GNSS拒止下面向目标监视的多无人机定位与控制方法

针对GNSS拒止环境下缺乏全局位置信息的静止目标持续监视问题,提出了一种仅基于方位角测量的多无人机分布式定位与控制方法。首先,设计一个无人机和目标之间的相对位置估计器,用来确定目标在每架无人机局部坐标系中的位置;其次,基于所估计的相对位置设计一个分布式控制算法,使无人机能够以规定的半径、圆周速度和无人机间的角度间隔围绕目标飞行,对目标持续进行全方位监视;最后,通过收敛性和稳定性分析理论证明了所提方法能够确保多无人系统收敛到期望的运动。通过仿真验证了所提方法能够实现GNSS拒止环境下多无人机对目标的持续监视。

无人机在GNSS拒止环境下的UWB定位系统研究

针对无人机在地下室、隧道等GNSS拒止环境下无信号或定位精度不足、无法实现无人机的自主航路规划的问题,提出一种可应用于现有无人机的UWB高精度无人机定位系统。该系统采用对称双边双向测距算法,简化了计算复杂度,并引入第一路径功率与累积信道脉冲响应功率的比值来抑制非视距误差;设计了GNSS消息仿真模型,将本地坐标转换为标准化全球导航卫星系统电文以仿真GNSS接收器。实验结果表明,该系统实现了无人机在GNSS拒止环境下的高精度定位,定位均方根误差小于0.5 m,可靠性为99%。

LSTM神经网络辅助的GNSS/VO组合定位方法

针对当全球卫星导航系统(GNSS)信号失锁时,GNSS与视觉里程计(VO)组合定位方法定位精度下降的问题,提出一种基于长短期记忆(LSTM)神经网络辅助的GNSS/VO组合定位方法:在GNSS工作正常情况下,利用视觉里程计的位移增量和姿态构建LSTM的特征向量,将GNSS解算的位置增量作为输出对LSTM神经网络进行训练;GNSS信号失锁环境中,使用LSTM神经网络输出结果推算得到伪GNSS观测值,并将其与VO的结果进行松组合,实现GNSS/VO组合定位。实验结果表明,在GNSS信号丢失30、60、120s的过程中,所提方法的定位精度可分别提高约62%、64%、69%,证明该方法能够有效地提高GNSS/VO组合定位方法在GNSS拒止环境下的定位精度。

基于多旋翼无人机视觉惯性里程计的设计与实现

针对GNSS信号受到干扰或在拒止环境下,多旋翼无人机的导航定位问题,设计一种多旋翼无人机视觉惯性里程计系统。介绍系统的总体设计方案、硬件选型与设计、软件系统搭建、通信协议规定以及算法设计思路。实验验证结果表明:该系统可以实际运行在多旋翼无人机上,当GNSS信号不可用时,仍可向飞控实时提供多旋翼无人机当前可用位姿,为多旋翼无人机视觉辅助导航设计提供参考。

基于自适应卡尔曼滤波的联合RSS/TOA/INS无人机定位算法

针对在全球导航卫星系统信号拒止环境下(如山地、隧道、峡谷)无人机集群常规定位方法受限问题,提出通过集群之间的协同定位,对卫星信号拒止的低成本无人机进行导航恢复的滤波方法,从而有效抑制纯惯性导航系统(INS)定位发散。在获取定位数据方面,首先采用基于超宽带(UWB)和Zigbee设备分别通过到达时间差(TOA)和接收信号强度(RSS)的测距方式得到测距信息,然后进一步利用最小二乘方法解算得到定位局部坐标。考虑到RSS测距远、精度低,而TOA测距精度高、测距范围小的特点,提出一种基于TOA/RSS/INS的序贯扩展卡尔曼滤波算法,通过引入自适应因子,为短程定位信息提供TOA/RSS两路定位冗余的同时,在长程TOA定位失效时仍可利用RSS定位来抑制惯性导航的发散。实验结果表明,该算法在近程可由RSS/TOA提供冗余测距信息,通过自适应因子可将定位精度改善至2m;在长程,尤其TOA定位失效的范围外,同样可以提供误差约为5m的定位信息。相对于传统扩展卡尔曼滤波,所提出的自适应序贯卡尔曼滤波算法有效提高了定位精度,为解决传统定位受限条件下的基于无人机无线电定位研究提供新的思路。

