基于多基站协作的 RF 低空 UAV 感知、检测与定位框架
系统与控制
2025-10-13 v1 系统与控制
摘要
低空经济的快速增长导致低慢小(LSS)无人驾驶航空器(UAV)数量显著增加，给空域安全管理和可靠轨迹规划带来严峻挑战。为应对这一问题，本文提出一种利用现有蜂窝基站的协作射频(RF)检测与定位框架。该方法具备稳健的 LSS 目标识别方案，将单元平均恒虚警率(CA-CFAR)检测器与基于微多普勒特征(MDS)的识别方法相结合。多站测量通过基于网格的概率算法与聚类技术融合，有效抑制幽灵目标并提升多 UAV 场景下的定位精度。此外，推导了克拉美-罗下界(CRLB)作为性能基准，并采用基于强化学习(RL)的优化方法在定位精度与基站资源使用之间取得平衡。仿真结果表明，从单基站增加到多基站可将定位误差降至接近 CRLB 的水平，而实际实验进一步验证了该框架的有效性。此外，基于 RL 的优化能够在保持高精度的同时最小化资源消耗，凸显其作为确保新兴低空经济中空域安全的可扩展解决方案的潜力。
引用
@article{arxiv.2510.09055,
title = {Sensing, Detection and Localization for Low Altitude UAV: A RF-Based Framework via Multiple BSs Collaboration},
author = {Tianhao Liang and Mu Jia and Tingting Zhang and Junting Chen and Longyu Zhou and Tony Q. S. Quek and Pooi-Yuen Kam},
journal= {arXiv preprint arXiv:2510.09055},
year = {2025}
}