复杂城市低空无人机安全风险评估与三维路径规划

针对复杂城市环境内低空无人机飞行安全与效率亟待提升的问题,提出了复杂城市低空无人机安全风险评估与三维路径规划方法。首先,设计了无人机越界冲突率、缓冲空域占比指标,建立了无人机地理围栏安全缓冲间距优化模型,对最佳缓冲间距和栅格粒度进行了标定;然后,构建了由人口密度层、遮蔽层和障碍层构成的无人机风险地图,建立了弹道下降和失控滑行两种模式下的无人机对地风险评估模型,生成了精细化、组合化的城市低空概率风险地图;最后,综合利用地理围栏、概率风险地图和跳点搜索算法,对无人机三维路径进行了初始规划和优化重构。结果表明:弹道下降模式的伤亡风险是失控滑行下降模式的5~75倍;与A*算法相比,跳点搜索算法有效减少了飞行路径的转弯数量,缩短了求解时长,更适合规划无人机飞行路径;与不采用风险地图的方法相比,基于风险地图的无人机路径规划减少了50%的较高风险节点,相应的路径长度仅增加了7.2%和11.4%,整体路径节点的伤亡风险明显降低。研究成果可为复杂城市低空无人机飞行计划制定及安全运行监管提供理论依据和方法支撑。

面向外辐射源雷达发射站定位的合作无人机航迹规划方法研究

在广域未知环境中,外辐射源雷达机动部署常面临难以及时获取第三方发射站精确位置信息的难题。为此,该文提出一种基于合作无人机航迹规划的发射站定位方法。首先,利用单个无人机作为合作目标,建立2维场景下的定位模型和量测方程,并采用列文伯格-马夸尔特(Levenberg-Marquardt, LM)算法进行解算。然后,构建融合Fisher信息和控制参数约束的优化函数,对无人机航迹进行动态规划,从而提高发射站定位的精度和方法的实用性。最后,仿真实验表明,在最大控制距离约束下,所提方法的定位结果优于直线航迹和经典优化航迹,最终发射站定位精度小于双基距离差量测标准差,能够满足外辐射源雷达系统目标探测定位的应用要求。

基于通感融合的无人机预编码及飞行轨迹设计

无人机(UAVs)具有机动性强,低成本及易部署等特性,通过搭载通信及感知设备,支持通信与感知技术的高效资源共享,无人机可作为融合通信与传感技术的高性能空中平台。该文针对多输入多输出(MIMO)无人机使能的联合通信、感知场景,综合考虑无人机飞行能量、多天线传输及用户业务需求等限制条件,建模无人机通信、感知预编码及飞行轨迹联合优化问题为多目标优化问题,以实现通信用户最低速率最大化及目标最小发现概率最大化。由于通信用户最低速率最大化问题为非凸优化问题,难以直接求解,将原优化问题分解为通信预编码设计子问题及无人机轨迹设计子问题,并采用交替迭代法依次求解两个子问题直至算法收敛,其中,对于通信预编码设计子问题,提出一种基于迫零(ZF)算法的求解策略;对于无人机轨迹设计子问题,提出一种基于连续凸逼近(SCA)算法的求解策略。基于所得到的无人机最优轨迹,将无人机感知位置选择问题建模为加权距离和最小化问题,进而应用泛搜索算法优化确定目标感知位置,并设计基于ZF算法的通信感知预编码联合优化策略,以实现通信感知性能的联合优化。最后通过仿真验证了该文所提算法的有效性。

