风场干扰下基于一致性卡尔曼滤波的UAV编队控制算法

针对风场干扰下多无人机(UAV)编队的控制问题,提出一种基于一致性卡尔曼滤波的多无人机编队控制算法。根据一致性卡尔曼滤波算法,测量每架无人机的风场干扰误差,预测控制编队中各机的相对位置;设置编队的中心关键点,并利用总卡尔曼滤波器调整其位置,由此实现了一致性卡尔曼滤波算法与航迹修正相结合解决风场干扰下多无人机编队的控制问题;并将该算法应用到轨迹跟踪问题,从而实现编队对复杂航迹的实时跟踪。仿真结果表明,文中提出的算法具有很好的灵活性、鲁棒性、可靠性和可伸缩性。

基于一致性Unsented卡尔曼滤波的多机器人定位

主要研究了多机器人编队过程中机器人的定位问题。在编队过程中机器人仅利用通过场地上方的摄像头捕获的图像得到自身的位置容易受干扰导致定位不准。利用队列中某个机器人观测到另外一个或几个机器人时,用相对观测信息和自身的位置以及附近被观测机器人的位置估计来更新一致性Unsented卡尔曼滤波算法中的状态估计。最后通过实验来对比未滤波前定位精度和分别采用Unsented卡尔曼滤波算法和一致性Unsented卡尔曼滤波算法定位精度,实验结果表明一致性Unsented卡尔曼滤波算法能够有效地提高定位的精度。

带网络攻击识别机制的传感器网络分布式滤波算法

研究了面向网络攻击的无线传感器网络的分布式目标估计问题.由于测量范围有限,网络中只有部分传感器能测量到目标,而且节点受到随机的攻击从而使得测量值被注入虚假信息.在此背景下,本文提出了基于攻击检测识别策略的改进分布式卡尔曼滤波算法.在该算法中,节点首先基于设计给出的攻击识别阈值来判断其是否受到攻击,生成识别因子;然后以估计误差协方差的迹最小为信息融合原则来设计一致性卡尔曼滤波算法,对处于监测域内的运动目标进行分布式状态估计.同时,分析了算法的收敛性,明确给出了网络估计误差均方有界的随机攻击概率的充分条件.最后用数值仿真验证了算法的有效性和优越性.

时变拓扑卫星集群分布式自主相对导航方法

针对时变拓扑卫星集群的相对导航需求,提出了基于图论的时变拓扑分布式一致性无迹卡尔曼滤波算法。首先给出了固定拓扑卫星集群的相对运动方程、测角测距测量模型和无迹卡尔曼滤波算法,然后考虑测角失效时相对导航系统不可观或弱可观的问题,结合矢量环一致性约束,构造了一致性无迹卡尔曼滤波算法,以提高系统的可观度;在此基础上,针对时变拓扑卫星集群,以滤波精度为优化指标,在图论的基础上利用Dijkstra算法对卫星集群的时变拓扑结构进行重构,并将重构后的拓扑结构应用于卫星集群相对导航。仿真结果表明所提算法能有效改善不完备测量带来的模糊轨道问题,并且能够实现实时的拓扑重构,以满足时变拓扑星群的相对导航精度要求。