基于IMM-UIF的多无人机纯角度机动目标跟踪

针对单无人机不能及时捕捉到目标的运动状态信息,很容易跟丢目标的问题,结合无迹信息滤波(UIF)算法和交互多模型(IMM)算法,提出了基于IMM-UIF的多无人机分布式融合估计算法。将各个无人机上的观测信息传输至中心节点,并统一优化各无人机的控制输入。仿真结果表明,基于IMM-UIF的多无人机分布式融合估计算法比基于IMM-UIF的单无人机跟踪精度提高了约30%,有效融合多无人机平台的量测信息,实现对目标稳定的高精度跟踪。     

变化姿态角下的相位变化率无源定位方法研究

无源定位技术有着广阔的应用前景。在现有单站无源定位方法的基础上 ,介绍了相位变化率定位法。该方法利用观测平台上两个相互正交的相位干涉仪接收目标辐射电磁波的相位获取目标的方向信息 ,利用对应的相位变化率获取目标的径向距离信息 ,从而实现对目标的实时高精度定位。提出了在空中观测平台发生飞行姿态变化情况下的定位求解思路 ,即利用姿态变化条件下的测量数据直接求出目标在姿态变化前的原始载机坐标系中的位置。文中给出了这一思路下相应的定位表达式并引入修正增益扩展卡尔曼 (MGEKF)算法对原始定位结果进行滤波处理。仿真结果表明 ,该方法是一种发展前途较好的单站无源定位方法     

一种机载合成孔径雷达自主定位算法

针对机载合成孔径雷达(SAR)的应用,开展机载SAR自主定位技术研究,提出通过对目标所在区域多次成像进行机载SAR自主定位的算法。该算法不受载机速度和角度误差的影响,仅利用载机瞬时位置和雷达与目标之间的距离,能够大幅提高机载SAR自主定位精度;并在载机凝视目标飞行时提出基于最小二乘的定位算法,进一步提高定位精度。最后对机载SAR实测试飞数据进行处理,并与传统的基于距离多普勒(R-D)模型的定位方法进行了比较,处理结果验证了提出的算法能够大幅提高机载SAR自主定位精度。     

基于边界的无人机主动SLAM算法

同步定位与地图构建技术是无人机实现真正自主导航的关键。为克服被动同步定位与地图构建算法的缺陷,研究了基于边界的无人机主动同步定位与地图构建算法。在无人机的探测区域周围产生候选边界点,通过建立合理的目标函数,从候选边界点中选择目标点,控制无人机朝该目标点方向运动,再运用扩展卡尔曼滤波算法更新无人机的运动状态。通过建立的无人机简化模型,对提出的算法和随机同步定位与地图构建算法进行对比研究,仿真结果表明该算法是有效可行的。     

用于越肩发射的方位校正导引

当越肩发射攻击后方目标时 ,如果载机不能提供有关目标的完全信息 ,用普通的导引方法完成“越肩”火控过程是不可能的。针对这一问题 ,提出了非完全目标信息方位校正导引方案 ,它不依赖于载机的前视或后视雷达 ,只利用载机上的雷达传感系统提供的有限的目标方位信息 ,让导弹在攻击平面内载机测量到的目标方位线上搜索目标 ,实现越肩发射中的“越肩”。仿真结果表明 ,该方案是一种可行的导引方案     

GPS移动基准站差分定位算法

相对导航定位技术在空中加油任务中起着至关重要的引导作用。针对传统差分定位模式受限于基准站位置固定、覆盖范围有限等问题,研究了一种无固定基准站差分定位方案,实现了短基线高精度动态相对定位。该方案首先基于实时伪距单点定位求得移动站近似坐标,结合载波信息进行站间差分,求得单差模糊度浮点解及更高精度的移动站坐标。之后,再利用双差观测方程,并采用扩展Kalman滤波(Extended Kalman Filtering,EKF)算法获得移动站精确坐标和双差模糊度浮点解。最后,采用LAMBDA算法进行模糊度快速固定,获得最终定位结果。实验结果表明,所采用的无固定基准站差分定位方案使得基线长度均方差小于5cm,达到了较高的动态相对定位精度。     

基于形态自适应网络的无人机目标跟踪方法

针对无人机影像目标跟踪过程中常出现的目标方向变化、目标遮挡变化、样本多样性不足等问题,提出了一种基于形态自适应网络的无人机航空影像目标跟踪算法。首先使用基于数据驱动的方法对数据集进行扩增,添加了遮挡样本和多旋转角度样本,提高样本多样性;提出的形态自适应网络模型通过旋转不变约束改进深度置信网络,提取强表征能力的深度特征,使得模型能够自动适应目标形态变化,利用深度特征变换算法获取待检测目标的预定位区域,采用基于Q学习算法的搜索机制对目标进行自适应精准定位,使用深度森林分类器提取跟踪目标的类别信息,得到高精度的目标跟踪结果。在多个数据集上进行了对比实验,实验结果表明该算法能够达到较高的跟踪精度,可以适应目标旋转、目标遮挡等形态变化情况,具有较好的准确性和鲁棒性。     

