CN104330803B - 一种机动飞行器的双站红外被动测距方法 - Google Patents
一种机动飞行器的双站红外被动测距方法 Download PDFInfo
- Publication number
- CN104330803B CN104330803B CN201410539829.9A CN201410539829A CN104330803B CN 104330803 B CN104330803 B CN 104330803B CN 201410539829 A CN201410539829 A CN 201410539829A CN 104330803 B CN104330803 B CN 104330803B
- Authority
- CN
- China
- Prior art keywords
- target aircraft
- maneuver
- axis
- acceleration
- coordinate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/16—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using electromagnetic waves other than radio waves
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种机动飞行器的双站红外被动测距方法,该方法的步骤包括:(1)、利用两个探测飞行器对目标飞行器相对于两个探测飞行器的视线方向进行探测,并根据方向探测结果计算目标飞行器的在惯性坐标系下的位置坐标估计值,(2)根据目标飞行器的机动模型确定卡尔曼滤波的状态量、状态方程和观测方程,并以步骤(1)得到的目标飞行器的位置坐标估计值作为所述状态量的位置坐标初始值,进行卡尔曼滤波完成对状态量的实时更新,并将所述更新后状态量中的位置坐标值作为目标飞行器的定位结果;在该方法中根据模型概率来决定模型的选取和切换,能够涵盖目标复杂的机动特性,实现对机动目标的高精度被动测距。
Description
技术领域
本发明涉及航空航天导航定位技术领域,特别涉及一种机动飞行器的双站红外被动测距方法。
背景技术
与主动测距的雷达系统相比,红外传感器具有系统简单、角分辨率高、隐蔽性好、抗干扰能力强等优点,易于在空间和承重能力有限的平台上搭载使用。
被动测距作为一种重要的探测手段,对于提高飞行器在现代复杂对抗环境下的生存能力有着重要的研究价值和应用前景。被动测距问题分为单探测器和多探测器两大类。
被动测距问题属于只有视线角信息的目标被动跟踪问题,可分为两种情况:一种是目标静止不动,属于被动定位问题;另一种是目标处于运动的状态,属于被动动态跟踪问题。
对于目标处于运动状态的目标被动动态跟踪问题,又分为两种情况:一种是目标的运动状态为匀速直线运动或者存在机动运动但机动特性已知。另一种为被动跟踪的一般情况,即目标存在机动运动,包括速度的大小和方向的改变,且机动特性对于探测方来说是未知的。
这类问题的处理难点在于未知的目标机动特性的数学描述,一般的处理方法是应用统计模型来表述目标的机动特性,并将能够描述目标机动特性的统计模型增广到系统的状态方程组之中,采用的机动模型主要有:Singer模型、当前加速度统计模型、一阶或高阶马尔科夫过程统计模型等,且机动统计模型选取的恰当与否直接影响对目标运动状态的估计精度,进而影响被动测距精度。
发明内容
本发明的目的在于克服现有技术的不足,提供一种机动飞行器的双站红外被动测距方法,该方法通过两个协同的探测飞行器搭载的红外探测器提供目标飞行器的方位信息并利用用卡尔曼滤波实现被动测距,在该方法中根据模型概率来决定模型的选取和切换,能够涵盖目标复杂的机动特性,实现对机动目标的高精度被动测距。
