[发明专利]一种复杂环境下的无人机集群无源定位方法及装置有效
| 申请号: | 202210158592.4 | 申请日: | 2022-02-21 |
| 公开(公告)号: | CN114543810B | 公开(公告)日: | 2023-06-13 |
| 发明(设计)人: | 王伟;周永坤;丁博文;饶彬;王涛;周颖;邹小海;徐峰 | 申请(专利权)人: | 中山大学 |
| 主分类号: | G01C21/20 | 分类号: | G01C21/20 |
| 代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 梁嘉琦 |
| 地址: | 510275 *** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 复杂 环境 无人机 集群 无源 定位 方法 装置 | ||
1.一种复杂环境下的无人机集群无源定位方法,其特征在于,包括:
根据已侦测到目标对象的目标无人机采集所的定位信息,对所述目标对象进行粗定位,得到所述目标对象的粗定位信息;
将所述粗定位信息传递至所述目标无人机邻域的相邻无人机,并调整所述相邻无人机的侦测方向,以使得所述相邻无人机对所述目标对象进行侦测;
根据所述粗定位信息、所述目标无人机的自身位置信息以及所述目标无人机实时获取到的目标方位信息,对所述目标对象的位置进行修正,得到第一位置信息;
将所述相邻无人机侦测到的目标对象的位置信息与所述第一位置信息进行加权融合,得到所述目标对象的最终位置估计结果;
所述将所述相邻无人机侦测到的目标对象的位置信息与所述第一位置信息进行加权融合,得到所述目标对象的最终位置估计结果,包括:
根据多元函数求极限理论,计算最小均方误差下各个目标无人机量测值对应的加权系数;
根据所述加权系数计算所述加权融合后得到的误差协方差矩阵;
根据所述误差协方差矩阵,计算所述目标对象的最终位置估计结果;
其中,所述加权系数的计算公式为:
ωk,n代表加权系数;k和n代表无人机的序号;代表第n架无人机的观测噪声方差;rk代表第k架无人机的通信半径;N代表无人机的总数量;
其中,所述误差协方差矩阵的计算公式为:
Rk代表观测误差的协方差矩阵;代表第n架无人机的观测噪声方差;rn代表第n架无人机的通信半径;
其中,所述目标对象的最终位置估计结果的计算公式为:
代表所述目标对象的最终位置估计结果;Rk代表观测误差的协方差矩阵;rn代表第n架无人机的通信半径;zk,n代表第n架无人机观测的目标位置信息。
2.根据权利要求1所述的一种复杂环境下的无人机集群无源定位方法,其特征在于,所述根据已侦测到目标对象的目标无人机采集所的定位信息,对所述目标对象进行粗定位,得到所述目标对象的粗定位信息,包括:
获取各个目标无人机中传感器的测量信息;
将所有传感器的测量信息融合,得到汇合信息;
通过PLE算法对所述汇合信息进行计算,得到所述目标对象的粗定位信息;
其中,所述通过PLE算法对所述汇合信息进行计算的计算公式为:
其中,代表所述目标对象的粗定位信息;A代表无人机集群的观测信息矩阵;b代表真实的目标方位信息。
3.根据权利要求1所述的一种复杂环境下的无人机集群无源定位方法,其特征在于,所述根据所述粗定位信息、所述目标无人机的自身位置信息以及所述目标无人机实时获取到的目标方位信息,对所述目标对象的位置进行修正,得到第一位置信息,具体为:
根据所述粗定位信息、所述目标无人机的自身位置信息以及所述目标无人机实时获取到的目标方位信息,通过MLE算法对所述目标对象的位置进行更新。
4.根据权利要求3所述的一种复杂环境下的无人机集群无源定位方法,其特征在于,
所述目标方位信息包括目标方位角测量值;
所述目标方位角测量值的似然函数的表达式为:
其中,代表所述目标方位角测量值的似然函数值;为所述目标无人机获取到的目标方位角信息的量测值;K为所述目标无人机的数量;是目标方位角量测噪声的对角协方差矩阵;θ(t)为t时刻所述目标无人机与所述目标对象之间的夹角;
所述目标对象的位置的更新公式为:
其中,pold表示更新前的目标对象的位置;pnew表示更新后的目标对象的位置;α为预设的学习率;和为代价函数的导数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210158592.4/1.html,转载请声明来源钻瓜专利网。