基于改进向量场直方图算法的无人机动态避障策略

目前传统向量场直方图(VFH)算法存在易陷入局部陷阱的缺陷，本文提出了基于陷阱检测机制与动态阈值更新策略的改进VFH算法，更加符合局部未知环境下无人机路径规划的要求，并针对复杂未知场景中无人机避障问题，提出了基于A^*算法和改进VFH算法的避障算法。首先，无人机根据全局已知障碍物信息，基于A^*算法构建目标航路点；其次，在目标航路点不可达的情况下，无人机根据运动状态与激光雷达探测到的地形信息，基于改进向量场直方图算法进行局部规划。在局部规划中，针对传统VFH算法存在的缺陷进行了改进：针对传统VFH算法的无记忆性导致在一些特殊场景中易陷入局部陷阱，本文提出陷阱检测机制的VFH算法，动态选择历史信息增强向量场直方图算法的记忆性，无人机可自主检测陷阱并及时跳出；针对向量场直方图算法的阈值敏感性问题，设计了动态阈值更新策略，使得无人机能够在复杂或稀疏的障碍物环境中，动态平衡避障安全性和抵达目标的时效性。最后，通过对比仿真验证了算法的有效性，为传统VFH算法易陷入局部陷阱的缺陷提供了一种解决方法。     

基于多尺度融合的自适应无人机目标跟踪算法

针对无人机（UAV）跟踪过程中目标的尺寸小、尺度变化大和相似物干扰等问题，提出了一种基于多尺度注意力和特征融合的自适应无人机航拍目标跟踪算法。首先，考虑到无人机视角下干扰信息多，构建了深层多样化特征提取网络，提供鲁棒表征目标的语义特征和多样化特征；其次，设计的多尺度注意力模块，抑制干扰信息的同时保留了不同尺度的目标信息；然后特征融合模块将不同层特征进行融合，有效整合了细节信息和语义信息；最后，使用多个基于无锚框策略的区域建议模块自适应感知目标的尺度变化，充分利用整合的特征信息实现对目标的精准定位与稳定跟踪。实验结果表明：该算法在数据集上的成功率和准确率为61.7%和81.5%，速度为40.5 frame/s。该算法对目标的辨别能力、尺度感知能力和抗干扰能力明显增强，能有效应对无人机跟踪过程中的常见挑战。     

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。     

区域导航无人机空中基准站的多源信息融合容错导航系统研究

作为卫星导航系统的补充和备份,区域导航服务系统近年来得到较大发展。在基于无人机的区域导航服务系统中,无人机自身的定位精度对区域导航服务系统的可靠运行有直接的影响。针对无人机导航传感器及系统的容错和可靠性问题,设计了具有针对性和自优化功能的多源信息融合容错导航方案,提出了一种优化的基于矢量分配形式的自适应联邦滤波算法。通过对每个状态量设计不同的信息分配系数,实现传感器量测噪声的动态优化调整,有效减小了传感器故障对融合导航系统的影响,提高了无人机导航系统的鲁棒性。验证分析表明,该方法可以减小子滤波器故障信息对融合导航系统联邦滤波全局估计的影响,避免了故障子滤波器在信息重置过程中对系统造成的污染,提高和保障了无人机空中基准站多源信息融合导航系统的稳定性和可靠性。     

无人机下滑着陆DGPS/INS导航及引导系统的仿真与试验研究

介绍了一种采用输出校正方式DGPS/INS组合导航系统引导无人机下滑着陆的方案。给出了该方案的数学模型,对组合导航系统进行了数字仿真,并在数字仿真的基础上进行了动态跑车试验,验证了所设计的输出校正方式DGPS/INS组合导航系统能够满足引导无人机自动下滑着陆的精度要求。     

北斗导航系统及其在无人机上的应用

结合卫星导航系统,对我国自主研发的北斗卫星导航定位系统做了简要介绍。针对其在无人机(UAV)上的典型应用结构,系统地阐述了BD对无人机导航系统的可靠性、精确性、自主性以及机动能力等所起的改善和提升作用,并对其进一步发展提出了建议。     

Autonomous airborne navigation in unknown terrain environments

We address the issue of autonomous navigation, that is, the ability for a navigation system to provide information about the states of a vehicle without the need for a priori infrastructure such as GPS, beacons, or a map. The algorithm is known as simultaneous localisation and mapping (SLAM) and it is a terrain aided navigation system (TANS) which has the capability for online map building, and simultaneously utilising the generated map to bound the errors in the navigation solution. Since the algorithm does not require any a priori terrain information or initial knowledge of the vehicle location, it presents a powerful navigation augmentation system or more importantly, it can be implemented as an independent navigation system. Results are first provided using computer simulation which analyses the effect of the spatial density of landmarks as well as the quality of observation and inertial navigation data, and then finally the real time implementation of the algorithm on an unmanned aerial vehicle (UAV).     