本发明的上述目的是通过如下技术方案予以实现:
一种机动飞行器的双站红外被动测距方法,包括下列步骤:
(1)、在每个探测周期内,探测飞行器A和探测飞行器B利用红外探测器对目标飞行器相对于所述两个探测飞行器的视线方向进行探测,并根据所述探测结果计算目标飞行器的在惯性坐标系下的位置坐标估计值(x0,y0,z0),具体测试和计算过程如下:
(1a)、探测飞行器A和探测飞行器B分别利用红外探测器对目标飞行器相对于探测飞行器的实现方向进行测量,其中:
探测飞行器A上安装的红外探测器A对目标飞行器相对于探测飞行器A的视线方向AT进行测量,得到视线角度εA和角度ηA,其中,所述视线角度εA和角度xA定义如下:如果目标飞行器在探测飞行器A上的弹道坐标系内的位置坐标为(xAt,yAt,zAt),则所述视线角度定义为:和其中,arctg(·)代表反正切函数,由视线角度εA和角度ηA确定的视线方向AT为探测飞行器A指向目标飞行器探测位置的直线;
探测飞行器B上安装的红外探测器B对目标飞行器相对于探测飞行器B的视线方向BT进行测量,得到视线角度εB和角度ηB,其中,所述视线角度εB和角度ηB定义如下:如果目标飞行器在探测飞行器B上建立弹道坐标系内的位置坐标为(xBt,yBt,zBt),则所述视线角度定义为:和由视线角度εB和角度ηB确定的视线方向BT为探测飞行器B指向目标飞行器探测位置的直线;
(1b)、探测飞行器A和探测飞行器B上分别安装有惯性导航定位系统A和惯性导航定位系统B,其中,惯性导航定位系统A进过定位测试得到探测飞行器A在惯性坐标系下的坐标位置,惯性导航定位系统B进行定位测试得到探测飞行器B在惯性坐标系下的坐标位置;
(1c)、探测飞行器A通过与探测飞行器B进行通信获得探测飞行器B的在惯性坐标系下的坐标位置和目标飞行器相对于探测飞行器B的视线角度εB和角度ηB;探测飞行器B通过与探测飞行器A进行通信获得探测飞行器A的在惯性坐标系下的坐标位置和目标飞行器相对于探测飞行器A的视线角度εA和角度ηA;
(1d)、根据探测飞行器A和探测飞行器B在惯性坐标系下的坐标位置,确定探测飞行器A上建立的弹道坐标系与探测飞行器B上建立的弹道坐标系之间的坐标转换关系;
(1e)、根据步骤(1d)确定的所述坐标转换关系,在同一个坐标系内确定出视线方向AT和视线方向BT的相对位置关系,并通过几何位置分析,得到视线方向AT和视线方向BT之间的公垂线,并选取所述公垂线的中点位置作为目标飞行器估计位置,则目标飞行器在惯性坐标系下的位置坐标估计值(x0,y0,z0)为所述公垂线中点位置在惯性坐标系下的坐标值;
(2)在每个探测周期内,根据目标飞行器的机动模型确定卡尔曼滤波的状态量、状态方程和观测方程,并以步骤(1)得到的目标飞行器的位置坐标估计值作为所述状态量的位置坐标初始值,进行卡尔曼滤波完成对状态量的实时更新,并将所述更新后状态量中的位置坐标值作为目标飞行器的定位结果。
上述的机动飞行器的双站红外被动测距方法,步骤(2)中所述的目标飞行器的机动模型包括以下五种类型:
第1个机动模型:无机动方式;
第2个机动模型:加速度恒定的机动方式;
第3个机动模型:加速度大小恒定且方向变化的机动方式;
第4个机动模型:加速度大小变化且方向不变的机动方式;
第5个机动模型:加速度大小和方向均变化的机动方式。
在上述的机动飞行器的双站红外被动测距方法中,初始时刻机动模式选取为无机动方式,且在每个探测周期内的卡尔曼滤波处理中,通过以下的计算过程确定所述卡尔曼滤波对应的机动模型:
(1)、在卡尔曼滤波过程中,根据卡尔曼滤波结果得到目标飞行器的7个模型特征参数:Δax、Δay、Δaz、Aa、ΔAa、Δεa和Δηa,其中:
Δax=ax(n)-ax(n-1);
Δay=ay(n)-ay(n-1)
Δaz=az(n)-az(n-1)
Δεa=εa(n)-εa(n-1)
Δηa=ηa(n)-ηa(n-1)
