基于多传感器信息融合的无人机自主精确导航技术

无人机自主导航是保证无人机成功完成各种任务的关键技术之一。随着机载传感器性能的不断提高,利用多传感器信息融合实现自主精确导航将是一个重要的发展趋势。结合目前多传感器信息融合技术在各种航行器导航应用中所取得的成果,对基于多传感器信息融合的无人机自主精确导航技术进行分析和评述。剖析了其中的关键技术,包括自主导航系统结构、误差分析和精度分配、联合滤波器以及图像传感器信息融合等;并重点对图像传感器信息融合的关键部分,包括图像融合、图像匹配和景象区域适配性分析等进行了分析;最后从技术发展和未来应用两个角度进行进一步研究工作的展望。旨在为实现无人机自主精确导航提供有益参考。     

基于惯性传感器网络的分布式导航方法

通常的惯性导航冗余配置及其信息融合技术,是基于相同的系统状态模型,不适合分布式惯性传感器网络的应用。针对该问题,给出了一种基于惯性传感器网络的分布式导航方法,将多个惯性测量单元配置在载体不同部位,不仅能提供冗余的导航信息,还能提供局部运动测量。在惯性网络结构分析基础上,建立了惯性网络动态测量模型,采用最大似然估计和信息滤波法,设计了分布式惯性测量融合与导航状态融合的分阶段信息融合算法,通过仿真进行了验证。结果表明,所提方法充分利用了其他节点的惯性传感器信息和同类导航状态信息,可以提高整个惯性传感器网络的估计性能和故障容错能力,在提高低性能节点导航精度的同时实现对高性能节点的自动对准。     

面向室外自然环境的移动机器人视觉仿真系统

基于视觉传感器的道路跟踪、导航是移动机器人自主行驶的重要组成部分。主要是对二维视觉传感器CCD彩色摄像机、三维视觉传感器激光雷达、以及立体视觉进行了仿真。通过设定OpenGL中基于针孔摄像机模型视锥的各项参数、截取并保存屏幕象素来实现摄像机仿真;利用射线跟踪的方法进行激光雷达的仿真;通过提取地形数据的方法进行立体视觉的仿真。该仿真系统能够比较真实的反映移动机器人在行进过程中的传感器数据获取情况,利用该系统可以很好的为以后的模块如融合和规划提供仿真实验数据。     

推广的多传感器数据融合算法

本文对工程实际中多传感器系统线性化后存在未知的系统误差，测量噪声具有指数衰减相关，且与状态噪声相关的问题，提出了推广的多传感器数据的分层融合算法和多传感器自适应数据融合算法，给出了计算流程图，可以对目标的状态进行实时估计，这两种算法对防空导弹体系制导雷达组网数据融合具有理论意义与实用价值。     

一种扩展的直接航迹融合方法研究

在分布式多传感器数据融合系统中，各单传感器类型不同情况下的融合问题是一类普遍的问题。本文从直接航迹融合算法的推导过程提出了一种解决这一类问题的方法，包括融合状态设定方法、基于最大似然估计的方法。     

一种基于多传感器数据融合的目标跟踪算法

论述了目标跟踪的原理和数据融合技术,为了解决移动机器人系统中的传感器存在大量不确定性问题,提出了一种交叉传感器交叉特征(CSCM)数据融合算法,这种算法基于粒子滤波技术,融合多个传感器的信息,合并不同的状态空间模型,以此减弱系统和测量噪声,来估计移动机器人的位置和角度.在仿真实验中,我们分别比较了单一传感器和多传感器数据融合的不同情况,结果表明了这种算法的有效性,并展现了良好的跟踪性能.     

融合视惯传感数据的非接触式物体尺寸获取方法

从视觉数据和惯性测量单元(Inertial Measurement Unit, IMU)数据各自的特点出发,利用计算机视觉三维重建技术从视觉数据中恢复视觉传感器的六维位姿信息,分析计算惯性测量数据和视觉位姿数据的时空关系,实现融合视惯传感数据的场景重建及尺度估计,进而获取待测对象的绝对物理尺寸数据。上述方法在实验数据上取得了相对误差约为3%的非接触式物体尺寸估计结果,由于该方法无需在待测场景中嵌入额外标定物或辅助定位装置,具有较好的灵活性和适用范围。     