Use of land＇s cooperative object to estimate UAV＇s pose for autonomous landing

The research of unmanned aerial vehicles＇（UAVs＇）autonomy navigation and landing guidance with computer vision has important signifcance.However,because of the image blurring,the position of the cooperative points cannot be obtained accurately,and the pose estimation algorithms based on the feature points have low precision.In this research,the pose estimation algorithm of UAV is proposed based on feature lines of the cooperative object for autonomous landing.This method uses the actual shape of the cooperative-target on ground and the principle of vanishing line.Roll angle is calculated from the vanishing line.Yaw angle is calculated from the location of the target in the image.Finally,the remaining extrinsic parameters are calculated by the coordinates transformation.Experimental results show that the pose estimation algorithm based on line feature has a higher precision and is more reliable than the pose estimation algorithm based on points feature.Moreover,the error of the algorithm we proposed is small enough when the UAV is near to the landing strip,and it can meet the basic requirements of UAV＇s autonomous landing.     

基于导向强化Q学习的无人机路径规划

随着无人机的广泛应用,其飞行能耗和计算能力面临着瓶颈问题,因此无人机路径规划研究越来越重要。很多情况下,无人机并不能提前获得目标点的确切位置和环境信息,往往无法规划出一条有效的飞行路径。针对这一问题,提出了基于导向强化Q学习的无人机路径规划方法,该方法利用接收信号强度定义回报值,并通过Q学习算法不断优化路径;提出"导向强化"的原则,加快了学习算法的收敛速度。仿真结果表明,该方法能够实现无人机的自主导航和快速路径规划,与传统算法相比,大大减少了迭代次数,能够获得更短的规划路径。     

陆用定位定向系统自主导航技术

由于车载自主导航精度受作战半径影响,长航时使用需要一定的保障条件,难于实现无依托发射的问题,提出了一种定向精度不受导航时间影响、定位精度不受作战半径影响的自主导航方案。通过分析惯性旋转调制导航、惯性/里程计组合原理及误差特性,采用罗经效应原理实现了高精度长航时自主定向;通过旋转调制导航抵消惯性器件误差的影响,利用航位推算隔离载体加速度和速度对罗经效应的影响,使航向误差完全可观,提升实时估计与修正精度。在此基础上引入了地图匹配技术进行自主定位,解决陆用定位精度与行驶里程相关的问题。仿真和试验结果表明,该技术采用地图信息辅助定位定向系统进行自主导航,在较低保障要求下,能够解决定向、定位误差积累问题,具有较强的理论意义和工程实用价值。     

惯性信息辅助的大视角目标快速精确定位

目标定位技术广泛应用于航空领域的侦察机、无人机等各类侦察打击任务中,目标定位精度的高低及效率对作战效果具有重要影响。针对仿射尺度不变的特征变换(ASIFT)算法对远距离大视角目标定位精度较低、速度较慢的问题,提出了一种基于惯性信息辅助的大视角目标快速精确定位方法。该方法首先对目标实测序列图像构造尺度空间,结合FAST特征检测与FREAK特征描述的方式进行匹配,实现对待定位目标的快速提取;然后利用机载惯性信息求解目标实测图与参考图之间的透视变换矩阵,利用该矩阵对实测图进行变换以减小图像间视角差异,克服了ASIFT算法盲目匹配计算的弊端,并通过FAST特征检测与FREAK特征描述相结合的方式提升了大视角图像的匹配速度;最后通过单应性矩阵映射关系实现对目标的精确定位。实验结果表明,大视角目标快速精确定位方法匹配耗时比ASIFT算法的减小了1个数量级,定位精度比目标平均值定位算法精度提高了1个数量级,有效提高了图像匹配定位在航空领域的应用效率。     

一种基于语义信息辅助的无人机视觉/惯性融合定位方法CSCD

视觉传感器在无人机室内定位中发挥着重要作用。传统基于特征点的视觉里程计算法通过底层亮度关系进行描述匹配,抗干扰能力不足,会出现匹配错误甚至失败的情况,导航系统的精度及鲁棒性有待提升。由于室内环境存在丰富的语义信息,提出了一种基于语义信息辅助的无人机视觉/惯性融合定位方法。首先,将室内语义信息进行因子建模,并与传统的视觉里程计方法进行融合;然后,基于惯性预积分方法,在因子图优化中添加惯性约束,以进一步提高无人机在动态复杂环境下的定位精度和鲁棒性;最后,通过无人机室内飞行试验对算法的定位精度进行了分析。试验结果表明,相较于传统的视觉里程计算法,该方法具有更高的精度和鲁棒性。     

无人机抗干扰防诱骗技术分析

无人机以其独特优势在侦察探测和武装打击等领域得到广泛应用,并在世界范围内多处战场上大放异彩。然而,针对无人机的干扰、诱骗和捕获问题不断发生,反无人机作战越来越成为各国军事研究热点。从无人机光学、热能散射、雷达反射、电磁信号、磁场和声学等目标特征分析了探测侦收技术,针对无人机测控和导航链路方面研究了干扰压制技术,并分析了对无人机的主要诱骗捕获方式。在此基础上,在探测侦收、干扰压制和诱骗捕获3个方面对无人机抗干扰防诱骗主要手段进行了技术分析,并提出了加强中远程空空中继链路、自主导航技术、智能化以及信息安全一体化设计研究等发展建议。