无人机协同定位防欺骗的WGAN-TM识别方法

针对无人机协同定位面临的欺骗干扰状态难以精准识别的问题,提出了一种结合WGAN和信任模型(TM)的欺骗定量识别方法。基于WGAN实现编队受扰状态的快速检测,在此基础上利用编队协同定位信任模型,实现被欺骗无人机精准识别。仿真结果表明,与同类方法比较,所提方法在甄别被欺骗无人机方面,具有较高的精确性和稳定性,并且,在训练阶段无需大量异常样本,在精准甄别阶段也无需新增大量数据交互。

基于5G信号异步时钟误差补偿的多无人机协同定位方法

5G信号可为多无人机(UAV)提供精确的相对测距/测角信息,进而提升其在卫星接收机故障时的协同定位精度。然而,协同网络中各节点的5G通讯时钟往往是异步的,这会对测距/测角信息的精度产生较大影响,进而降低融合性能。针对上述问题,提出了一种基于5G信号异步时钟误差补偿的多无人机协同定位方法。首先,构建了基于5G信号异步时钟误差的相对测距模型,并利用相对测距/测角信息以及高度计信息建立了从机的位置观测方程。在此基础上,通过设计迭代扩展卡尔曼滤波器(IEKF)实现了对从机惯导系统(INS)误差以及异步时钟误差的联合最优估计,提高了从机定位精度。仿真结果表明,相比于传统方法,所提方法将从机的水平定位精度提高了25.3%。

面向机动目标的分布式弹群在线协同定位方法

机动目标的高精度协同定位是协同打击的关键,通过分布式弹群来实现协同定位是目前研究的热点。提出了一种分布式弹群在线协同定位的策略,解决弹群通信受限条件下协同定位的实时性问题;针对目标状态估计中模型非线性、噪声非高斯分布等特点,提出了容积卡尔曼粒子滤波算法;设计了自适应转弯速率的匀速转弯模型,并将现有的二维匀速转弯模型扩展至三维,解决了现有匀速转弯模型先验转弯速率固定,导致定位精度不高的问题;设计了自适应模型转移概率的交互多模型方法,实时修正马尔可夫转移概率,解决了单模型滤波定位精度不高的问题。通过仿真验证了所提策略和方法的有效性和准确性。

改进加权质心算法的集群协同定位理论研究

无人机集群定位信息的获取对于路径规划、探测、制导和协同控制等均具有重要意义,当前通常使用的全球导航卫星系统(Global Navigation Satellite System, GNSS)定位易受到干扰和欺骗的影响而处于拒止状态,基于机间数据链的协同定位的用途日益凸显。目前缺少获得一致认同的在精度和计算量之间获得较好平衡的协同定位算法,针对这一问题,对研究GNSS拒止下基于机间测距的无人机集群协同定位方法进行了简要介绍。搭建集群无人机协同定位分散融合定位架构,针对GNSS拒止下集群无人机定位性能无法定量评估问题,建立集群协同定位精度定量评估模型,构建出典型任务场景下的无人机飞行轨迹和各历元的机间测距信息。通过仿真试验,利用包括加权质心算法、最小二乘法和网格法在内的多种算法解算得到无人机集群的相对位置信息,评估设定的典型场景下3种定位方法定位性能,解决GNSS拒止下集群无人机定位误差快速发散的问题。仿真结果表明,加权质心算法性价比最高,研究结论可为无人机集群定位提供一定的指导和帮助。

基于惯性导航与超宽带的行人协同定位研究

基于惯性导航与超宽带测距,文章研究了GNSS信号受干扰情况下的行人协同定位技术,采用了一种协同导航算法,其可以在行人导航解算的基础上,获得单人导航的位置信息,并在UWB测距得到的相对观测值的基础上,通过扩展卡尔曼滤波算法对各个行人的位置信息进行交互融合,最终得到目标的理想位置信息。行人导航实验表明,该方法能够提升系统定位精度,并进一步增强系统的稳定性与可靠性。

