一种无人机蜂群组网中SC-FDE信号联合测距方法与流程

本发明涉及数字信息的传播技术领域，具体涉及一种无人机蜂群组网中sc-fde信号联合测距方法。

背景技术：

在无人机蜂群组网中，组网无人机之间由于姿态变化、协作执行任务环境复杂，卫星导航信号受遮挡，往往处于信息微弱，或者导航信号被干扰状态，难以获得蜂群自身编队相对位置信息。因此，需要通过组网通信信号获取机载数据终端之间的相对距离与位置信息，从而提升无人机蜂群的任务效率与作战系统的抗毁性。

在“王艳君.一种用于伪码测距的频域非线性估计算法.无线电工程2007.”中设计了一种对扩频码码环跟踪的抖动不敏感的频域非线性估计算法；在“谢超.基于pn序列的无线测距方法研究.长春理工大学,2012.”文献中研究了基于pn序列的方法，这种传统伪随机码测距技术具有抗干扰、抗多径衰落、隐蔽性好等特点，但其测距精度依赖码片速率。

无人机蜂群组网系统中采用sc-fde信号(单载波域平衡)具有低峰均比、抗多径干扰等特点。对该体制信号测距的研究文献里较少涉及，在作者发明专利“闫朝星,付林罡,谌明.一种基于联合估计的测距方法、装置及记录介质.2018，中国发明专利，201810622433.9.”中提出了基于联合估计的测距方法，基于过采样信号的绝对值之和进行精测距，但是其采样率需要4倍过采样才能计算完成。在作者另一发明专利“闫朝星,刘同领,罗翔等.一种基于sc-fde突发信号2倍过采样的定时同步方法.2020，中国发明专利，202018001719.3.”中涉及了2倍过采样时的定时同步方法。但是都没有针对2倍过采样的sc-fde信号设计测距方法。在软件无线电芯片ad9361中带宽常限制在56mhz，采样率限制在122.88mhz，即宽带信号最多2倍过采样，无法获得4倍过采样，需要针对宽带信号2倍过采样研究联合定时同步与测距方法。

技术实现要素：

本发明是为了解决无人机蜂群组网中针对宽带信号2倍过采样研究联合定时同步与测距方法的问题，提供一种无人机蜂群组网中sc-fde信号联合测距方法，该方法对2倍过采样sc-fde信号进行联合定时同步与测距估计，首先对2倍过采样信号，然后联合较短前导段数据估计粗测距信息，从而完成数据链系统中两个通信终端间准确测距，该方法可以较低复杂度实现测距性能的有效提升。该方法只需2倍采样实现联合定时同步与测距，适用于采样率有限的宽带sc-fde通信系统。

本发明提供一种无人机蜂群组网中sc-fde信号联合测距方法，包括如下步骤：

s1、发送及接收信号：无人机蜂群中无人机节点a向无人机节点b发送sc-fde采样信号x(k)：x(k)＝x(kts)，

其中，t为符号周期，ts＝t/2为采样时钟，s(n)为发送端长度为n的数据符号，1≤n≤n，s(n)包含前导段{a(1),a(2),...,a(p)}与数据段{b(1),b(2)...,b(q)}，两者长度之和为n：p+q＝n；1≤k≤2n，g(t)为滤波器；τt为时延；z(t)为高斯白噪声；

s2、获得2倍过采样信号：将采样信号x(k)分为奇数序列y1与偶数序列y2并得到相关度量rμ(n)，将相关度量rμ(n)进行差分相关及比较得到相关度量高的序列，并以相关度量高的序列为基准得到2倍过采样信号y(k)和nf；

s3、获得精测距的估计：将2倍过采样信号y(k)进行累加、取实及角度操作得到精测距的估计

s4、获得粗测距信息估计：将nf进行速度和时间处理获得粗测距信息估计

s5、获得测距信息：无人机节点a与无人机节点b之间的准确距离估计为：准确距离估计即为测距信息。

本发明所述的一种无人机蜂群组网中sc-fde信号联合测距方法，作为优选方式，步骤s2包括：

s21、采样信号分组：将第1至第2nt个采样信号x(k)表示为：{x(1),x(2),x(3),x(4)，……,x(2nt-1),x(2nt)}，将2nt个采样信号x(k)分为奇数序列y1与偶数序列y2：

