多UUV协同导航与定位研究

多水下无人航行器(UUV)协同导航定位技术是解决海洋中间层(Middle Depth Zone)水下导航问题的重要途径,研究了主从式多UUv基于水声传播延迟(Time-Of-Flight,TOF)的协同导航定位问题.主从式导航结构中,主UUV内部装备高精度导航设备,从UUV内部装备低精度导航设备,外部均装备水声装置测量相对位置关系,利用扩展卡尔曼滤波(EKF)算法融合内部和外部传感器信息,对从UUV进行实时定位.研究结果表明,利用UUV的相对位置观测,可以显著提高导航定位精度.     

基于压缩传感的MIMO-OFDM水声通信信道估计算法

充分利用水声信道的稀疏特征,提出一种基于压缩传感理论的多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing, MIMO-OFDM)水声通信系统信道估计算法。在MIMO-OFDM水声通信系统模型的基础上,考虑Doppler频移的影响设计符合压缩传感理论框架的过完备字典,利用一系列非正交基在过完备字典下描述待重建信号。通过对比分析基追踪降噪、丹茨格选择器以及正交匹配跟踪3种算法的信道估计性能,进一步证明了算法的有效性。仿真实验结果表明,基于压缩传感的稀疏信道估计算法具有优于传统最小二乘算法的信道估计精度,并且在最小二乘矩阵求逆奇异的情况下仍能准确地估计出信道参数;在计及Doppler频移的影响时,直接压缩传感估计优于补偿后的压缩传感估计方法。     

基于无线局域网的多机器人通信系统性能分析

通信是多机器人之间进行信息交互并实现协作的基础.因此,了解与考虑多机器人系统的通信性能是构造具有实用价值的多机器人系统的前提.对基于IEEE802.11的无线通信协议的不同标准进行了研究,介绍了无线局域网(WLAN)的主要因素对多机器人系统通信性能的影响,并通过大量实验测试了目前最常用的基于802.11g的WLAN的延时特性.本研究结果将对构建基于WLAN的多机器人通信系统有一定的参考价值.     

基于因子图的协同定位与误差估计算法

针对多自主水下航行器协同定位系统中从艇的数据融合问题,首先建立了协同定位系统的数学模型,然后分析了速度误差及航向误差对从艇定位误差的影响,同时设计了协同定位及误差估计的因子图模型.接着,提出了基于高斯噪声的协同定位及误差估计算法,利用均值和方差在因子图各节点间传递完成对从艇位置、速度误差和航向误差的估计.为了验证算法的...     

基于OPNET的水声通信网络设计与仿真

水声通信网络是实现如海洋数据采集、离岸勘测与战术监测等水下系统无线信息传输的主要手段,但其性能受水声信道特性影响严重.为此,采用oPNET对水声通信网络节点模型与分层协议进行设计与实现,其特征包括基于CDMA的多用户检测以及RTS-CTS-DATA-ACK信道握手流程与网络分配向量(NAV)帧冲突处理机制等.同时建立并测试了一个包含1个主节点与5个传感器节点的水声通信网络,仿真结果表明主节点物理层采用多用户接收技术能够更好的克服冲突,减少数据包重发,从而获得更高水声通信网络的吞吐量,减少端对端传输延时与能量消耗.     

基于倒谱分析的水声信号被动定位时延估计算法研究

时延估计精度是决定定位精度的重要因素.传统被动定位时延估计往往采用广义互相关法,而相关器需要较宽的频带才能获得较好的时延测量精度,对于窄带信号的处理往往差强人意.采用的倒谱分析方法对宽带信号与窄带信号不仅具有良好的估计性能,且在信噪比满足一定要求的前提下,对窄带信号倒谱估计器在广义倒谱相关函数中比相关器在广义互相关函数中具有更尖锐的峰,从而提高了时延估计精度.通过仿真及对实测数据的分析,说明本方法的有效性.     

基于UKF的交互多模型算法

为了提高交互多模型算法的滤波精度,提出了基于无迹卡尔曼滤(UKF)的交互多模型算法(IMM-UKF).该算法融合了交互多模型算法对不同目标机动模式的自适应能力和UKF滤波精度高的优点.通过对机动目标跟踪的应用仿真,将该算法和基于扩展卡尔曼滤波(EKF)的交互多模型算法(IMM-EKF)进行了比较,仿真结果表明了IMM-UKF具有较好的跟踪性能,减小了机动目标跟踪的均方根误差.     