城市无人机航线飞行间隔与调控频率综合研究

聚焦城市无人机航线飞行,为确保运行安全,需要为无人机配备合适的飞行间隔。面向同航线纵向飞行场景,研究了考虑冲突频率与碰撞概率且符合ICAO间隔制定原则的间隔调控模型。通过研究仅考虑无人机定位误差下的碰撞风险,得到无人机纵向飞行间隔,作为后续间隔计算的基准;通过综合考虑定位误差和速度误差引发的位置不确定性,计算伴随无人机航线飞行进程的碰撞风险。加大纵向间隔会延迟突破安全目标水平的时机,但随着飞行进程的推进,碰撞风险终将突破安全目标水平。基于此,提出了无人机位置调控机制,对2架无人机位置进行定期调控,以消除速度所产生的累积误差。针对某1个指定的安全目标水平,得到了纵向间隔与位置调控频率的关系曲线,发现二者存在博弈关系,实施高频调控,需要采取更小的航线间隔;反之,则需要加大航线间隔。同时,为兼顾城市空间与位置调控能力的双重约束,提出了选取曲率最大值位置的所需飞行间隔与调控频率作为折中方案,发现安全目标水平要求越严格,所需调控频率和飞行间隔越大。实验得到在满足安全目标水平为5×10^(-9)次/飞行小时情况下,所需调控频率为87次/h,所需纵向飞行间隔为90 m;同时在实际运行环境中,应用上述评估模型与方法可以客观选择所需间隔和调控频率。本文研究可以兼顾城市物流无人机空中运行的安全,提高城市空域利用率和派送效率。

一种面向多任务的无人机辅助的通信网络资源分配与轨迹优化研究

装载各种有效荷载的无人机(UAV)能够实现传感、通信和计算等多任务,因而常被部署到数据采集(DA)和辅助计算等领域。但是到目前为止,绝大多数研究仅专注于单一功能的无人机辅助的通信网络资源分配与轨迹优化,对于面向多任务的资源分配和轨迹优化问题还未解决。为此,该文提出一种综合考虑无人机数据采集、数据广播以及计算任务卸载的无人机辅助的通信网络资源优化的分配策略,旨在通过联合优化传输占空比、用户发射功率与无人机轨迹,在满足目标位置采集数据实时广播的前提下,最大化用户卸载量。为了解决多变量耦合优化问题,提出了基于块坐标下降(BCD)和连续凸逼近(SCA)的高效迭代优化算法,将耦合优化问题分解为3个子问题进行迭代优化。最后,大量仿真结果表明,该算法在公平性和总卸载计算量方面都优于其他测试方案。

基于EMSDBO算法的无人机三维航迹规划

针对无人机(unmanned aerial vehicle,UAV)三维航迹规划问题,提出一种增强型多策略蜣螂算法的UAV航迹规划方法。首先,将飞行接近率和响应时间的动态约束添加到威胁成本代价中,并考虑UAV转弯性能的影响,建立三维任务空间模型与航迹代价函数。其次,在蜣螂算法中引入偏移估计策略、变螺旋搜索策略、准反向学习策略和逐维变异策略,提高算法的全局寻优能力和收敛速度。最后,给出了改进算法在三维环境下航迹规划的仿真结果。结果表明:综合考虑UAV机动性能和转弯性能,规划出的路径可以更加安全有效地避开危险源。相比其他算法,改进算法的寻优能力更好,规划的航迹质量更优。

改进YOLOv8的轻量化无人机目标检测算法

针对无人机目标检测算法计算复杂难以部署,且长尾分布的无人机数据导致检测精度较低的问题,提出了基于改进YOLOv8的轻量化无人机目标检测算法(PC-YOLOv8-n),可均衡网络检测精度与计算量,并对长尾分布数据有一定泛化能力。使用部分卷积层(PConv)替换YOLOv8中的3×3卷积层,对网络进行轻量化处理,解决网络冗余和计算量复杂的问题;融合双通道特征金字塔,增加自上而下的路径,将深层信息与浅层信息进行融合,同层引入轻量化注意力机制,提升网络的特征提取能力;采用均衡焦点损失(EFL)作为类别损失函数,通过均衡尾部类别在网络训练时的梯度权重,增加网络的类别检测能力。实验结果表明,PC-YOLOv8-n在VisDrone2019数据集中具有良好的表现,在mAP50精度上比原始YOLOv8-n算法提高了1.6个百分点,同时模型的参数和计算量分别降低为2.6×10^(6)和7.6 GFLOPs,检测速度达到77.2 FPS。