y1＝{x(1),x(3),x(5),……,x(2nt-1)},

y2＝{x(2),x(4),x(6),……,x(2nt)}，

奇数序列y1与偶数序列y2长度均为nt；

s22、获得相关度量：将奇数序列y1的项y1(n)与偶数序列y2的项y2(n)按照如下公式获得相关度量rμ(n)：

其中，μ＝1，2，α为滚降系数；

s23、获得nf:将n更新为n+1，返回步骤s21和步骤s22计算rμ(n+1)，直至nf＝arg{rμ(n)≥λ}，其中，arg表示提取满足条件的n值；

s24、获得2倍过采样信号：比较r1(nf)与r2(nf)的大小，以大的序列为基准点，往后取2n+1个数据序列，得到2倍过采样信号y(k)。

本发明所述的一种无人机蜂群组网中sc-fde信号联合测距方法，作为优选方式，步骤s3中：

其中，c为光速，约为3×10⁸米/秒；re为取实部，∠为计算角度。

本发明所述的一种无人机蜂群组网中sc-fde信号联合测距方法，作为优选方式，步骤s4中：

本发明的上述目的是通过如下技术方案予以实现的：

一种无人机蜂群组网中sc-fde信号联合测距方法，主要包括如下步骤：

步骤(一)、在无人机蜂群中无人机节点a在t0时刻发送sc-fde信号，中继应答无人机节点b在t0+t1时刻接收到信号后，于t0+t1+t2时刻转发出去，接收端在t0+t1+t2+t3时刻接收并对信号进行参数估计与测距等处理。无人机节点a与节点b间传输的sc-fde信号为x(k)＝x(kts)，1≤k≤2n，表示为：

其中，t为符号周期，ts＝t/2为采样时钟；

s(n)为发送端长度为n的数据符号，1≤n≤n，s(n)包含前导段{a(1),a(2),...,a(p)}与数据段{b(1),b(2)...,b(q)}，两者长度之和为n：p+q＝n；

g(t)为滤波器；τt为时延；z(t)为高斯白噪声。

步骤(二)、基于2倍过采样信号x(k)的2路信号分别进行差分相关，比较得其相关度量。

1)将第1至第2nt个采样信号x(k)表示为

{x(1),x(2),x(3),x(4)……,x(2nt-1),x(2nt),x(2nt)}

将其分为2个长度为nt的奇数序列y1与偶数序列y2：

y1＝{x(1),x(3),x(5),……,x(2nt-1)},

y2＝{x(2),x(4),x(6),……,x(2nt)}。

2)利用yμ(n),μ＝1,2计算并获得相关度量rμ(n)：滚降系数为α

3)将n更新为n+1，通过步骤1)和2)计算新的rμ(n+1)。

4)在n更新过程中，通过比较rμ(n)与门限λ来判断nf＝arg{rμ(n)≥λ}，arg表示提取满足条件的n值，门限λ根据需要通过仿真分析来设定。

5)对奇数序列y1(n)与偶数序列y2(n)的nf值，比较度量r1(n)、r2(n)的大小，以较大者的序列为基准点，往后取2n+1个数据序列，得到对应的2倍过采样信号y(k)。

步骤(三)、将步骤(二)得到的2n+1长度y(k)进行计算处理，其中2n+1个数据的序号为k＝0,…,2n，从而得到精测距的估计：

其中，大括号{}内包含2个求和项，第1项使用2n个采样，第2项使用2n-1个采样；c为光速，约为3×10⁸米/秒；re为取实部操作，∠为计算角度操作。

步骤(四)、将步骤(二)得到的nf，可获得粗测距信息估计结合步骤(三)中的精测距信息估计完成无人机蜂群中两个无人机节点a与b之间的准确距离估计：

无人机蜂群中任意其他两个节点同理可获得两两之间测距信息。

本发明具有以下优点：

(1)本发明一种无人机蜂群组网中sc-fde信号联合测距方法，适用于采用sc-fde的无人机蜂群，信号包含前导段与数据段，采样率为2倍，适用于宽带自组网通信系统；

