本发明属于无线电定位，具体涉及面向非视距环境下的无人机目标直接定位方法。
背景技术：
1、近年来，随着传感器网络以及物联网技术的快速发展，各种智能设备及高科技应用对于位置服务的需求以超乎预期的速度发展。传统的无源定位技术主要采用两步定位法，即先提取接收信号中的定位参数，再据此构建定位方程完成无人机位置的解算。在复杂电磁环境下基于两步法的无源定位技术受限于提取定位参数时所造成的误差累计问题，难以确保获得最优的位置估计性能。目前，直接定位技术可以直接从采样信号中估计出无人机位置信息，避免了两步定位法在提取定位参数时所造成的误差累计问题。而日渐复杂的电磁环境造成无线信号非视距传播是影响定位精度的一个重要因素，当视距与非视距信号相遇时会发生衍射、散射等现象，导致传统的直接定位代价函数无法有效估计无人机位置。因此，研究面向非视距环境下无人机直接定位方法就极其重要。
2、专利公开号为cn117572334a发明名称为“无人机室内定位方法、装置、设备及介质”的中国发明专利，通过获取待定位无人机所在室内环境的多个蓝牙信标，确定其方向角信息，将目标无人机对应的多个位置坐标传输至定位数据融合中心，构建所述高斯函数模型确定目标无人机位置，以完成无人机的室内定位。
3、devanand palurpalanivelu, marc oispuu等人的《direct positiondetermination using direct signals and first-order reflections by exploitingthe multipath environment》将目标辐射源信号通过位置已知的智能反射面在一阶反射后到达基站的信号看作由虚拟源所发射的信号，利用目标辐射源与虚拟源关于智能反射面的几何关系采用图像源法对视距与非视距信号进行建模估计目标辐射源位置信息。
4、但上述两项直接定位技术在实际应用中准确的电子地图先验信息难以获得，故无法对非视距信号传播途径进行建模，使得估计的目标无人机辐射源位置信息精确度较低。因此，亟待研发出适用于非视距环境下电子地图先验信息未知的目标直接定位技术。
技术实现思路
1、本发明的目的是提供面向非视距环境下的无人机目标直接定位方法，解决了现有无人机直接定位方法所估计的目标无人机辐射源位置信息精确度低的问题。
2、本发明所采用的技术方案是，面向非视距环境下的无人机目标直接定位方法，具体按照以下步骤实施：
3、步骤1，对基站接收信号进行解相干处理：
4、以间隔对第个基站所接收的叠加信号进行次采样，得到第个基站所接收的无人机信号，对第个基站所接收的无人机信号进行离散傅里叶变换后得到信号，采用基于重构噪声子空的多重信号分类（reconstructednoise subspace multiplesignal classification，rnsmusic）算法基于信号构造信号子空间与噪声子空间；
5、步骤2，基于步骤1得到的噪声子空间对无人机位置进行粗估计，得到位置向量的集合；
6、步骤3，对步骤2得到的位置向量集合包含的位置向量进行等间隔划分，再进行距离加权求取权重位置向量；
7、步骤4，检索信号子空间中视距信号分量最大的阵列元素；
8、步骤5，采用稀疏算法获取目标无人机辐射源位置。
9、本发明的特点还在于，步骤1的具体过程为：
10、步骤1.1，令表示无人机信号到达第个基站的路径数，以间隔对第个基站所接收的叠加信号进行次采样，为时域采样点，得到第个基站所接收的无人机信号为：
11、（1）；
12、式（1）中，表示无人机信号到达第个基站的第条路径，；为无人机信号经过第条路径到达第个基站的随机信道衰减系数；为时域无人机信号波形；为无人机信号经过第条路径到达第个基站的传输时延；为噪声；为第个基站对第条路径信号的阵列流型响应，，其中为复数指数，为第个基站与第条路径信号的夹角，为每个基站中个线性阵元的间距；为单一静止无人机的位置向量；
13、步骤1.2，将步骤1.1得到的第个基站所接收的无人机信号进行离散傅里叶变换，得到信号，则：
14、（2）；
15、（3）；
16、式（2）和（3）中，为频域采样点，对应时域采样点；为频域无人机信号波形，对应时域无人机信号波形；为采样点频率；
17、步骤1.3，令，构建的协方差矩阵，则：
18、（4）；
19、式（4）中，为期望；
20、令
21、（5）；
22、式（5）中，为共轭，为维的反单位矩阵；
23、定义
24、（6）；
25、式（6）中，为与的互协方差矩阵；
26、此时，对与进行求和均值处理，得：
27、（7）；
28、利用与的互协方差信息构造增广矩阵，则：
29、（8）；
30、式（8）中，为与的互协方差矩阵，为与的互协方差矩阵；
31、分别对与进行奇异值分解，得：
32、（9）；
33、（10）；
34、式（9）和（10）中，为的特征向量矩阵；为的特征向量矩阵；为的特征值构成的对角矩阵；为的特征值构成的对角矩阵；与正交；与正交；，其中为的个特征值，且；，其中为的个特征值，且；
35、将与按顺序比对相应的特征值，选取较大的特征值构建新的特征值矩阵，，其中为与中的元素，且；
36、选取中特征值所关联的与中的特征向量构造矩阵，则：
37、（11）；
38、式（11）中，为所关联的特征向量；
39、步骤1.4，在无人机信号到达第个基站的路径数已知时，以路径数为分界点，直接将步骤1.3得到的矩阵拆分为信号子空间与噪声子空间；
40、在无人机信号到达第个基站的路径数未知时，采用盖氏圆准则得到路径数，再以路径数为分界点，直接将步骤1.3得到的矩阵拆分为信号子空间与噪声子空间；
