一种无人机定位方法

1.本发明涉及无人机定位技术领域，特别是涉及一种无人机定位方法。


背景技术：

2.随着低空空域的试点开放，无人机在城市物流配送、安防监控巡逻以及地面交通管理等智慧城市建设中将迎来新一轮的高速发展，目前民用低空无人机主要采用全球导航卫星系统(global navigation satellite system，gnss)以惯性测量单元(inertial measurement unit，imu)和超声波测距技术为辅助实现精度定位，定位时由接收到卫星发送的导航电文结合无人机与卫星距离通过方程组求解获得，但是gnss定位信号较为微弱，而且必须同时接收多颗卫星的视距信号才满足定位要求。在城市低空复杂空域环境下，gnss信号多径效应明显，以及受到各种电磁干扰影响，无人机难以接收到有效gnss信号来对无人机进行精准定位。
3.无线定位技术是通过测量目标与接收机之间电磁波信号的特征参数，利用具体的定位算法从而达到求解待测目标位置的一种方法。传统的无线电定位技术可以通过测量信号到达时间(time of arrival,toa)、到达时间差(time difference of arrival，tdoa)、到达频率差(frequency difference of arrival，fdoa)以及接收信号强度(received-signal-strength,rss)等参数通过计算获得未知目标的位置信息。目前主流定位方法包括蓝牙定位、无线局域网络定位、超宽带定位(ultra-wideband，uwb)定位等，但是受限于技术或者成本问题难以规模化大范围部署使用，不能保证在无人机缺少有效gnss信号的情况下提供定位服务。