(2)本发明一种无人机蜂群组网中sc-fde信号联合测距方法，基于2倍采样信号对应2路信号分别差分相关，比较得到相关度量较高的采样信号作为精测距序列，该差分相关不受频偏影响；

(3)本发明一种无人机蜂群组网中sc-fde信号联合测距方法，基于2倍过采样信号精测距信息估计，该计算式不受频偏影响，还可有效提升无人机蜂群组网系统任意两无人机节点之间的测距精度。

附图说明

图1为一种无人机蜂群组网中sc-fde信号联合测距方法的实施例1-3流程图；

图2为一种无人机蜂群组网中sc-fde信号联合测距方法的实施例2-3流程图；

图3为一种无人机蜂群组网中sc-fde信号联合测距方法的实施例3无人机蜂群组网时隙示意图；

图4为一种无人机蜂群组网中sc-fde信号联合测距方法的实施例3测距误差偏差值性能；

图5为一种无人机蜂群组网中sc-fde信号联合测距方法的实施例3测距误差根均方误差性能图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

实施例1

如图1所示，一种无人机蜂群组网中sc-fde信号联合测距方法，其特征在于：包括如下步骤：

s1、发送及接收信号：无人机蜂群中无人机节点a向无人机节点b发送sc-fde采样信号x(k)：x(k)＝x(kts)，

其中，t为符号周期，ts＝t/2为采样时钟，s(n)为发送端长度为n的数据符号，1≤n≤n，s(n)包含前导段{a(1),a(2),...,a(p)}与数据段{b(1),b(2)...,b(q)}，两者长度之和为n：p+q＝n；1≤k≤2n，g(t)为滤波器；τt为时延；z(t)为高斯白噪声；

s2、获得2倍过采样信号：将采样信号x(k)分为奇数序列y1与偶数序列y2并得到相关度量rμ(n)，将相关度量rμ(n)进行差分相关及比较得到相关度量高的序列，并以相关度量高的序列为基准得到2倍过采样信号y(k)和nf；

s3、获得精测距的估计：将2倍过采样信号y(k)进行累加、取实及角度操作得到精测距的估计

s4、获得粗测距信息估计：将nf进行速度和时间处理获得粗测距信息估计

s5、获得测距信息：无人机节点a与无人机节点b之间的准确距离估计为：准确距离估计即为测距信息。

实施例2

如图1所示，一种无人机蜂群组网中sc-fde信号联合测距方法，其特征在于：包括如下步骤：

s1、发送及接收信号：无人机蜂群中无人机节点a向无人机节点b发送sc-fde采样信号x(k)：x(k)＝x(kts)，

其中，t为符号周期，ts＝t/2为采样时钟，s(n)为发送端长度为n的数据符号，1≤n≤n，s(n)包含前导段{a(1),a(2),...,a(p)}与数据段{b(1),b(2)...,b(q)}，两者长度之和为n：p+q＝n；1≤k≤2n，g(t)为滤波器；τt为时延；z(t)为高斯白噪声；

s2、获得2倍过采样信号：将采样信号x(k)分为奇数序列y1与偶数序列y2并得到相关度量rμ(n)，将相关度量rμ(n)进行差分相关及比较得到相关度量高的序列，并以相关度量高的序列为基准得到2倍过采样信号y(k)和nf；

如图2所示，s21、采样信号分组：将第1至第2nt个采样信号x(k)表示为：{x(1),x(2),x(3),x(4)，……,x(2nt-1),x(2nt)}，将2nt个采样信号x(k)分为奇数序列y1与偶数序列y2：