基于强跟踪滤波器估计的最优融合方法

在分布式雷达数据处理模式中 ,数据融合是获得较精确的目标轨迹的主要环节。为克服卡尔曼滤波器对初始值敏感、鲁棒性差和对机动目标跟踪性能差的缺陷 ,通过利用各传感器的观测数据 ,采用强跟踪滤波器对目标进行跟踪 ,以改善目标状态估计的精度。对判定源于同一目标的状态估计值 ,给出了一种估计状态线进行性组合的最优融合准则。得出了实际数据的实验结果。     

基于不完全观测数据的多速率多传感器数据融合

研究了一类时变线性动态系统,在不同传感器以不同采样率对同一目标进行观测,并且各个传感器的观测数据存在不规律丢失情况下,给出了一种有效的信息融合方法。该方法通过数学推导,将多速率传感器数据融合转化为单速率传感器数据融合问题,并采用修正的联邦Kalman滤波器进行状态估计。新算法不需要对状态或观测进行扩维,计算量适当,从而保证了算法的实时性。在观测数据丢失的时刻,采用外推的观测值代替错误的观测数据,从而避免了传统算法的发散。理论分析和仿真实验验证了算法的有效性。     

基于两级扩展Kalman滤波的海上多平台误差配准算法

为了建立统一态势图,利用平台的低精度导航信息和相互测量的位置信息来进行海上多平台传感器数据位置对准,避免了对高精度导航设备的依赖以及将地表近似为平面所带来的误差。分析数据位置对准过程中的主要误差来源,给出对准的坐标变换模型,分别构建关于导航系统误差和传感器系统误差的测量方程和状态方程,设计两级扩展Kalman滤波配准算法对两种系统误差进行在线估计和补偿,完成海上多平台的误差配准,为后续数据关联和融合提供更高精度的传感器数据。仿真实验结果验证了算法的正确性和有效性。     

基于模型转换频率估计的低空目标分类

为解决传统机械扫描预警雷达的低空目标分类问题, 提出一种利用模型转换频率估计的飞鸟与无人机目标分类方法。首先, 建立可能的无人机和飞鸟目标运动模型, 进而对目标轨迹进行多模型滤波和平滑处理。然后, 通过估计目标的模型转换频率实现目标分类。仿真结果验证了所提方法的鲁棒性和有效性, 证明经过平滑处理的目标分类结果优于仅经过滤波处理。针对低空预警雷达在机场和海岸环境中采集的真实数据, 在无人机频繁改变飞行方向模拟飞鸟机动性特征的情况下, 所提方法仍然可以较好地跟踪和区分无人机与飞鸟目标, 大幅降低了雷达系统的虚警率。     

基于DNN的无人机数据OFDM传输技术

针对无人机信道含多径、多普勒频移,还易受到外来干扰和高功率放大带来的非线性失真影响的问题,提出一种基于深度神经网络(deep neural network,DNN)的无人机正交频分复用(orthogonal frequency divi-sion multiplexing,OFDM)数据传输技术.下行链路采用OFDM系...     

基于Flightgear模拟器的实时可视化飞行仿真系统

针对国外某型无人飞行器,建立了非线性六自由度飞行模型和自主导航控制系统,在此基础上,利用Flightgear飞行模拟器外部数据输入/输出接口,将飞行仿真数据通过网络实时传递,驱动Flightgear可视化引擎,实现飞行仿真中,飞行姿态、天气条件和地理环境的三维实时可视化显示。仿真试验表明,该可视化飞行仿真系统可扩展性强,开发周期短,系统建设简单,使用方便,为今后的深入研究打下了良好基础。     

Nakagami信道基于16APSK的加权信噪比估计算法

自适应编码调制(adaptive coded modulation, ACM)技术是一种提高无人机(unmanned aerial vehicle, UAV)数据链吞吐量性能的有效方法,信道估计的准确性是决定ACM系统性能的关键因素之一,直接影响UAV数据链的吞吐量性能。首先对Nakagami衰落信道进行分析建模,推导了信号经过衰落信道后的表示方法。其次对Nakagami衰落信道下基于多进制数字相位调制(multiple phase shift keying, MPSK)的信噪比(signal-to-noise ratio, SNR)估计算法进行推导和分析,仿真结果表明三阶矩(third order moments, M3)SNR估计算法比传统的二〖JP2〗阶矩四阶矩(second and fourth moments, M2M4)SNR估计算法具有更好的估计性能。最后,针对Nakagami衰落信道下的现有估计算法对非恒包络调制信号估计性能差的问题,提出了一种适用于非恒包络的16阶振幅移相键控(amplitude phase shift keying, APSK)信号的加权SNR估计算法,该算法利用接收信号的先验信息和信号的阶矩关系进行SNR估计,具有复杂度低,估计精度高等优势。理论分析与仿真结果表明:所提出的算法可以有效地对16APSK调制信号进行SNR估计,且相比于M2M4算法,利用M3信息进行信道估计的加权SNR估计算法具有更高的估计精度。     

