-
公开(公告)号：CN116907501B
公开(公告)日：2024-11-29
申请号：CN202310798488.6
申请日：2023-06-30
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明一种基于分层式扩展卡尔曼滤波的无人机群协同定位方法及系统，涉及无人机定位技术领域，为解决现有的卡尔曼滤波针对大型无人机群协同定位，存在扩展性和灵活性低，且算法复杂度高的问题。包括如下步骤：S1、对目标从无人机i在t‑1时刻的状态值#imgabs0#和协方差矩阵#imgabs1#进行初始化；S2、构建状态方程，计算状态估计值；S3、计算目标从无人机i与主无人机层的主无人机j之间的量测值#imgabs2#S4、计算误差协方差矩阵估计#imgabs3#S5、计算目标从无人机i的系统增益矩阵#imgabs4#S6、对状态估计值及误差协方差矩阵进行更新。本发明计算量小、实时性高、收敛速度快。融合了多个传感器的信息，提高了系统的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN116907499B
公开(公告)日：2024-11-22
申请号：CN202310794112.8
申请日：2023-06-30
Applicant: 哈尔滨工业大学(威海)
Abstract: 基于缩放因子的分布式无人机群EKF协同定位方法及系统，涉及无人机定位技术领域，为解决现有的卡尔曼滤波算法难以直接构建过程噪声与卡尔曼滤波估计的误差之间的线性关系，使滤波器的性能下降的问题。包括：S1、构建状态方程；S2、构建主无人机与从无人机i之间的绝对量测方程及从无人机i与从无人机j之间的相对量测值方程，并计算绝对量测方程及相对量测方程的雅可比矩阵Hi和Di；S3、构建缩放因子α；S4、利用缩放因子更新系统误差协方差矩阵#imgabs0#S5、计算绝对量测值的系统增益矩阵#imgabs1#和相对量测的系统增益矩阵#imgabs2#S6、计算相对量测值，对状态估计值及系统误差协方差矩阵进行更新。本发明引入缩放因子的分布式扩展卡尔曼滤波器，提高了无人机群的定位精度。
-
公开(公告)号：CN116907501A
公开(公告)日：2023-10-20
申请号：CN202310798488.6
申请日：2023-06-30
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明一种基于分层式扩展卡尔曼滤波的无人机群协同定位方法及系统，涉及无人机定位技术领域，为解决现有的卡尔曼滤波针对大型无人机群协同定位，存在扩展性和灵活性低，且算法复杂度高的问题。包括如下步骤：S1、对目标从无人机i在t‑1时刻的状态值#imgabs0#和协方差矩阵#imgabs1#进行初始化；S2、构建状态方程，计算状态估计值；S3、计算目标从无人机i与主无人机层的主无人机j之间的量测值#imgabs2#S4、计算误差协方差矩阵估计#imgabs3#S5、计算目标从无人机i的系统增益矩阵#imgabs4#S6、对状态估计值及误差协方差矩阵进行更新。本发明计算量小、实时性高、收敛速度快。融合了多个传感器的信息，提高了系统的稳定性。
-
公开(公告)号：CN116907500A
公开(公告)日：2023-10-20
申请号：CN202310794249.3
申请日：2023-06-30
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明基于置信度因子的从无人机优选分布式EKF协同定位方法及系统，涉及无人机定位技术领域，为解决现有的主从式无人机群主无人机失效，临时主无人机存在较大的定位误差，会累计传播到其他从无人机中，导致更大的定位误差的问题。包括如下过程：判断主无人机是否失效，若主无人机失效，计算各从无人机的置信度ηi，选择置信度ηi最高的从无人机，将其升级为临时主无人机；构建从无人机i的状态方程和量测方程；分别计算绝对量测增益矩阵#imgabs0#和相对量测增益矩阵#imgabs1#计算相对量测信息的预测值#imgabs2#并更新状态变量#imgabs3#和误差协方差矩阵#imgabs4#至完成定位。本发明实现了在主无人机失效情况下系统的正常运转，有效的控制主无人机失效导致的定位误差增加。
-
公开(公告)号：CN117053788A
公开(公告)日：2023-11-14
申请号：CN202310794375.9
申请日：2023-06-30
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明基于主无人机优选的分层式无人机群EKF协同定位方法及系统，涉及无人机定位技术领域，为解决现有技术中当主无人机层的主无人机数量过多时，会出现信息冗余，导致定位效率低，影响同步的问题。包括步骤：S1、构建目标从无人机i的运动方程、观测方程以及先验协方差表达式；S2、计算各个主无人机的选择因子，确定优选主无人机；S3、计算从无人机i与优选主无人机j的量测值，计算经一致性处理后的量测值uj和协方差矩阵Uj；S4、计算一致性处理的卡尔曼增益Mi；S5、计算目标从无人机i的量测增益矩阵Kti；S6、对状态估计值和协方差矩阵进行更新。本发明方法可提高无人机群的定位精度，保证无人机系统的稳定性。
-
公开(公告)号：CN116907499A
公开(公告)日：2023-10-20
申请号：CN202310794112.8
申请日：2023-06-30
Applicant: 哈尔滨工业大学(威海)
Abstract: 基于缩放因子的分布式无人机群EKF协同定位方法及系统，涉及无人机定位技术领域，为解决现有的卡尔曼滤波算法难以直接构建过程噪声与卡尔曼滤波估计的误差之间的线性关系，使滤波器的性能下降的问题。包括：S1、构建状态方程；S2、构建主无人机与从无人机i之间的绝对量测方程及从无人机i与从无人机j之间的相对量测值方程，并计算绝对量测方程及相对量测方程的雅可比矩阵Hi和Di；S3、构建缩放因子α；S4、利用缩放因子更新系统误差协方差矩阵#imgabs0#S5、计算绝对量测值的系统增益矩阵#imgabs1#和相对量测的系统增益矩阵#imgabs2#S6、计算相对量测值，对状态估计值及系统误差协方差矩阵进行更新。本发明引入缩放因子的分布式扩展卡尔曼滤波器，提高了无人机群的定位精度。
-
-
-
-
-
Search Results
6
records
(took 0.028 seconds)