其中,ax(n)、ay(n)和az(n)为目标飞行器在时刻n的加速度矢量at(n)在惯性坐标系下的X轴分量、Y轴分量和Z轴分量;εa(n)为目标飞行器在时刻n的加速度矢量at(n)在YOZ平面内的投影与X轴的夹角值,ηa(n)为目标飞行器在时刻n的加速度矢量at(n)在YOZ平面内的投影与Z轴的夹角值,即:
ax(n-1)、ay(n-1)和az(n-1)为目标飞行器在时刻n-1的加速度矢量at(n-1)在惯性坐标系下的X轴分量、Y轴分量和Z轴分量;εa(n-1)为目标飞行器在时刻n-1的加速度矢量at(n-1)在YOZ平面内的投影与X轴的夹角值,ηa(n-1)为目标飞行器在时刻n-1的加速度矢量at(n-1)在YOZ平面内的投影与Z轴的夹角值,即:
(2)、将步骤(1)得到的7个模型特征参数Δax、Δay、Δaz、Aa、ΔAa、Δεa和Δηa的数值与设定的阈值HΔax、HΔay、HΔaz、HAa、HΔAa、HΔεa和HΔηa进行比较,得到系统描述向量其中:
如果Δax≥HΔax,则gbΔax=1;如果Δax<HΔax,则gbΔax=0;
如果Δay≥HΔay,则gbΔay=1;如果Δay<HΔay,则gbΔay=0;
如果Δaz≥HΔaz,则gbΔaz=1;如果Δaz<HΔaz,则gbΔaz=0;
如果Aa≥HAa,则如果Aa<HAa,则
如果ΔAa≥HΔAa,则如果ΔAa<HΔAa,则
如果Δεa≥HΔεa,则gbΔεa=1;如果Δεa<HΔεa,则gbΔεa=0;
如果Δηa≥HΔηa,则gbΔηa=1;如果Δηa<HΔηa,则gbΔηa=0;
(3)、将步骤(2)得到的系统描述向量GB与设定的模型判断矩阵GΒ0的每一行值进行对比,得到匹配矩阵VB=[vb1,vb2,vb3,vb4,vb5]T,具体对比方法如下:
如果系统描述向量GB的第q个数值与模型判断矩阵GΒ0的第m行第q列的数据相同,则第m个机动模型的匹配向量vbm中的第q个匹配值bm,q为“1”;
如果系统描述向量GB的第q个数值与模型判断矩阵GΒ0的第m行第q列的数据不相同,则第m个机动模型的匹配向量vbm中的第q个匹配值bm,q为“0”;
其中,第m个机动模型的匹配向量vbm=[bm,1,bm,2,…,bm,q,…,bm,7],bm,q为所述第m个机动模型的匹配向量中的第q个匹配值,m=1、2、…、5,q=1、2、…、7;
(4)、根据步骤(3)得到的匹配矩阵VB和设定的影响因子矩阵KB计算所述5个机动模型的模型匹配度值g1、g2、g3、g4和g5,其中:
其中,Km,q为设定的影响因子矩阵KB中的第m行第q列数据,代表第m个机动模型中第q个模型特征参数的影响因子;
(5)、根据步骤(4)得到的5个模型匹配度值g1、g2、g3、g4和g5,以及设定的模型切换阈值G,确定当前时刻n的机动模型,具体确定过程如下:
(5a)、在5个模型匹配度值g1、g2、g3、g4和g5中,求取最大值gmax,并记录最大值对应的模型序号Mmax,即:
如果最大值gmax=g1,则模型序号Mmax=1;
如果最大值gmax=g2,则模型序号Mmax=2;
如果最大值gmax=g3,则模型序号Mmax=3;
如果最大值gmax=g4,则模型序号Mmax=4;
如果最大值gmax=g5,则模型序号Mmax=5;
(5b)、将步骤(5a)计算得到的最大值gmax与设定的模型切换阈值G进行比较,如果gmax>G,则将机动模型切换为第Mmax个机动模型,如果gmax≤G,则保持当前的机动模型不变。
上述的机动飞行器的双站红外被动测距方法,在步骤(2)中,根据目标飞行器的机动模型确定卡尔曼滤波的状态量,具体实现方法如下:
如果所述机动模型为无机动方式,则选取的状态量为目标飞行器在发射惯性坐标系内的X轴坐标值x、Y轴坐标值y、Z轴坐标值z、目标飞行器速度X轴分量Vx、目标飞行器速度Y轴分量Vy、目标飞行器速度Z轴分量Vz;