基于NMPC的无人机自主防撞控制方法

针对非合作条件下的无人机自主防相撞控制问题,在分析无人机与入侵飞机在三维空间几何关系的基础上,提出并证明了相撞冲突判决准则,定义最小间隔和剩余冲突消解时间衡量无人机与多入侵飞行器间的冲突紧急程度,建立了无人机自主防撞最优控制模型。基于非线性模型预测控制方法建立三维空间无人机自主防撞控制算法,运用剪枝搜索方法提高算法求解时效性。仿真实验表明,所提算法实现多无人机高动态环境下的防撞控制,能够有效降低无人机飞行安全威胁。     

无人机系统的电磁环境效应分析

战场环境的不断恶化和电磁环境自身的复杂,要求无人机系统具有良好的环境适应能力。分析了战场电磁环境对无人机系统的影响,建立了与无人机系统相关的典型电磁环境模型,提出了系统分析电磁环境效应的方法,并依据电磁兼容性标准和系统性能,为无人机系统电磁环境效应仿真和预测提供了一个评估准则。     

A Second-Order Sliding Mode Controller of Quad-Rotor UAV Based on PID Sliding Mode Surface with Unbalanced Load

Quad-rotor unmanned aerial vehicle(UAV) is a typical multiple-input-multiple-output underactuated system with couplings and nonlinearity. Usually, the flying environment is very complex,so that it is impossible for the UAV to avoid effects derived from disturbances and uncertainties. In order to improve the reliability of flight control, we established the dynamic model of quad-rotor UAV by Newton-Euler equation in unbalanced load conditions. Considering external disturbances in the attitude, a second-order sliding mode controller was designed with PID sliding mode surface and Extended State Observer(ESO). The simulation experiments have got good control performance,illustrating the effectiveness of our controller. Meanwhile, the controller was implemented in a quadrotor UAV, which carried a pan-tilt camera for aerial photography. The actual flight experiments proved that this paper dealt with the high stabilization flight control problem for the quad-rotor UAV,which laid a good foundation for autonomous flight of the UAV.     

基于环境适应性的无人机电磁仿真研究

电磁环境的日益恶化使得无人机面临着前所未有的威胁。本文通过分析可能遭遇的电磁信号，结合战场电磁环境数据库和任务飞行规划，对基于环境适应性的无人机电磁半实物仿真技术进行了研究，并依据外界电磁环境对无人机的威胁途径，在一定程度上可归结为天线端口和机载电缆，提出了天线端口注入和机载电缆注入的电磁环境仿真方法，从而克服了传统全实物仿真中无法动态仿真电磁环境的弊端，降低了对仿真试验设备和场地的要求。     

基于Simulink的无人机六自由度仿真

加装滑翔增程组件的炸弹气动外形和无人机类似,研究无人机的运动特性将对研究滑翔增程组件起到重要作用。利用Simulink对无人机进行六自由度建模,分析无人机在滑翔过程当中的运动姿态特性,副翼对无人机运动的影响,无人机在风干扰的环境中的运动姿态特性,通过这些分析,可以对炸弹的滑翔增程组件的设计起到至关重要的作用,可为后续的控制、制导、导航研究打下基础。     

基于共生仿真的UAV自适应路径规划决策支持平台研究

共生仿真系统是一种新的离散事件仿真范型,是系统仿真发展的新趋势之一。首先引入共生仿真思想,研究共生仿真系统体系结构及其各组成部分的功能;接着将共生仿真思想应用于动态环境下的无人机路径规划,分析并建立基于共生仿真的无人机自适应路径规划决策支持平台原型,为无人机的动态实时路径规划提供支撑;最后给出了一个原型实现。该研究既探索一条实现共生仿真的途径,也为研究动态环境下无人机自适应路径规划方法提供一种新的思路。