水声通信中基于信道估计的稀疏均衡算法研究

为实现相位相干水声通信系统的实时处理,降低由信道大时延多径结构所导致的接收算法复杂度与稳定性问题,提出了一种基于信道估计的多通道稀疏均衡算法.该算法针对水声信道的稀疏特性,采用稀疏算法减小均衡器的阶数,降低了系统复杂度;并且将变步长LMS算法与基于信道估计的完全反馈均衡器相结合,提高了均衡器性能;同时采用多通道可变步长算法,各个通道的步长可以独立的自适应调节,增加了均衡器的稳定性与灵活性.在实际湖试信道条件下的性能仿真表明:在10kin的距离上,与传统四通道DFE-LMS算法相比,此算法在降低稳态误差的同时,参与迭代计算的抽头数减少了78%,从而计算量大为减小,同时系统性能也得到了改善.     

基于联合分布状态信息滤波的机器人协同定位

针对现有扩展卡尔曼滤波算法在协同定位应用计算复杂的问题,提出一种基于联合分布状态的信息滤波算法,并将其运用在多机器人协同定位中。从3个方面解决计算复杂的问题:第一,借鉴机器人同步构图与定位,利用联合分布状态将关键历史状态保留在滤波中,避免时间更新的复杂计算;第二,利用滤波信息参数的稀疏性,减小滤波所涉及的计算复杂度;第三,根据Cholesky矩阵分解的特殊性质,进一步减少计算复杂度,节省存储空间,简化通信管理,便于工作负载均衡分配。理论分析与仿真结果表明,该方法在确保计算与存储复杂度的同时保证了估计精度和协同定位的有效性。     

面向OFDM-MFSK水声通信的差错控制方法

多进制频移键控正交频分复用(orthogonal frequency division multiplexing multiple frequency shift keying, OFDM-MFSK)调制能抵抗水声信道中的多径衰落和多普勒效应, 且无需复杂的信道估计与均衡, 适合低成本的水声通信机设计。针对OFDM-MFSK水声通信系统, 提出了一种差错控制编码方法, 具体思想为在使用OFDM-MFSK传输原数据的同时调制子载波的相位以传输另一路编码, 接收端结合两种解调方式, 利用编码的差错图样与校验码实现数据的纠错。相比于其他前向纠错编码, 此种差错控制方法的码长短、编解码复杂度低, 结合OFDM-MFSK调制, 能在保证通信可靠性和实时性的同时降低水声通信系统的实现成本, 适用于低速率水声通信系统的设计。     

基于双水听器的多自主水下航行器协同导航方法

协同导航定位是实现多自主水下航行器(multiple autonomous underwater vehicles, MAUVs)协同作业必须解决的关键问题。针对主从式MAUVs,提出了一种基于双水听器信号的MAUVs协同定位方法。在主从式结构中,主AUV内部装备高精度导航设备,从AUV内部装备低精度导航设备,外部均装备水声装置测量相对位置关系,从AUV通过水声测量确定出相对距离和相对方位角,再辅以主AUV精确位置,得到从AUV精确位置。研究结果表明,利用主AUV作为协同导航定位,可以显著提高群体的导航定位精度。     

基于决策融合的多无人机协同目标检测识别算法

针对现阶段单无人机不能高效完成大区域巡视的问题,提出一种多无人机决策融合的目标检测识别算法。首先改进Retinanet算法进行单无人机的目标检测,根据航拍图像目标特性,调整anchor参数和训练策略。同时利用特征提取算子配准多无人机航拍图像,实现多机图像坐标一致,并进行图像拼接。然后综合目标的位置信息和属性信息对多机图像进行目标关联。最后提出一种基于冲突度量的动态切换策略,自适应选择DST(dempster-shafer theory)或DSmT(desert-smarandache theory)融合关联目标信息。在多无人机协同目标识别数据集上进行实验,结果表明所提算法能在增大单次巡视范围的同时,提高无人机巡视系统的检测精度。     

Cooperative localization against GPS signal loss in multiple UAVs flight

Based on multiple unmanned aerial vehicles(UAVs) flight at a constant altitude,a fault-tolerant cooperative localization algorithm against global positioning system(GPS) signal loss due to GPS receiver malfunction is proposed.Contrast to the traditional means with single UAV,the proposed method is based on the use of inter-UAV relative range measurements against GPS signal loss and more suitable for the small-size and low-cost UAV applications.Firstly,for re-localizing an UAV with a malfunction in its GPS receiver,an algorithm which makes use of any other three healthy UAVs in the cooperative flight as the reference points for re-localization is proposed.Secondly,by using the relative ranges from the faulty UAV to the other three UAVs,its horizontal location can be determined after the GPS signal is lost.In order to improve an accuracy of the localization,a Kalman filter is further exploited to provide the estimated location of the UAV with the GPS signal loss.The Kalman filter calculates the variance of observations in terms of horizontal dilution of positioning(HDOP) automatically.Then,during each discrete computing time step,the best reference points are selected adaptively by minimizing the HDOP.Finally,two simulation examples in Matlab/Simulink environment with five UAVs in cooperative flight are shown to evaluate the effectiveness of the proposed method.     