如果所述机动模型为加速度恒定的机动方式,则选取的状态量为目标飞行器在发射惯性坐标系内的X轴坐标值x、Y轴坐标值y、Z轴坐标值z、目标飞行器速度X轴分量Vx、目标飞行器速度Y轴分量Vy、目标飞行器速度Z轴分量Vz、目标飞行器加速度X轴分量ax、目标飞行器加速度Y轴分量ay和目标飞行器速度Z轴分量az;
如果所述机动模型为加速度大小恒定且方向变化的机动方式、加速度大小变化且方向不变的机动方式或加速度大小变化且方向变化的机动方式,则选取的状态量为目标飞行器在发射惯性坐标系内的X轴坐标值x、Y轴坐标值y、Z轴坐标值z、目标飞行器的速度X轴分量Vx、目标飞行器的速度Y轴分量Vy、目标飞行器的速度Z轴分量Vz、目标飞行器的加速度X轴分量ax、目标飞行器的加速度Y轴分量ay和目标飞行器的速度Z轴分量az;以及加速度模值Aa、目标飞行器加速度矢量在YOZ平面内的投影与X轴的夹角值εa和目标飞行器加速度矢量在YOZ平面内的投影与Z轴的夹角值ηa。
上述的机动飞行器的双站红外被动测距方法,在步骤(2)中,根据目标飞行器的机动模型确定卡尔曼滤波的状态方程,具体实现方法如下:
(1)、确定的六个基本状态方程如下:
其中,x、y和z分别为目标飞行器的X坐标值、Y坐标值和Z坐标值,vx、vy和vz分别为目标飞行器的速度矢量在X轴、Y轴、Z轴的速度分量,ax、ay和az分别为目标飞行器的加速度矢量在X轴、Y轴、Z轴的加速度分量;
axd、ayd和azd分别为探测飞行器的机动加速度在发射惯性坐标系内的X轴分量、Y轴分量和Z轴分量,由探测飞行器上安装的惯性导航系统测量得到;
gxd、gyd和gzd分别为探测飞行器的引力加速度矢量在发射惯性坐标系内的X轴分量、Y轴分量和Z轴分量,通过如下计算公式计算得到:
其中,常数GM=3.896005*1014,常数μ=0.2663281*1026,xd、yd和zd分别为探测飞行器在发射惯性坐标系内位置坐标的X坐标、Y坐标和Z坐标,由探测飞行器上安装的惯性导航系统测量得到;d31、d32和d33为发射惯性坐标系到探测飞行器弹道坐标系的坐标变换矩阵中的元素;
gxT、gyT和gzT分别为目标飞行器的引力加速度矢量在发射惯性坐标系内的X轴分量、Y轴分量和Z轴分量,通过如下计算公式计算得到:
sinBT=((xd+x)d31+(yd+y)d32+(zd+z)d33)/rT;
(2)、根据以下方法确定各机动模型下的卡尔曼滤波状态方程:
如果所述机动模型为无机动方式,则卡尔曼滤波的状态方程为步骤(1)确定的六个基本状态方程;
如果所述机动模型为加速度恒定的机动方式,则卡尔曼滤波的状态方程包括步骤(1)确定的六个基本状态方程和以下三个方程:
如果所述机动模型为加速度大小恒定且方向变化的机动方式、加速度大小变化且方向不变的机动方式或加速度大小变化且方向变化的机动方式,则卡尔曼滤波的状态方程包括步骤(1)确定的六个基本状态方程和以下三个方程:
其中:
上述的机动飞行器的双站红外被动测距方法,所述卡尔曼滤波的观测方程为:
其中,观测量ε和η为目标飞行相对于探测飞行器的视线角度,定义如下:如果目标飞行器在探测飞行器上建立弹道坐标系内的位置坐标为(xt,yt,zt),则所述视线角度定义为:
Vε,Vη分别为视线角度ε和η的测角随机误差,服从零均值高斯分布;Cij发射惯性坐标系到探测飞行弹道坐标系的坐标变换矩阵中的元素,i=1,2,3,j=1,2,3。
上述的机动飞行器的双站红外被动测距方法,所述探测飞行器为探测飞行器A或探测飞行器B。
本发明与现有技术相比具有如下有益效果:
(1)本发明通过两个协同探测器搭载的红外探测器提供目标飞行器的方位信息实现被动测距,易于在空间和承重能力有限的平台上搭载使用,并设计了合理的测距方法,满足被动测距的精度要求;
(2)本发明通过选取机动模型来描述目标的机动运动过程,根据模型概率来决定模型的选取和切换,能够涵盖目标复杂的机动特性,实现对机动目标的高精度被动测距。
附图说明
