數(shù)器conv；

39、s46：在約束違背計(jì)數(shù)器conv為0的新種群個(gè)體中選出目標(biāo)函數(shù)值最小的前g個(gè)個(gè)體組成下一代種群；

40、s47：將步驟s46得到的下一代種群作為步驟s44中的上一代種群，然后重復(fù)執(zhí)行步驟s44～s47，直到達(dá)到設(shè)定的迭代次數(shù)，進(jìn)入步驟s48；

41、s48：在所有次迭代中選擇最優(yōu)個(gè)體作為最終的待測(cè)目標(biāo)的位置估計(jì)值(xe,ye)和街道寬度估計(jì)值d1，其中，最優(yōu)個(gè)體滿足：約束違背計(jì)數(shù)器conv為0且目標(biāo)函數(shù)值最小。

42、有益效果：

43、本發(fā)明提供一種基于遺傳算法的非視距無(wú)人機(jī)定位方法，基于毫米波雷達(dá)多路徑回波數(shù)據(jù)特點(diǎn)，通過(guò)bp成像獲取目標(biāo)的鬼影位置，原理符合非視距環(huán)境下多路徑傳播模型；然后，采用街道寬度表征建筑街道布局信息，基于目標(biāo)與鬼影之間位置的幾何關(guān)系，建立包含未知街道寬度的目標(biāo)函數(shù)，通過(guò)遺傳算法對(duì)該目標(biāo)函數(shù)進(jìn)行優(yōu)化，從而獲取目標(biāo)的準(zhǔn)確位置與街道寬度；也就是說(shuō)，本發(fā)明能夠在建筑布局未知的條件下實(shí)現(xiàn)非視距目標(biāo)定位，是一種有效的目標(biāo)定位方法，目標(biāo)定位精度更高；本發(fā)明尤其適用于典型l形城市街區(qū)模型，為廣義非視距模型下的目標(biāo)定位提供技術(shù)支撐。