非确定环境下基于分层理论多无人机动态协同设计

针对非确定环境下多无人机自主协同控制这一多约束、强耦合非线性优化问题,采用分层理论将其分解成三个相对独立子 层,即协同感知层、环境态势理解层和协同全局重规划层. 协同感知层借助“层协作感知”算子来进行多模信息融合,解决非确定环境下目 标（包括静态确定目标和动态非确定目标）的感知与识别;环境态势理解层则是解决动态非确定环境更新,以及基于窗口势场法的障碍物（威胁目标）规避问题;而协同全局重规划层则是利用“层场景引擎”来实现多机非确定环境下的自主协同、路径快速寻优及状态决策. 模拟结果显示构建的多机自主协同模型能较好地解决非确定环境下的路径寻优和状态决策问题.     

基于低轨星网的多目标协同跟踪滤波技术

低轨高密度星网因其覆盖范围广、能够对弹道目标进行全程跟踪而受到广泛的重视。针对低轨星网对多弹道目标协同跟踪问题,提出一种基于卡方分布和无迹卡尔曼滤波(unscented Kalman filter, UKF)的多目标协同跟踪滤波算法。该方法首先在卡方分布的假设下,设计了一种基于测量平面的数据关联指标函数,实现量测值的分配;在此基础上采用变结构滤波框架对多弹道目标进行状态更新;最后给出了多目标状态估计性能的评估指标。数值仿真实验证明,所提算法可以有效地实现多目标在测量平面上的数据关联,并以较少的计算量对多目标进行准确估计。     

基于IUPF算法的三维无人机毫米波波束跟踪

由于无人机毫米波通信技术具有高速数据传输和广域网络覆盖能力, 因此在军用和民用领域中拥有广阔的应用前景。针对无人机毫米波通信需要进行精确的波束跟踪这一问题, 提出一种基于改进无迹卡尔曼粒子滤波算法的三维波束跟踪方法。该方法首先利用无迹卡尔曼滤波建立建议密度函数并更新采样粒子; 然后计算每一个采样粒子的权值, 并在归一化后再次对粒子进行重采样; 最后计算粒子均值, 得到波束跟踪角度。仿真结果表明, 该方法相较于以往毫米波波束跟踪方法大大降低了估计误差, 显著提高了波束的跟踪精度。     

基于MEKF的卫星姿态确定精度影响因素分析

乘性扩展卡尔曼滤波(multiplicative extended Kalman filter, MEKF)方法是卫星姿态确定中最为成熟有效的方法之一。针对该姿态确定方法,采用EKF随机稳定性分析理论,定性地分析了MEKF姿态确定精度的影响因素及其影响情况,重点分析了星敏感器采样频率、卫星姿态角速度的大小、初始误差、滤波参数选取等因素对MEKF姿态确定精度的影响,并通过仿真实验验证了上述分析的合理性。上述研究不仅能够加深人们在理论上对MEKF姿态确定方法的认识,也能够为工程上利用MEKF进行姿态确定提供参考。     

带多约束的多弹分布式自适应协同导引律

针对网络化制导弹药打击近岸机动目标的末制导段,基于协同一致性理论与Lyapunov稳定性理论,提出了一种分布式模糊自适应协同导引律.考虑攻击角约束和视线角速率测量受限,构建协同导引系统的状态空间.设计扩张状态观测器(extended state observer,ESO)迅速准确地观测出在视线切向、法向与侧向上的不确定...     

基于AEKF的高速自旋飞行体组合导航方法

针对高速自旋飞行体运行过程中噪声特性无法准确获取的问题, 提出了基于改进自适应扩展卡尔曼滤波(adaptive extended Kalman filter, AEKF)算法对量测噪声进行自适应调节, 并在扩展卡尔曼滤波(extended Kalman filter, EKF)的基础上提出了一种基于对状态变量新的建模方式的EKF算法, 提高算法的实时性。采用北斗/捷联惯性导航系统(strapdown inertial navigation system, SINS)组合导航方案, 在EKF的基础上, 引入带遗忘因子的噪声估计器, 通过AEKF对组合导航数据进行融合, 对量测噪声进行估计。仿真结果表明, 所提出的组合导航方法对高速自旋飞行体的姿态和位置定位误差较小, 与无改进的AEKF相比, 具有更好的收敛性。     

基于反馈信道状态信息的水声自适应OFDMA

在时变水声信道中,为了提高自适应正交频分多址(orthogonal frequency division multiple access,OFDMA)在时延反馈信道状态信息(channel state information,CSI)条件下的资源分配性能,提出多节点反馈CSI的时隙复用接入方法,降低反馈时延;提出载波时...