图1为本发明的双站红外被动测距方法的原理示意图;
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细描述:
本发明提供的机动飞行器的双站红外被动测距方法,利用两个装载有红外探测器的飞行器,对目标飞行器进行被动测距得到目标飞行器位置坐标,其实现原理如图1所示,具体实现步骤如下:
(1)、在每个探测周期内,探测飞行器A和探测飞行器B利用红外探测器对目标飞行器相对于所述两个探测飞行器的视线方向进行探测,并根据探测得到的视线方向计算目标飞行器的在惯性坐标系下的位置坐标估计值(x0,y0,z0),具体测试和计算过程如下:
(1a)、探测飞行器A和探测飞行器B分别利用红外探测器对目标飞行器相对于探测飞行器的实现方向进行测量,其中:
探测飞行器A上安装的红外探测器A对目标飞行器相对于探测飞行器A的视线方向AT进行测量,得到视线角度εA和角度ηA,其中,所述视线角度εA和角度ηA定义如下:如果目标飞行器在探测飞行器A上的弹道坐标系内的位置坐标为(xAt,yAt,zAt),则所述视线角度定义为:和其中,arctg(·)代表反正切函数,由视线角度εA和角度ηA确定的视线方向AT为探测飞行器A指向目标飞行器探测位置的直线;
探测飞行器B上安装的红外探测器B对目标飞行器相对于探测飞行器B的视线方向BT进行测量,得到视线角度εB和角度ηB,其中,所述视线角度εB和角度ηB定义如下:如果目标飞行器在探测飞行器B上建立弹道坐标系内的位置坐标为(xBt,yBt,zBt),则所述视线角度定义为:和由视线角度εB和角度ηB确定的视线方向BT为探测飞行器B指向目标飞行器探测位置的直线;
(1b)、探测飞行器A和探测飞行器B上分别安装有惯性导航定位系统A和惯性导航定位系统B,其中,惯性导航定位系统A进过定位测试得到探测飞行器A在惯性坐标系下的坐标位置,惯性导航定位系统B进行定位测试得到探测飞行器B在惯性坐标系下的坐标位置;
(1c)、两个探测飞行器进行通信,得到彼此的对目标飞行器的探测结果和对方的位置信息,其中,探测飞行器A通过与探测飞行器B进行通信获得探测飞行器B的在惯性坐标系下的坐标位置和目标飞行器相对于探测飞行器B的视线角度εB和角度ηB;探测飞行器B通过与探测飞行器A进行通信获得探测飞行器A的在惯性坐标系下的坐标位置和目标飞行器相对于探测飞行器A的视线角度εA和角度ηA;
(1d)、根据探测飞行器A和探测飞行器B在惯性坐标系下的坐标位置,确定探测飞行器A上建立的弹道坐标系与探测飞行器B上建立的弹道坐标系之间的坐标转换关系;
(1e)、根据步骤(1d)确定的所述坐标转换关系,在同一个坐标系内确定出视线方向AT和视线方向BT的相对位置关系,并通过几何位置分析,得到视线方向AT和视线方向BT之间的公垂线,并选取所述公垂线的中点位置作为目标飞行器估计位置,则目标飞行器在惯性坐标系下的位置坐标估计值(x0,y0,z0)为所述公垂线中点位置在惯性坐标系下的坐标值;
(2)在每个探测周期内,根据目标飞行器的机动模型确定卡尔曼滤波的状态量、状态方程和观测方程,并以步骤(1)得到的目标飞行器的位置坐标估计值作为所述状态量的位置坐标初始值,进行卡尔曼滤波完成对状态量的实时更新,并将所述更新后状态量中的位置坐标值作为目标飞行器的定位结果。
在步骤(2)中,目标飞行器的机动模型可以确定为5中机动方式,并且在卡尔曼滤波过程中可以根据探测结果实时切换机动模型,以下就分别说明5个机动模型的定义、切换方法,以及机动模型与卡尔曼滤波的对应关系。
(一)机动模型的定义
本发明中将目标飞行器的机动过程通过5种机动模型进行确定,其中5机动模型分别为:
第1个机动模型:无机动方式,即目标飞行器的加速度为0;
第2个机动模型:加速度恒定的机动方式,即目标飞行器受到大小和方向都保持不变的推力作用;
第3个机动模型:加速度大小恒定且加速度方向变化的机动方式;