基于测距与GNSS信息融合的车联网协同定位技术

为了提高车联网中车辆定位的精度,提出了基于车载雷达测距信息与全球卫星导航系统(global navigation satellite system,GNSS)信息融合的车联网协同定位方法。该方法使用极大似然估计策略建立数学模型,其本质是一个非线性优化问题。将其化简为具有多个二次等式约束的二次规划问题,并给出一种半正定松弛方法,可以高效地近似求解原问题,最后通过特征值分解法进一步改进该近似解。仿真结果表明,该信息融合方法得到的协同定位比线性化加权最小二乘方法的定位精度有显著提高;且能达到基于较大数据集的BP(back propagation)神经网络定位方法的定位精度,但无须事先训练模型,可实现高精度实时定位。

基于大脑海马认知机理的主从式AUV协同定位方法

针对AUV协同定位系统中水声测距信息存在大量野值的问题,提出一种基于哺乳动物大脑海马体空间细胞认知机理启发的主从式AUV协同定位方法。首先,利用二维连续吸引子网络模型对网格细胞进行建模,并基于从艇速度与航向信息实现路径积分;其次,引入竞争性Hebb网络对多个网格细胞板自组织编码,从而基于多尺度网格细胞板加权生成具有单个放电活动包的位置细胞板;最后,将主从艇之间的水声测距量测信息转化为位置细胞放电活动,并利用其对位置细胞放电进行更新,从而校正从艇路径积分累积误差。由于位置细胞能够通过多次放电更新逐渐逼近真实位置,从而可以有效降低单一量测野值对于系统定位精度的影响。仿真实验结果表明,在水声测距量测噪声含有大量野值点而不满足高斯分布的情况下,所提出的类脑协同定位算法对量测噪声野值具有更高的鲁棒性,与有阈值判断的扩展卡尔曼滤波(EKF)协同定位算法相比定位精度提高28%。

基于GNSS/UWB的多无人机协同定位技术

针对多无人机之间位置信息的求解问题,提出基于GNSS/UWB的分布式协同定位方法,并基于因子图理论构建了一套分布式数据融合框架,在无人机之间引入消息传送与接收以实现信息共享,然后采用和积算法求取无人机节点位置信息的边缘概率密度函数。设计了基于改进EKF的迭代滤波器对无人机状态进行估计,对算法进行仿真。仿真结果表明,该分布式协同定位算法有着接近于集中式协同定位算法的定位精度,并且优于单点独立定位算法的定位精度。

基于麻雀搜索的协同定位算法研究

无线传感器网络的定位问题可以转化为适应度函数最优问题,并通过经典的麻雀搜索算法进行求解。然而该算法所用的适应度函数并未使用未知节点之间的测量距离数据,从而导致定位精度的提升有限。为了解决这一问题,提出了一种基于麻雀搜索的协同定位算法。该算法主要包括两个搜索阶段:粗略搜索和精细搜索。在粗略搜索阶段,未知节点到锚节点之间的测量距离数据被用于确定未知节点的初始位置。在精细搜索阶段,未知节点之间的测量距离数据被用来确定未知节点的精确位置。首先,采用Cat混沌映射方法来保证初始种群的均匀分布,从而有助于确定最佳位置。其次,构建了两种不同的适应度函数,一种用于粗略搜索,另一种用于精细搜索。其中,用于精细搜索的适应度函数利用未知节点之间的测量距离数据来提高定位精度。最后,提出了一种新的精细搜索方法,以避免协同定位结果收敛到局部最优位置。通过对仿真和实测数据进行分析,验证了所提方法的有效性。

多机器人系统的可观测性及协同定位精度分析

多机器人协同系统的编队队形影响系统的可观测性,应用中发现系统绝对定位能力也是影响协同定位精度的主要因素。针对系统不可观测情况下无法实现协同定位问题,提出了通过增强系统绝对定位能力实现协同定位的方法,重点分析了不同绝对定位能力的多机器人协同定位系统的可观测性对定位精度的影响,确定了系统可观测性的最佳条件。以3个机器人组成的集群为例进行仿真验证了同一观测度情况下,系统的绝对定位能力越强,协同定位精度越高。