考虑信息年龄的无人机辅助智能交通系统计算卸载优化

该文考虑无人机(UAV)交通监测与移动边缘计算(MEC)技术结合的智能交通系统。为了保障系统中数据时效性并且降低系统能耗,提出计及信息年龄(AoI)的UAV计算卸载优化方法。首先,建立UAV辅助的MEC系统模型,允许MEC服务器缓存常用的应用程序并为UAV提供计算卸载,以支持UAV执行交通监测任务。通过联合优化UAV任务卸载决策、UAV上下行通信带宽分配以及被卸载任务的计算资源分配,最小化所有UAV与MEC服务器的总能耗,同时满足AoI与资源容量等约束条件。其次,系统能耗最小化问题是混合整数非凸优化问题,因此采用离散化和线性化手段,快速获得问题的近似最优解,并设计离散点生成算法来调节近似误差。最后,仿真结果表明,即使对于大型的非凸问题,所提方法也能够快速得到近似最优解,并且可以在不同的任务场景中满足AoI等约束条件,最大限度降低系统能耗。仿真结果验证了所提方法的有效性。

无人机作业参数对苹果树雾滴沉积分布的影响

为了研究植保无人飞机在苹果果树雾滴分布的情况,选用韦加JF01-20电动八旋翼四轴植保无人机作为测试平台,探讨飞行速度和喷雾助剂对于苹果果树雾滴分布的影响。试验设定了6组试验处理,以水敏纸为雾滴分布测试工具,分别布置在果树的上中下冠层,统计果树立体冠层的雾滴分布数据。研究结果表明:果树相同冠层水平面的雾滴分布差异性较大,雾滴分布的变异系数值范围在49.1%~227.6%之间变化;雾滴的分布数值结果在果树冠层从上至下逐步降低,雾滴分布的数值结果随着飞行速度的增加而降低,各雾滴测试指标的变化趋势相同;添加助剂后,各个试验处理以及冠层间的雾滴分布结果具有显著的提升。研究结果可为植保无人飞机应用于苹果果树的喷洒提供数据支持。

引入轻量级Transformer的无人机视觉跟踪

随着无人机在军事和民用领域的广泛运用,对于高精度、低功耗智能无人机跟踪系统的需求日益增加。针对目标跟踪算法在无人机跟踪场景下很难平衡跟踪精度和跟踪速度的问题,提出一种引入轻量级Transformer的孪生网络无人机目标跟踪算法SiamLT。使用Transformer对AlexNet网络进行改进,在增加最小计算量的情况下捕获全局特征信息。在目标模板与搜索区域匹配方面,联合Transformer和深度互相关运算提出一种二元相关模块,同时捕获目标模板与搜索区域之间的局部相关性和全局依赖关系。在分类回归网络中引入距离交并比,并采用多监督策略训练网络,以获取更准确的目标位置。在UAV123和UAV20L跟踪基准上的实验结果表明,SiamLT算法优于主流的目标跟踪算法,更有效地平衡了跟踪精度和跟踪速度。

露天矿无人机遥感边坡地表形变提取方法研究

针对当前露天矿边坡监测过程中存在的设备留有监测死角、点位布控缺乏依据、地质隐患解译困难、无人机(Unmanned Aerial Vehicle,UAV)影像点云重构复杂度高等问题,提出了一种基于无人机遥感的边坡地表形变提取方法。首先,通过分析UAV激光点云与影像特点构建点云序列;其次,利用融合尺度不变特征变换(Scale Invariant Feature Transform,SIFT)与圆柱形邻域搜索的改进迭代最近点(Iterative Closest Point,ICP)算法,实现点云序列的精准高效配准,提高边坡形变提取精度;最终,借助数字高程模型(Digital Elevation Model,DEM)叠加分析与可视化,精准定位边坡重点形变区域,直观提取边坡形变位置和大小,并结合正射影像图像特征进行形变区域分析与解译。以南芬露天矿为工程应用实例,研究表明:边坡形变模型标准偏差为0.032 m,对比全球定位系统-实时动态差分(Global Positioning System-Real Time Kinematic,GPS-RTK)实测形变值,形变中误差为0.012 m,能够快速实现大尺度复杂边坡地表扫描与形变提取,从而为地质灾害隐患分析、盲区边坡形变监测与地面监测设备科学布控提供技术支撑。