技术实现要素：

4.本发明实施例提供了一种无人机定位方法，可以解决现有技术中存在的问题。
5.本发明提供一种无人机定位方法，包括以下步骤：
6.通过惯性导航系统获取无人机第一定位数据；
7.通过基于5g的移动通信网络定位获取无人机第二定位数据；
8.对所述第一定位数据的可用性进行判断；
9.当所述第一定位数据满足可用性要求时，通过将第一定位数据与第二定位数据进行不同信赖度下的加权融合，根据融合结果确定无人机的当前定位数据；
10.当所述第一定位数据不满足可用性要求时，将第一定位数据与第二定位数据通过卡尔曼滤波器进行数据融合，并对融合后的数据可用性进行判断，判断结果满足可用性要求时，根据融合后的数据确定无人机的当前定位数据。
11.优选的，所述将第一定位数据与第二定位数据通过卡尔曼滤波器进行数据融合，并对融合后的数据可用性进行判断，当判断结果不满足可用性要求时，重新将第一定位数据与第二定位数据再次通过卡尔曼滤波器进行数据融合。
12.优选的，通过加权公式将所述第一定位数据与第二定位数据进行不同信赖度下的
加权融合，所述加权公式如下：
[0013][0014]
式中，loc1代表第一定位数据，loc2代表第二定位数据，loc代表数据加权融合后的最终坐标，α、β分别为惯性导航和5g定位在加权融合中的信赖度因子，α∈[0，1]，β∈[0，1]。
[0015]
优选的，α的取值通过下式确定：
[0016][0017]
式中，x代表惯性导航工作时间，当工作时间大于x时，判定惯性导航数据误差过大，此时判定数据不满足可用性要求。
[0018]
优选的，β的取值通过下式确定：
[0019][0020]
式中，z代表接收到信号的基站数量，当接收到信号的基站数量低于z时，认定为该定位结果无效。
[0021]
优选的，通过惯性导航系统获取无人机第一定位数据，包括以下步骤：
[0022]
通过惯性测量单元测量测得无人机的各项定位参数；
[0023]
将各项定位参数进行零偏补偿；
[0024]
将经过零偏补偿各项定位参数输入至惯性导航系统进行解算，得到无人机第一定位数据。
[0025]
优选的，通过惯性测量单元测量测得无人机的各项定位参数包括航向角和速度，通过姿态矩阵确定无人机的航向角，所述姿态矩阵为：
[0026][0027]
式中，表示姿态矩阵，ψ表示偏航角，γ表示横滚角、θ表示俯仰角。
[0028]
优选的，通过惯性导航基本方程修正无人机的速度，所述惯性导航基本方程为：
[0029][0030]
式中，分别表示导航坐标系下三个方向的速度，为导航坐标系三个方向的比例，g为重力加速度。
[0031]
优选的，所述卡尔曼滤波公式如下：
[0032][0033]
式中，x
k+1
为预测值，a为状态转移矩阵，ωk为基于5g基站定位的高斯噪声，对应协
方差矩阵为q，z
k+1
为基于惯性导航定位的观测值，h为观测矩阵，v
k+1
为基于定位的高斯噪声，对应协方差矩阵为r。
[0034]
与现有技术相比，本发明的有益效果是：
[0035]
本发明通过5g信号的特点提出了一种无人机定位方法。通过惯性导航系统获取无人机第一定位数据；通过基于5g的移动通信网络定位获取无人机第二定位数据；当第一定位数据可用时，通过将第一定位数据与第二定位数据进行不同信赖度下的加权融合，确定无人机的当前定位数据；当第一定位数据不可用时，通过将第一定位数据与第二定位数据通过卡尔曼滤波器进行数据融合，确定无人机的当前定位数据。仿真结果表明该方法在无人机缺少有效gnss信号定位的情况下能够保持较高的定位精度，可作为无人机在城市低空复杂环境运行下的辅助定位手段。
附图说明
[0036]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]
图1为本发明的整体流程框架图；
[0038]
图2为采用本发明的定位方法的无人机轨迹仿真结果图；
[0039]
图3(a)为采用本发明的卡尔曼滤波器数据融合后的北向位置误差示意图；
[0040]
图3(b)为采用本发明的卡尔曼滤波器数据融合后的东向位置误差示意图。
具体实施方式
[0041]
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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0042]
参照图1-3，本发明提供了一种无人机定位方法，包括以下步骤：
[0043]
第一步：通过惯性导航系统获取无人机第一定位数据。首先通过惯性测量单元测量测得无人机的各项定位参数，将各项定位参数进行零偏补偿，最后将经过零偏补偿各项定位参数输入至惯性导航系统进行解算，得到无人机第一定位数据。通过惯性测量单元测量测得无人机的各项定位参数包括航向角和速度。
[0044]
通过姿态矩阵确定无人机的航向角，在惯性导航中姿态矩阵是通过imu坐标系(b系)到导航坐标系(n系)经过变换得到，由载体的姿态矩阵即可解算出俯仰角、横滚角以及航向角。姿态更新方法中四元数法是通过求解四个未知量的线性微分方程组获得目标结果。转换过程中的姿态矩阵为：
[0045][0046]
式中，表示姿态矩阵，ψ表示航向角，γ表示横滚角、θ表示俯仰角。
[0047]
通过惯性导航基本方程确定无人机的速度，由惯性导航基本方程对速度的即时修正如下：
[0048][0049]
式中，分别表示导航坐标系下三个方向的速度，为导航坐标系三个方向的比例，g为重力加速度。
[0050]
第二步：通过基于5g的移动通信网络定位获取无人机第二定位数据。该步骤为现有技术。
[0051]
第三步：根据惯性导航误差时间累积公式可知，长时间的误差累积将导致位置数据不可信。因此在间隔一段时间对第一定位数据的可用性进行判断。
[0052]
第四步：当第一定位数据可用时，通过将第一定位数据与第二定位数据进行不同信赖度下的加权融合，确定无人机的当前定位数据。通过加权公式将第一定位数据与第二定位数据进行不同信赖度下的加权融合，加权公式如下：
[0053][0054]
式中，loc1代表第一定位数据，loc2代表第二定位数据，loc代表数据加权融合后的最终坐标，α，β分别为惯性导航和5g定位在加权融合中的信赖度因子。
[0055]
α取决于惯性导航工作时间，当时间达到一定时，可判定惯性导航数据误差过大，此时判定数据不可用。定义信赖度因子α∈[0，1]，在x秒内随时间以斜率递减。因此α的取值通过下式确定：
[0056][0057]
式中，x代表惯性导航工作时间，当工作时间大于x时，可判定惯性导航数据误差过大，此时判定数据不可用。
[0058]
β取决于能够接收到信号的基站数量，接收到信号的基站数量越多，定位结果的信任度就越高，当接收到信号的基站数量低于z时，可认定为该定位结果无效。定义信赖度因子β∈[0，1]，β的取值通过下式确定：
[0059][0060]
式中，z代表接收到信号的基站数量，当接收到信号的基站数量低于z时，可认定为该定位结果无效。
[0061]
参照图2，为了验证该定位技术的有效性，通过matlab进行仿真实验，实验中设定陀螺仪漂移为0.01
°
/h，加速度计零偏为5
×
10-5
g。
[0062]
由图2可知，加权融合后的定位精度相对于融合前更接近于真实值，通过5g基站辅
助ins定位，能起到较好的定位效果。
[0063]
第五步：当可信度降低导致第一定位数据不可用时通过将第一定位数据与第二定位数据通过卡尔曼滤波器进行数据融合，确定无人机的当前定位数据。对第一定位数据与第二定位数据输入至卡尔曼滤波公式进行求解，进行数据融合。
[0064]
卡尔曼滤波公式如下:
[0065][0066]
其中x
k+1
为预测值，a为状态转移矩阵，ωk为基于5g基站定位的高斯噪声，对应协方差矩阵为q，z
k+1
为基于惯性导航定位的观测值，h为观测矩阵，v
k+1
为基于定位的高斯噪声，对应协方差矩阵为r。
[0067]
对其进行求解，过程如下：
[0068]
状态预测为：
[0069][0070]
状态估计为：
[0071][0072]
其中卡尔曼滤波增益矩阵为：
[0073][0074]
预测值的协方差矩阵为：
[0075][0076]
更新系统的协方差矩阵为：
[0077]
p
k+1|k+1
＝(i-k
k+1hk+1
)p
k+1|k
ꢀꢀꢀ
(11)
[0078]
将第一定位数据与第二定位数据通过卡尔曼滤波器进行数据融合，并对融合后的数据可用性进行判断，当判断结果不满足可用性要求时，重新将第一定位数据与第二定位数据再次通过卡尔曼滤波器进行数据融合。
[0079]
参照图3，滤波后东向位置平均误差为16.8cm，北向位置平均误差为15.3cm，因此在第一定位数据不可用的情况下经过卡尔曼滤波融合后定位基本满足定位需求。
[0080]
本发明通过5g信号的特点提出了一种无人机定位方法。仿真结果表明该方法在无人机缺少有效gnss信号定位的情况下能够保持较高的定位精度，可作为无人机在城市低空复杂环境运行下的辅助定位手段。
[0081]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0082]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。