第4个机动模型:加速度大小变化且加速度方向不变的机动方式;
第5个机动模型:加速度大小和加速度方向均变化的机动方式。
(二)、机动模型的切换方法
在本发明中初始时刻机动模式选取为无机动方式,且在每个探测周期内的卡尔曼滤波处理中,通过以下的计算过程确定所述卡尔曼滤波对应的机动模型:
(1)、在卡尔曼滤波过程中,根据卡尔曼滤波结果得到目标飞行器的7个模型特征参数:Δax、Δay、Δaz、Aa、ΔAa、Δεa和Δηa,其中:
Δax=ax(n)-ax(n-1);
Δay=ay(n)-ay(n-1)
Δaz=az(n)-az(n-1)
Δεa=εa(n)-εa(n-1)
Δηa=ηa(n)-ηa(n-1)
其中,ax(n)、ay(n)和az(n)为目标飞行器在时刻n的加速度矢量at(n)在惯性坐标系下的X轴分量、Y轴分量和Z轴分量;εa(n)为目标飞行器在时刻n的加速度矢量at(n)在YOZ平面内的投影与X轴的夹角值,ηa(n)为目标飞行器在时刻n的加速度矢量at(n)在YOZ平面内的投影与Z轴的夹角值,即:
ax(n-1)、ay(n-1)和az(n-1)为目标飞行器在时刻n-1的加速度矢量at(n-1)在惯性坐标系下的X轴分量、Y轴分量和Z轴分量;εa(n-1)为目标飞行器在时刻n-1的加速度矢量at(n-1)在YOZ平面内的投影与X轴的夹角值,ηa(n-1)为目标飞行器在时刻n-1的加速度矢量at(n-1)在YOZ平面内的投影与Z轴的夹角值,即:
(2)、将步骤(1)得到的7个模型特征参数Δax、Δay、Δaz、Aa、ΔAa、Δεa和Δηa的数值与设定的阈值HΔax、HΔay、HΔaz、HAa、HΔAa、HΔεa和HΔηa进行比较,得到系统描述向量其中:
如果Δax≥HΔax,则gbΔax=1;如果Δax<HΔax,则gbΔax=0;
如果Δay≥HΔay,则gbΔay=1;如果Δay<HΔay,则gbΔay=0;
如果Δaz≥HΔaz,则gbΔaz=1;如果Δaz<HΔaz,则gbΔaz=0;
如果Aa≥HAa,则如果Aa<HAa,则
如果ΔAa≥HΔAa,则如果ΔAa<HΔAa,则
如果Δεa≥HΔεa,则gbΔεa=1;如果Δεa<HΔεa,则gbΔεa=0;
如果Δηa≥HΔηa,则gbΔηa=1;如果Δηa<HΔηa,则gbΔηa=0;
(3)、将步骤(2)得到的系统描述向量GB与设定的模型判断矩阵GΒ0的每一行值进行对比,得到匹配矩阵VB=[vb1,vb2,vb3,vb4,vb5]T,具体对比方法如下:
如果系统描述向量GB的第q个数值与模型判断矩阵GΒ0的第m行第q列的数据相同,则第m个机动模型的匹配向量vbm中的第q个匹配值bm,q为“1”;
如果系统描述向量GB的第q个数值与模型判断矩阵GΒ0的第m行第q列的数据不相同,则第m个机动模型的匹配向量vbm中的第q个匹配值bm,q为“0”;
其中,第m个机动模型的匹配向量vbm=[bm,1,bm,2,…,bm,q,…,bm,7],bm,q为所述第m个机动模型的匹配向量中的第q个匹配值,m=1、2、…、5,q=1、2、…、7;
(4)、根据步骤(3)得到的匹配矩阵VB和设定的影响因子矩阵KB计算所述5个机动模型的模型匹配度值g1、g2、g3、g4和g5,其中:
其中,Km,q为设定的影响因子矩阵KB中的第m行第q列数据,代表第m个机动模型中第q个模型特征参数的影响因子;
(5)、根据步骤(4)得到的5个模型匹配度值g1、g2、g3、g4和g5,以及设定的模型切换阈值G,确定当前时刻n的机动模型,具体确定过程如下:
(5a)、在5个模型匹配度值g1、g2、g3、g4和g5中,求取最大值gmax,并记录最大值对应的模型序号Mmax,即:
如果最大值gmax=g1,则模型序号Mmax=1;
如果最大值gmax=g2,则模型序号Mmax=2;
如果最大值gmax=g3,则模型序号Mmax=3;
如果最大值gmax=g4,则模型序号Mmax=4;