基于微型激光雷达的无人机智能化电力线路巡检技术研究

介绍了一种利用激光探测和测距(LiDAR)进行实时电力线检测的算法,并且对微型激光雷达无人机进行电力线路巡检抽象建模。通过使用平面分析法对巡检现场进行距离的比较来分割点云,并提取一组电力线候选点,这些点被拟合到线段上,线段根据它们的共线性质进一步分组比较。该方法可利用图像的共线特性完成特征检验,并在光线条件差以及线路背景复杂的环境下仍可获得较为可靠的巡检结果。案例中电力线路垂直平均误差最大为0.49 m,其他所有直线的估计平均误差都小于0.07 m,水平拟合时,所有平均误差都在0.14 m以内。验证了所提出基于微型激光雷达的无人机技术进行电力线路智能化巡检方法的有效性与可行性。

一种面向随机计算卸载的两层无人机能耗优化方法

当物联网设备(Internet of Things Device,IoTD)面临随机到达且复杂度高的计算任务时,因自身计算资源和能力所限,无法进行实时高效的处理。为了应对此类问题,设计了一种两层无人机辅助的移动边缘计算(Mobile Edge Computing,MEC)模型。在该模型中,考虑到IoTD处理随机计算任务时的局限性,引入多架配备MEC服务器的下层无人机和单架上层无人机进行协同处理。为了实现系统能耗最优化,提出了一种资源优化和多无人机位置部署方案,根据计算任务到达的随机性,应用李雅普诺夫优化方法将能耗最小化问题转化为一个确定性问题,应用差分进化(Differential Evolution,DE)算法进行多次变异、交叉和选择取得无人机的优化部署方案;采用深度确定性策略梯度(Depth Deterministic policy Gradient,DDPG)算法对带宽分配、计算资源分配、传输功率分配和任务卸载分配进行联合优化。实验结果表明,该算法相较于对比算法系统能耗降低35%,充分验证了其可行性和有效性。

基于上下文信息与特征细化的无人机小目标检测算法

无人机航拍图像中的目标检测是近年来研究的热点,针对无人机视角下目标小而密集、背景复杂导致检测精度低的问题,提出一种基于上下文信息与特征细化的无人机小目标检测算法。通过上下文特征增强模块,利用多尺度扩张卷积捕获与周围区域像素点的潜在关系,为网络补充上下文信息,并根据不同尺度的特征层自适应生成各层级特征图的输出权重,动态优化特征图表达能力;由于不同特征图细粒度不同,使用特征细化模块来抑制特征融合中冲突信息的干扰,防止小目标特征淹没在冲突信息中;设计了一种带权重的损失函数,加快模型收敛速度,进一步提高小目标检测精度。在VisDrone2021数据集进行大量实验表明,改进后的模型较基准模型mAP50提高8.4个百分点,mAP50:95提高5.9个百分点,FPS为42,有效提高了无人机航拍图像中小目标的检测精度。

高阶深度可分离无人机图像小目标检测算法

当前无人机图像中存在小目标数量众多、背景复杂的特点,目标检测中易造成漏检误检率较高的问题,针对这些问题,提出一种高阶深度可分离无人机图像小目标检测算法.首先,结合CSPNet结构与ConvMixer网络,深度可分离卷积核,获取梯度结合信息,并引入递归门控卷积C3模块,提升模型的高阶空间交互能力,增强网络对小目标的敏感度;其次,检测头采用两个头部进行解耦,分别输出特征图分类和位置信息,加快模型收敛速度;最后,使用边框损失函数EIoU,提高检测框精准度.在VisDrone2019数据集上的实验结果表明,该模型检测精度达到了35.1%,模型漏检率和误检率有明显下降,能够有效地应用于无人机图像小目标检测任务.在DOTA 1.0数据集和HRSID数据集上进行模型泛化能力测试,实验结果表明,该模型具有良好的鲁棒性.