基于铱星/INS组合定位技术在船舶中的应用研究

GNSS拒止环境下惯性/GNSS组合导航系统的性能会严重恶化,通过利用并提取机会信号中的有用观测量,可以实现机会信号和惯性系统的联合动态定位。提出了利用铱星/INS组合定位技术实现船舶的动态定位。首先深入研究了铱星的信号体制,建立了利用铱星瞬时多普勒频移进行定位的算法模型;然后,提出了利用基于扩展卡尔曼滤波(EKF)技术的铱星机会信号与INS组合定位算法;最后,通过船舶航行实测数据对所提算法进行了试验验证。结果表明,提出的利用铱星机会信号和INS组合定位方法可以有效改善无GNSS信号条件下的INS定位精度,在GNSS信号拒止环境下解决了船舶定位问题,具有重要的研究意义和实用价值。

一种基于分簇的集群协同定位系统

随着硬件平台的进步和通信控制技术的发展,无人集群系统在民用和军用领域的应用越来越广泛。集群通过编队控制执行任务,而高效精准的定位是实现集群编队控制的基础。针对在全球导航卫星系统拒止/受限和非视距条件下执行大规模、高动态的集群定位场景,文中通过集群控制手段,构建了一套基于分簇的定位系统。该系统引入了测距时序优化方案和矩阵填充优化算法,通过卡尔曼滤波算法执行测量误差优化,为每个节点以高鲁棒性和灵活性提供高精度的相对位置估计。基于所提定位系统,文中设计了一套基于超宽带(UWB)的硬件设备,并通过场地实测,结合高效精准的标定方法,验证了所提出的定位系统的有效性。

基于记忆融合模式的多无人机分散式协同导航方法

针对多无人机协同交互过程中存在的通信时滞问题,提出基于记忆-融合的多无人机分散式协同导航算法。在无人机惯性和全球卫星导航系统(GNSS)紧组合导航框架基础上,建立含时滞影响的系统状态向量,并对系统状态误差及其方差进行推导,进一步构建关于各无人机状态的最优估计模型,并基于状态误差方差最小准则对状态进行最优估计。建立了基于机间相对测量的多无人机分散式协同导航算法,提出了基于记忆融合模式的时滞处理方法。在GNSS可获取及拒止环境下进行多无人机协同导航仿真与实验测试,结果表明,所提出的基于记忆-融合的分散式协同导航算法能有效补偿通信时滞造成的精度损失,有效提高定位精度。

基于卫星影像全局和局部深度学习特征检索的无人机绝对定位方法

随着无人机技术的逐渐成熟,越来越多的领域开始引入无人机执行任务。无人机具有使用成本低,环境适应能力强等优点,但其能够顺利执行空中任务的前提是对自身位置的准确定位。传统导航技术主要依赖GNSS,但GNSS存在不稳定、易受干扰等缺点,易出现无人机无法利用GNSS进行定位的情况,即GNSS拒止环境。针对GNSS拒止环境下无人机的导航定位问题,基于已知的卫星正射影像,提出了一种综合利用卫星影像局部和全局深度学习特征的无人机视觉检索定位方法。首先将ConvNeXt作为主干网络,与广义平均池化相结合组成检索特征提取算法,用于提取卫星和无人机影像的全局特征。针对检索定位的任务设计了考虑影像间重叠面积的三元损失函数,训练特征提取算法。然后根据全局特征对一定范围内的卫星影像进行检索。最后为了进一步提高检索得到目标影像的准确率,利用深度学习局部特征进行匹配重新排序。论文建立了面向无人机检索定位任务的训练和试验数据集,试验结果表明,对于完全重叠无人机模拟影像检索不同季节卫星影像,本文方法平均准确率达到90.9%,平均耗时2.22 s。在无人机实拍影像测试中准确率为87.5%,基本能够满足无人机导航定位需求。

多无人机辅助定位信标的区域导航定位算法

针对卫星导航系统在受到干扰不可用的情况,研究了多无人机(UAV)辅助的区域导航定位算法。以无人机作为空基信号播发平台,向地面用户广播其位置信息及同步时钟信号,地面用户通过接收无人机位置及与无人机的距离计算出其实时位置。以地面战车为例,为解决伪距单点定位算法中的矩阵不可逆问题,消除地面用户接收机的钟差,基于列文伯格-马夸尔特(LM)算法,提出一种地面用户的定位解算模型,同时,为提高一般最小二乘算法的计算精度,提出了两步最小二乘定位算法。在分析2种算法静态定位精度的基础上,设计了基于车载惯性传感器和无人机辅助定位信息的组合导航实现算法,实现了对战车的连续定位。仿真结果表明,在GNSS拒止环境下,利用无人机播发的定位信标信号并结合地面用户战车自带的惯性导航系统,可以实现对地面用户的可靠连续定位,满足一定区域范围内用户的导航定位需求。