y1＝{x(1),x(3),x(5),……,x(2nt-1)},

y2＝{x(2),x(4),x(6),……,x(2nt)}，

奇数序列y1与偶数序列y2长度均为nt；

s22、获得相关度量：将奇数序列y1的项y1(n)与偶数序列y2的项y2(n)按照如下公式获得相关度量rμ(n)：

其中，μ＝1，2，α为滚降系数；

s23、获得nf:将n更新为n+1，返回步骤s21和步骤s22计算rμ(n+1)，直至nf＝arg{rμ(n)≥λ}，其中，arg表示提取满足条件的n值；

s24、获得2倍过采样信号：比较r1(nf)与r2(nf)的大小，以大的序列为基准点，往后取2n+1个数据序列，得到2倍过采样信号y(k)；

s3、获得精测距的估计：将2倍过采样信号y(k)进行累加、取实及角度操作得到精测距的估计

其中，c为光速，约为3×10⁸米/秒；re为取实部，∠为计算角度；

s4、获得粗测距信息估计：将nf进行速度和时间处理获得粗测距信息估计

s5、获得测距信息：无人机节点a与无人机节点b之间的准确距离估计为：准确距离估计即为测距信息，

实施例3

如图1所示，一种无人机蜂群组网中sc-fde信号联合测距方法，其特征在于：包括如下步骤：

s1、发送及接收信号：无人机蜂群中无人机节点a向无人机节点b发送sc-fde采样信号x(k)：x(k)＝x(kts)，

其中，t为符号周期，ts＝t/2为采样时钟，s(n)为发送端长度为n的数据符号，1≤n≤n，s(n)包含前导段{a(1),a(2),...,a(p)}与数据段{b(1),b(2)...,b(q)}，两者长度之和为n：p+q＝n；1≤k≤2n，g(t)为滤波器；τt为时延；z(t)为高斯白噪声；

s2、获得2倍过采样信号：将采样信号x(k)分为奇数序列y1与偶数序列y2并得到相关度量rμ(n)，将相关度量rμ(n)进行差分相关及比较得到相关度量高的序列，并以相关度量高的序列为基准得到2倍过采样信号y(k)和nf；

如图2所示，s21、采样信号分组：将第1至第2nt个采样信号x(k)表示为：{x(1),x(2),x(3),x(4)，……,x(2nt-1),x(2nt)}，将2nt个采样信号x(k)分为奇数序列y1与偶数序列y2：

y1＝{x(1),x(3),x(5),……,x(2nt-1)},

y2＝{x(2),x(4),x(6),……,x(2nt)}，

奇数序列y1与偶数序列y2长度均为nt；

s22、获得相关度量：将奇数序列y1的项y1(n)与偶数序列y2的项y2(n)按照如下公式获得相关度量rμ(n)：

其中，μ＝1，2，α为滚降系数；

s23、获得nf:将n更新为n+1，返回步骤s21和步骤s22计算rμ(n+1)，直至nf＝arg{rμ(n)≥λ}，其中，arg表示提取满足条件的n值；

s24、获得2倍过采样信号：比较r1(nf)与r2(nf)的大小，以大的序列为基准点，往后取2n+1个数据序列，得到2倍过采样信号y(k)；

s3、获得精测距的估计：将2倍过采样信号y(k)进行累加、取实及角度操作得到精测距的估计

其中，c为光速，约为3×10⁸米/秒；re为取实部，∠为计算角度；

s4、获得粗测距信息估计：将nf进行速度和时间处理获得粗测距信息估计

s5、获得测距信息：无人机节点a与无人机节点b之间的准确距离估计为：准确距离估计即为测距信息，

图3为本发明一种无人机蜂群组网中sc-fde信号联合测距方法的无人机蜂群组网时隙示意图；a2a-1/2/3…表示第1/2/3…个无人机组网时隙，uav-1广播测距请求后，附近的uav-2、uav-3、uav-6应答后获得测距信息d1,2、d1,3、d1,6。同理，uav-3、uav-6之间可获得d3,6。

图4所示为联合测距方法的测距误差偏差值性能，仿真采用qpsk信号，过采样2倍，滚降系数为α＝0.35，设sc-fde信号p＝128，q＝1024，过采样信号n＝1152,nt＝128，在1/t＝50mhz50mhz符号速率时，图2结果显示snr＝5db、10db、30db，对应测距误差的偏差为0.01m、0.003m、0.0005m，约接近0。因此本算法为有效测距估计方法。

图5所示为联合测距方法的测距误差根均方误差性能，在信噪比snr＝5db、10db、30db，本发明算法测根均方误差(rmse)为0.14m、0.07m、0.01m，比采用4采样计算的平方率非线性(sln)方法0.18m、0.1m、0.015m，得到较大性能提升，更接近理论门限值σcrb。因此，本算法有可靠测距估计方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。