基于分数阶滑模控制的无人机轨迹跟踪控制器设计

四旋翼无人机在农业、工业和国防等领域广泛应用,但其复杂的系统特性和对扰动的敏感性使得控制变得困难。首先,考虑分数阶方法具有良好的鲁棒性以及调节灵活性的优点,将整数阶积分滑模面和改进的分数阶指数趋近律相结合,设计出了一种新的分数阶积分滑模控制器。然后,将所设计的分数阶积分滑模控制器应用于四旋翼无人机轨迹跟踪控制问题。仿真结果表明,所提控制器作用下的四旋翼无人机进行轨迹跟踪时响应速度快、无超调,且对外界干扰具有较强的鲁棒性。

基于改进卷积神经网络和射频指纹的无人机检测与识别

针对无人机(UAV)在图像识别时易受环境干扰,而传统信号识别难以准确提取特征且实时性较差的问题,提出一种基于改进卷积神经网络(CNN)和射频(RF)指纹的无人机检测识别方法。首先,使用通用软件无线电外设(USRP)捕获环境中的无线电信号,经过多分辨率分析获取偏差值,检测是否为无人机射频信号;其次,将检测到的无人机射频信号经过小波变换和主成分分析(PCA)处理,获得射频信号频谱,作为神经网络的输入;最后,构建轻量级残差神经网络(LRCNN),输入射频频谱进行网络训练,进行无人机的分类识别。实验结果表明,所提方法可以有效检测并识别无人机信号,平均识别精度可达84%;在信噪比(SNR)大于20 dB时,LRCNN的识别精度达到了88%,相较于支持向量机(SVM)、原始OracleCNN分别提高31和7个百分点,在识别精度和鲁棒性方面比这两种方法均有所提升。

基于无人机巡检与深度学习的河道整治施工进度图像识别

长线性小流域治理工程中的河道衬砌、生态护岸等距离长、范围广、布置分散,且工区交通不便,人工巡检费时费力,难以及时掌握工程的整体施工进度形象面貌。提出了基于无人机巡检与深度学习的河道整治施工进度智能图像识别方法,通过定位施工节点(施工区域起点和终点)的位置计算施工进度。首先,建立了施工区域目标检测模型,针对无人机航拍影像进行河道衬砌护岸施工区域的识别以及施工节点的定位;然后,利用尺度不变特征变换(scale-invariant feature transform,SIFT)算法对不同视频帧中的施工节点进行匹配,并基于单目视觉的运动视差法,计算施工节点的实际工区坐标;最后,计算当前衬砌护岸施工进度,并分析进度偏差。结果表明:该方法得到的施工节点定位平均误差为1.026 m,平均相对误差为0.74%,该方法能够较为准确地从航拍图像中识别得到当前衬砌护岸的施工进程,从而实现长线性工区快速巡检,及时掌控现场施工进度,提高工程管理的智能化水平。

利用无人机有源标定仪开展天气雷达远场标定试验

文章针对天气雷达缺乏远场标定能力的现状,提出利用无人机有源标定仪开展天气雷达远场标定的方案。通过给出无人机有源标定仪开展天气雷达远场标定试验的测试项目与条件,完成了对雷达天线、发射通道和接收通道的标定测试,试验结果符合相关技术要求。后期将对标定仪做进一步改进和完善,以期更好地满足雷达标定业务需要。

基于定位、速度双误差的物流无人机碰撞概率分析

物流无人机(UAV)批量运行会存在一定的碰撞风险,为量化UAV之间在空中的碰撞概率,针对物流UAV空中运行阶段开展建模分析其碰撞风险。基于冲突区域理论,建立定位、速度双误差的UAV碰撞概率模型,分析不同夹角情况下物流UAV碰撞概率变化情况。分析识别美国联邦航空管理局官网中关于民用小型UAV的事故/事件数据中的关键风险因素。结合2万飞行小时的物流UAV故障数据建立UAV安全飞行间隔模型,给出可接受安全水平下的最短飞行间隔。探究在给定飞行间隔前提下不同航迹角以及不同风向对UAV之间碰撞概率的影响。结果表明:当物流UAV之间最短安全间隔大于90.71 m时,所有飞行场景下UAV的风险水平均在可接受范围之内。当航迹角为30、60、90°时,碰撞概率随风向变化的波动范围较小,其中,航迹夹角为90°时最稳定。而当夹角为140°时,碰撞概率的波动范围较大,UAV安全飞行对环境因素更为敏感。