41、采用统一表示信号子空间，采用统一表示噪声子空间。
42、进一步地，步骤2的具体过程为：
43、步骤2.1，利用步骤1得到的噪声子空间构造空间谱估计表达式，即：
44、（12）；
45、式（12）中，为信号到达角度；
46、在对空间谱估计表达式进行峰值搜索获得信号到达角度的角度估计值时，设定搜索门限，其中，表示第个基站关于信号到达角度估计值的数量；
47、搜索门限的表达式为：
48、（13）；
49、式（13）中，为噪声判决门限；
50、令表示第个基站关于信号到达角度估计值的集合，则有：
51、（14）；
52、式（14）中，表示第个基站关于信号到达角度估计值的数量；
53、步骤2.2，为对目标无人机位置进行粗估计，对各基站接收信号到达角度进行遍历组合，即：
54、（15）；
55、式（15）中，为第个基站所对应的第个信号到达角度估计值；为第个基站所对应的第个信号到达角度估计值；为第个基站所对应的关于信号到达角度估计值的数量，其中，位置已知的基站个数；为第个基站所对应的关于信号到达角度估计值的数量，其中；
56、令代表第个位置向量，定义：
57、（16）；
58、（17）；
59、式（16）和（17）中，为第个基站坐标；为第个基站坐标；
60、联立，将与构建为式（18），即：
61、（18）；
62、采用最小二乘求解：
63、（19）；
64、数据联立计算完成后，假设共有个位置向量，令表示位置向量集合，则有：
65、（20）。
66、进一步地，步骤3的具体过程为：
67、步骤3.1，对步骤2得到的位置向量集合包含的位置向量进行两次等间隔划分，划分后共得到个区域；
68、步骤3.2，将步骤3.1得到的个区域中的位置向量进行加权处理得到权重位置向量。
69、进一步地，步骤3.1的具体过程为：
70、对步骤2得到的位置向量集合包含的位置向量划分成个方格i组成的正方形i，再以正方形i顶角的四个方格的中点为顶点连成正方形ii，将正方形ii划分成个方格ii，划分后共得到个区域，其中，方格i与方格ii的边长相等，。
71、进一步地，步骤3.2的具体过程为：
72、令表示第一个区域中所有位置向量的集合，假设包含个位置向量，对个位置向量进行遍历组合，每个组合含有两个不同的位置向量，共有种组合结果，定义临时位置向量，则有：
73、（21）；
74、式（21）中，表示中的第个位置向量；表示中的第个位置向量；
75、定义加权函数：
76、（22）；
77、式（22）中，表示与之间的距离；
78、遍历组合计算后，利用式（23）得到第一个区域的权重位置向量，即：
79、（23）；
80、分别将个区域中的位置向量进行加权处理后可得到个权重位置向量，令表示个权重位置向量的集合，即：
81、（24）。
82、进一步地，步骤4的具体过程为：
83、步骤4.1，根据步骤3得到的权重位置向量，，与各基站的位置关系求得，其中，，为第个基站与权重位置向量的夹角，为权重位置向量到达第个基站的时延；
84、步骤4.2，将步骤4.1得到的与信号子空间中的元素进行遍历组合代入式（25）中并提取最大特征值，即：
85、（25）；
86、式（25）中，为共轭转秩，当目标无人机位置向量处的与各基站的组合时可得最大特征值，为信号子空间中视距信号分量最大的阵列元素。
87、进一步地，步骤5的具体过程为：
88、根据子空间适应问题推导可得：
89、（26）；
90、式（26）中，为在目标无人机位置向量处的强度系数；为噪声；为单一静止无人机的位置向量；
91、定义：
92、（27）；
93、式（27）中，为第个基站与目标无人机位置向量的夹角，表示无人机位置向量到达第个基站的时延；
94、对经过二维泰勒展开可被分解为：
95、（28）；
96、回代可得：
97、（29）；
98、式（28）和（29）中，为位置向量的横坐标补偿值；为位置向量的纵坐标补偿值；为的横坐标；为的纵坐标；
99、假设误差系数，，基于moore-penrose伪逆运算可求解强度系数和误差系数、；
100、将等式关联至所有基站可得：
101、（30）；
102、（31）；
103、求取位置向量的横坐标补偿值和位置向量的纵坐标补偿值，对位置向量进行更新可得：
104、（32）；
105、式（32）中，为更新后的目标无人机位置向量。
106、本发明的有益效果是：本发明面向非视距环境下的无人机目标直接定位方法不需要目标无人机信号波形以及电子地图先验信息，仅通过检索信号子空间就能实现目标无人机位置的有效估计，且估计精度高。
1.面向非视距环境下的无人机目标直接定位方法，其特征在于，具体按照以下步骤实施：
2.根据权利要求1所述的面向非视距环境下的无人机目标直接定位方法，其特征在于，步骤1的具体过程为：
3.根据权利要求1所述的面向非视距环境下的无人机目标直接定位方法，其特征在于，步骤2的具体过程为：
4.根据权利要求1所述的面向非视距环境下的无人机目标直接定位方法，其特征在于，步骤3的具体过程为：
5.根据权利要求4所述的面向非视距环境下的无人机目标直接定位方法，其特征在于，步骤3.1的具体过程为：
6.根据权利要求4所述的面向非视距环境下的无人机目标直接定位方法，其特征在于，步骤3.2的具体过程为：
7.根据权利要求1所述的面向非视距环境下的无人机目标直接定位方法，其特征在于，步骤4的具体过程为：
8.根据权利要求1所述的面向非视距环境下的无人机目标直接定位方法，其特征在于，步骤5的具体过程为：