收发未精确同步条件下非相关多运动辐射源TOAs/FOAs协同定位方法

在联合到达时间/到达频率的无线定位体制中,除了TOAs/FOAs(Time-Of-Arrivals/Frequency-Of-Arrivals)估计误差与传感器位置/速度先验观测误差以外,收发两端的传感器时钟同步误差也是影响定位精度的重要因素.为了抑制时钟同步误差和各类观测误差的影响,本文针对非相关多运动辐射源定位场景,提出一种基于加权多维标度分析的TOAs/FOAs多辐射源协同定位方法.文中首先通过构造两组标量积矩阵推导定位关系式,然后基于一阶误差分析方法得到该关系式中的误差渐近统计特性,并进而构建联合定位与时钟同步误差校正的优化准则.针对此优化模型,本文提出一种基于正交投影矩阵数学性质的参数解耦合优化算法,可实现对多运动辐射源位置/速度参数与同步误差参数的分步估计,显著降低了参与优化迭代的变量维数.此外,文中还在收发未精确同步条件下推导TOAs/FOAs多辐射源协同定位模型的克拉美罗界,定量证明多辐射源协同定位可以带来性能增益,并且利用一阶误差分析以及正交投影矩阵数学性质证明新方法的渐近统计最优性.仿真实验结果验证所提出的协同定位方法的优越性.

机动控位水雷协同定位系统可观测性分析

论文针对基于测距的机动控位水雷协同定位观测性问题选取了观测方位角作为基本观测量,利用基于线性化模型的分析方法进行了可观测性分析,进一步通过观测矩阵的二条件数分析了可观测度。在上述分析的基础上,结合机动控位水雷的运动特点,最终确定了基于双主节点的协同定位系统方案。

智慧公路建设中的车辆协同定位技术研究与应用

随着城市化进程的加速和交通需求的不断增长,智慧公路建设成为解决现代交通挑战的重要手段。旨在深入研究智慧公路建设中的车辆协同定位技术,通过车辆之间的通信与信息共享,实现高精度的位置定位,从而提升高速公路通行效率和安全性。首先介绍了智慧公路建设背景和协同定位技术的重要性,随后分析了协同定位技术的原理、应用场景以及相关挑战。

一种基于图优化的行人协同定位方法

基于手机惯性传感器的行人航位推算方法是行人导航的核心方法之一。然而由于传感器噪声等因素,航位推算获取的位置信息误差往往随着时间发散,通常将航位推算和卫星导航通过卡尔曼滤波构成组合导航系统,利用卫星提供的高精度定位信息补偿航位推算误差。提出一种基于图优化的行人协同定位方法,将状态转移、量测和协同测距信息都作为状态的约束,统一进行优化估计。为验证方法的有效性,分别在卫星信号良好、无卫星环境下进行了实验验证。实验分析结果表明,基于图优化的行人协同定位方法在有无卫星信号情况下,都可以有效地提升系统的定位精度。和基于卡尔曼滤波的协同方法相比,最大水平定位误差都减少了30%以上。

基于ANFIS的多AUV协同定位系统量测异常检测方法

针对异常水声测距信息对多自主水下航行器(Autonomous underwater vehicles,AUV)协同定位系统的不利影响,以及传统故障检测方法在多水声测距信息交替混淆的情况下检测效率低的问题,提出一种基于自适应神经模糊推理系统(Adaptive neuro-fuzzy inference system,ANFIS)的量测异常检测方法.首先,分别建立与各水声测距系统相对应的ANFIS模型;然后,基于自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)和马氏距离构造反映量测异常的特征信息作为ANFIS的输入;其次,基于预定义的量测异常信息建立了初始混合数据库以训练ANFIS模型实现对量测异常的在线实时检测与隔离;最后,利用湖水实验数据进行了AUV协同定位仿真验证.实验结果表明该方法可以准确识别异常水声测距信息,与传统故障检测方法相比,误报率(False positive rate,FPR)与漏检率(False negative rate,FNR)均减少70%以上.

