多源融合风险识别技术体系-无人机通感协同探测、定位与编队控制Part1

复杂低空环境下，单一感知方式难以稳定完成无人机探测与追踪。因此，本项目采用通感协同思路，将通信信号感知、主动探测、被动侦收和多源定位结合起来，形成目标发现、身份识别、位置估计、轨迹预测、风险校验的连续处理流程。

一、主动探测与被动侦收协同

对于正在通信的无人机，系统优先利用宽频带射频被动侦收捕获控制链路、图传链路、广播链路和搜寻帧信号，从而获得通信状态、协议特征和身份信息。被动侦收的优势在于不需要主动发射信号，隐蔽性强，能够直接反映无人机通信链路状态，适合用于非合作目标识别和监管溯源。

对于静默目标、弱通信目标或通信链路暂时中断的目标，系统利用ISAC主动探测获取目标反射信息，补充传统被动侦收在目标静默时的不足。值得注意的是，本项目中的ISAC回波信号包含两类，一类是复用当前5G/6G通信基站信号以降低资源成本，另一类则是通过时分/频分/空分方式主动发射所设计的ISAC信号以提升感知性能。ISAC主动探测可与雷达感知、通信波形和边缘计算结合，通过目标回波估计目标距离、速度和方向。对于遮挡、非视距和多径严重区域，系统可结合可重构智能表面（Reconfigurable Intelligent Surface，RIS）与可移动天线（Movable Antenna，MA）增强传播路径，通过调整反射单元或天线单元的位置、幅度响应与相位响应改善遮挡区域的感知可见性和链路可用性。

因此，本项目根据目标状态和环境条件自适应选择探测策略：当射频信号明显时，以射频识别为主；当目标静默时，以主动探测和雷达感知为主；当目标被遮挡时，以RIS增强、多站协同和轨迹预测为主；当多源结果冲突时，启动多源一致性校验。除固定阵列和RIS外，本项目进一步引入6DMA动态重构能力。与传统固定阵列仅能调节数字或模拟波束不同，6DMA可联合调整天线单元的位置与姿态，根据无人机预测位置、遮挡环境和干扰空间分布动态改变阵列孔径、波束方向和定位几何关系。当目标进入非视距区域或强干扰区域时，系统可结合轨迹预测结果主动调整阵列空间构型，提高有效信道增益、空间分辨率以及TDOA/到达角（Angle of Arrival，AOA）定位几何条件，从而实现通信、感知与定位性能的联合增强。

二、多源定位模型

无人机目标定位可融合 TDOA、AOA、接收信号强度（Received Signal Strength，RSS）、雷达距离角度、视觉方位和声学方向等测量信息。设无人机位置为 $\mathbf{p}=[x,y,z{]}^{\mathrm{T}}$，第 $i$ 个感知节点位置为 ${\mathbf{s}}_i=[x_i,y_i,z_i{]}^{\mathrm{T}}$，则基于距离的观测可表示为

$$r_i=\Vert \mathbf{p}-{\mathbf{s}}_i\Vert +n_i,i=1,2,\dots ,N$$

其中，$n_i$ 表示测量噪声。基于 TDOA 的观测可表示为

$$\Delta r_{i1}=r_i-r_1=\Vert \mathbf{p}-{\mathbf{s}}_i\Vert -\Vert \mathbf{p}-{\mathbf{s}}_1\Vert +{\epsilon }_{i1},i=2,3,\dots ,N$$

基于 AOA 的观测可表示为

$${\theta }_i=\arctan \frac{y-y_i}{x-x_i}+n_{\theta ,i}$$

$${\varphi }_i=\arccos \frac{z-z_i}{\Vert \mathbf{p}-{\mathbf{s}}_i\Vert }+n_{\varphi ,i}$$

系统可将多源观测统一写为

$$\mathbf{z}=\mathbf{h}(\mathbf{p})+\mathbf{n}$$

其中，$\mathbf{z}$ 表示多源观测向量，$\mathbf{h}(\cdot )$ 表示非线性观测函数，$\mathbf{n}$ 表示观测噪声。通过加权最小二乘、扩展卡尔曼滤波或粒子滤波等方法，可获得无人机位置估计

$$\hat{\mathbf{p}}=\arg \underset{\mathbf{p}}{\min }\sum _{k\in \mathcal{K}}{w}_k{\Vert {\mathbf{z}}_k-{\mathbf{h}}_k(\mathbf{p})\Vert }_{{\mathbf{R}}_k^{-1}}^2$$

其中，$k\in \mathcal{K}$ 表示不同观测来源，${\mathbf{R}}_k$ 表示该模态观测噪声协方差，$w_k$ 为对应权重。该表达式能够根据不同传感器可靠性动态调整权重。例如，在视觉遮挡严重时降低视觉权重；在射频干扰强时降低 RSS 定位权重；在雷达点迹稳定时提高雷达观测权重。

此外，团队还开发了同步多锚 TDOA 协同定位算法，以在 GNSS 弱覆盖、遮挡或拒止环境下不能完全依赖自身卫星定位信息时，低空无人机群可采用分布式时钟同步、同步多锚测量、TDOA 几何定位的协同定位机制。设第 $i$ 个节点本地时钟为

$$t_i=a_{i}t+b_i+{\eta }_i$$

其中，$a_i$ 表示时钟频率漂移，$b_i$ 表示时钟偏移，${\eta }_i$ 表示随机同步误差。系统通过锚节点之间的同步交互估计时钟偏差，使不同节点的到达时间测量能够映射至统一时间基准。

设待定位无人机位置为 $\mathbf{p}=[x,y,z{]}^{\mathrm{T}}$，第 $i$ 个锚节点位置为 ${\mathbf{s}}_i=[x_i,y_i,z_i{]}^{\mathrm{T}}$，选择节点 1 作为参考锚，则第 $i$ 个节点与参考节点之间的 TDOA 距离差满足

$$\Delta d_{i1}=c\left(t_i-t_1\right)=\Vert \mathbf{p}-{\mathbf{s}}_i\Vert -\Vert \mathbf{p}-{\mathbf{s}}_1\Vert +{ϵ}_{i1},i=2,3,\dots ,M$$

其中，${ϵ}_{i1}$ 表示同步误差、多径传播和测量噪声共同形成的距离差误差。对于多个同步锚节点，可通过加权最小二乘获得无人机初始位置

$$\hat{\mathbf{p}}=\arg \underset{\mathbf{p}}{\min }\sum _{i=2}^M{w}_{i1}{\left(\Delta d_{i1}-\Vert \mathbf{p}-{\mathbf{s}}_i\Vert +\Vert \mathbf{p}-{\mathbf{s}}_1\Vert \right)}^2$$

其中，$\mathbf{p}$ 表示待估计的无人机三维位置，$\Delta d_{i1}$ 表示第 $i$ 个锚节点相对于参考锚节点测得的 TDOA 距离差，$M$ 表示参与定位的锚节点数量，$w_{i1}$ 表示第 $i$ 组 TDOA 测量对应的权重，可根据同步精度、链路信噪比、非视距状态以及历史测量可靠性动态设置。该方法使无人机在 GNSS 不可用时仍可利用低空智联网内部多个协同节点获得绝对或相对空间约束。

后续将继续分享相关内容