基于因子图的AUV集群速度估计和协同定位

随着海洋科技发展,自主水下航行器(AUVs)协作执行任务技术被广泛应用,AUVs的准确定位是实现AUV集群协同作业的基础技术要求.然而,在协同定位系统中,AUVs间的异步时钟会影响测距精度,并且惯性测量系统推算的速度有较大误差.本文针对AUV集群系统中的协同定位问题,提出了利用距离测量和多普勒频移测量进行误差修正的方法.该方法首先针对时钟异步问题对距离测量的影响,利用泰勒算法对时钟参数进行估计,解决了异步时钟问题;然后,建立以位置和速度为变量节点和以距离测量和多普勒频移测量为函数节点的因子图模型,利用因子图的消息传递计算变量的边缘分布,得到位置和速度的估计;最后,针对线性化过程带来的误差,提出根据变量的协方差矩阵构造自适应因子调整置信度,从而改变对变量节点的估计.仿真结果表明,所提时钟参数能够得到良好估计,所提算法能够有效抑制惯性导航系统的累积误差.

基于启发式调谐EH_(∞)F的多机器人协同定位

针对多机器人协同定位系统中,在噪声特性未知时定位效果差、一致性弱等问题,提出了基于扩展H∞滤波(EH_(∞)F)的多机器人一致协同定位方法。建立了多机器人系统运动学模型,推导了自适应EH_(∞)F多机器人协同定位算法,并通过膨胀被观测机器人协方差矩阵,对算法的一致性进行了调谐改进。仿真试验结果表明,所提出的协同定位方法在噪声特性未知的情况下,可有效抑制估计误差的增长,与基于EKF的算法相比,定位精度提升约40%,所提出的一致性改进方案,可以在不降低定位精度的前提下,使多机器人系统定位估计的一致性提升近60%。

一种无锚节点的协同定位算法

为了解决无锚节点协同定位过程中累积误差的传播问题,提出了一种基于mesh网络改进的map-growing算法。该算法首先通过推导参考节点与待测节点的定位误差估计值,提出了基于几何的虚拟锚节点共线度表达式;再根据多条件约束确定了虚拟参考节点建立相对参考坐标系,并实现了最优节点集定位;最后引入节点不确定度实现节点升级策略,控制迭代定位过程中累积误差的扩散。在不同节点分布场景下的仿真结果表明,所提算法有效的缓解了协同定位过程中的累积误差,取得了较好的定位性能。

基于构型寻优的多无人机鲁棒自适应协同定位方法

针对卫星导航信息受扰环境下的无人机自主精确定位需求,提出了一种基于构型寻优的多无人机鲁棒自适应协同定位方法。首先,考虑到多无人机空间构型实时动态拓扑变化特点,设计了一种基于构型寻优的相对测距/测角协同子滤波器。其次,设计了一种用于无人机多源异类观测信息故障检测的改进残差卡方检测算法。通过评估子滤波器状态估计的实时权重,实现故障观测子滤波器的自适应动态隔离及系统状态重构。实验结果表明,所提方法能够充分利用构型优势对从机进行协同定位解算,在无人机内外源观测信息受干扰的情况下,能够快速识别、动态隔离异常观测信息,提高系统的鲁棒抗干扰性能。相对于传统基于卡方检测的故障诊断方法,所提方法从机定位精度提高了20%以上。

集成逆超短基线的自主式水下航行器集群协同定位方法

构建了集成逆超短基线的自主式水下航行器(AUV)协同定位因子图,提出了两种从AUV协同定位方法,即基于扩展卡尔曼滤波(EKF)协同定位方法和基于粒子置信度传播(BP)协同定位方法,并修正了主AUV定位误差的影响。其中,基于EKF的从AUV协同定位方法利用主AUV的定位信息,重构了从AUV的状态向量实现协同定位;而基于粒子BP的从AUV协同定位方法构建了测量粒子实现协同定位。所提出的方法能够解决传统方法实时性较差的问题,且仅需单程声学定位信号传输测量即可实现从AUV的定位。仿真结果表明,两种协同定位方法适用于不同定位能力的从AUV,均能实现较高精度的协同定位。相比于航位推算方法,两种从AUV协同定位方法的定位误差均减小80%以上,且有效抑制了定位误差累积问题。此外,在水声信道较高丢包率的情况下,所提出的协同定位方法能稳定工作,且定位性能没有明显受到影响。