如果最大值gmax=g5,则模型序号Mmax=5;
(5b)、将步骤(5a)计算得到的最大值gmax与设定的模型切换阈值G进行比较,如果gmax>G,则将机动模型切换为第Mmax个机动模型,如果gmax≤G,则保持当前的机动模型不变。
(三)、卡尔曼滤波的状态量、状态方程和观测方程的确定方法
本发明根据确定的目标飞行器的机动模型确定卡尔曼滤波的状态量、状态方程和观测方程,在以下论述中的探测飞行器可以选取为探测飞行器A或探测飞行器B。
3.1状态量的确定方法
如果所述机动模型为无机动方式,则选取的状态量为目标飞行器在发射惯性坐标系内的X轴坐标值x、Y轴坐标值y、Z轴坐标值z、目标飞行器速度X轴分量Vx、目标飞行器速度Y轴分量Vy、目标飞行器速度Z轴分量Vz;
如果所述机动模型为加速度恒定的机动方式,则选取的状态量为目标飞行器在发射惯性坐标系内的X轴坐标值x、Y轴坐标值y、Z轴坐标值z、目标飞行器速度X轴分量Vx、目标飞行器速度Y轴分量Vy、目标飞行器速度Z轴分量Vz、目标飞行器加速度X轴分量ax、目标飞行器加速度Y轴分量ay和目标飞行器速度Z轴分量az;
如果所述机动模型为加速度大小恒定且方向变化的机动方式、加速度大小变化且方向不变的机动方式或加速度大小变化且方向变化的机动方式,则选取的状态量为目标飞行器在发射惯性坐标系内的X轴坐标值x、Y轴坐标值y、Z轴坐标值z、目标飞行器的速度X轴分量Vx、目标飞行器的速度Y轴分量Vy、目标飞行器的速度Z轴分量Vz、目标飞行器的加速度X轴分量ax、目标飞行器的加速度Y轴分量ay和目标飞行器的速度Z轴分量az;以及加速度模值Aa、目标飞行器加速度矢量在YOZ平面内的投影与X轴的夹角值εa和目标飞行器加速度矢量在YOZ平面内的投影与Z轴的夹角值ηa。
3.2状态方程的确定方法
(1)、首先确定六个基本状态方程,如下所示:
其中,x、y和z分别为目标飞行器的X坐标值、Y坐标值和Z坐标值,vx、vy和vz分别为目标飞行器的速度矢量在X轴、Y轴、Z轴的速度分量,ax、ay和az分别为目标飞行器的加速度矢量在X轴、Y轴、Z轴的加速度分量;
axd、ayd和azd分别为探测飞行器的机动加速度在发射惯性坐标系内的X轴分量、Y轴分量和Z轴分量,由探测飞行器上安装的惯性导航系统测量得到;
gxd、gyd和gzd分别为探测飞行器的引力加速度矢量在发射惯性坐标系内的X轴分量、Y轴分量和Z轴分量,通过如下计算公式计算得到:
其中,常数GM=3.896005*1014,常数μ=0.2663281*1026,xd、yd和zd分别为探测飞行器在发射惯性坐标系内位置坐标的X坐标、Y坐标和Z坐标,由探测飞行器上安装的惯性导航系统测量得到;d31、d32和d33为发射惯性坐标系到探测飞行器弹道坐标系的坐标变换矩阵中的元素;
gxT、gyT和gzT分别为目标飞行器的引力加速度矢量在发射惯性坐标系内的X轴分量、Y轴分量和Z轴分量,通过如下计算公式计算得到:
sinBT=((xd+x)d31+(yd+y)d32+(zd+z)d33)/rT;
(2)、根据以下方法确定各机动模型下的卡尔曼滤波状态方程:
如果所述机动模型为无机动方式,则卡尔曼滤波的状态方程为步骤(1)确定的六个基本状态方程;
如果所述机动模型为加速度恒定的机动方式,则卡尔曼滤波的状态方程包括步骤(1)确定的六个基本状态方程和以下三个方程:
如果所述机动模型为加速度大小恒定且方向变化的机动方式、加速度大小变化且方向不变的机动方式或加速度大小变化且方向变化的机动方式,则卡尔曼滤波的状态方程包括步骤(1)确定的六个基本状态方程和以下三个方程:
其中:
3.3观测方程的确定方法
本发明卡尔曼滤波的观测方程确定为:
其中,观测量ε和η为目标飞行相对于探测飞行器的视线角度,定义如下:如果目标飞行器在探测飞行器上建立弹道坐标系内的位置坐标为(xt,yt,zt),则所述视线角度定义为:
Vε,Vη分别为视线角度ε和η的测角随机误差,服从零均值高斯分布;Cij发射惯性坐标系到探测飞行弹道坐标系的坐标变换矩阵中的元素,i=1,2,3,j=1,2,3。
以上所述,仅为本发明最佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
Claims (7)
1.一种机动飞行器的双站红外被动测距方法,其特征在于包括下列步骤:
(1)、在每个探测周期内,探测飞行器A和探测飞行器B利用红外探测器对目标飞行器相对于所述两个探测飞行器的视线方向进行探测,并根据所述探测结果计算目标飞行器的在惯性坐标系下的位置坐标估计值(x0,y0,z0),具体测试和计算过程如下:
(1a)、探测飞行器A和探测飞行器B分别利用红外探测器对目标飞行器相对于探测飞行器的实现方向进行测量,其中:
探测飞行器A上安装的红外探测器A对目标飞行器相对于探测飞行器A的视线方向AT进行测量,得到视线角度εA和角度ηA,其中,所述视线角度εA和角度ηA定义如下:如果目标飞行器在探测飞行器A上的弹道坐标系内的位置坐标为(xAt,yAt,zAt),则所述视线角度定义为:和其中,arctg(·)代表反正切函数,由视线角度εA和角度ηA确定的视线方向AT为探测飞行器A指向目标飞行器探测位置的直线;
探测飞行器B上安装的红外探测器B对目标飞行器相对于探测飞行器B的视线方向BT进行测量,得到视线角度εB和角度ηB,其中,所述视线角度εB和角度ηB定义如下:如果目标飞行器在探测飞行器B上建立弹道坐标系内的位置坐标为(xBt,yBt,zBt),则所述视线角度定义为:和由视线角度εB和角度ηB确定的视线方向BT为探测飞行器B指向目标飞行器探测位置的直线;
(1b)、探测飞行器A和探测飞行器B上分别安装有惯性导航定位系统A和惯性导航定位系统B,其中,惯性导航定位系统A进行定位测试得到探测飞行器A在惯性坐标系下的坐标位置,惯性导航定位系统B进行定位测试得到探测飞行器B在惯性坐标系下的坐标位置;
(1c)、探测飞行器A通过与探测飞行器B进行通信获得探测飞行器B的在惯性坐标系下的坐标位置和目标飞行器相对于探测飞行器B的视线角度εB和角度ηB;探测飞行器B通过与探测飞行器A进行通信获得探测飞行器A的在惯性坐标系下的坐标位置和目标飞行器相对于探测飞行器A的视线角度εA和角度ηA;
(1d)、根据探测飞行器A和探测飞行器B在惯性坐标系下的坐标位置,确定探测飞行器A上建立的弹道坐标系与探测飞行器B上建立的弹道坐标系之间的坐标转换关系;
(1e)、根据步骤(1d)确定的所述坐标转换关系,在同一个坐标系内确定出视线方向AT和视线方向BT的相对位置关系,并通过几何位置分析,得到视线方向AT和视线方向BT之间的公垂线,并选取所述公垂线的中点位置作为目标飞行器估计位置,则目标飞行器在惯性坐标系下的位置坐标估计值(x0,y0,z0)为所述公垂线中点位置在惯性坐标系下的坐标值;
(2)在每个探测周期内,根据目标飞行器的机动模型确定卡尔曼滤波的状态量、状态方程和观测方程,并以步骤(1)得到的目标飞行器的位置坐标估计值作为所述状态量的位置坐标初始值,进行卡尔曼滤波完成对状态量的实时更新,并将所述更新后状态量中的位置坐标值作为目标飞行器的定位结果。
2.根据权利要求1所述的一种机动飞行器的双站红外被动测距方法,其特征在于,步骤(2)中所述的目标飞行器的机动模型包括以下五种类型:
第1个机动模型:无机动方式;
第2个机动模型:加速度恒定的机动方式;
第3个机动模型:加速度大小恒定且方向变化的机动方式;
第4个机动模型:加速度大小变化且方向不变的机动方式;
第5个机动模型:加速度大小和方向均变化的机动方式。
3.根据权利要求2所述的一种机动飞行器的双站红外被动测距方法,其特征在于,初始时刻机动模式选取为无机动方式,且在每个探测周期内的卡尔曼滤波处理中,通过以下的计算过程确定所述卡尔曼滤波对应的机动模型:
(a)、在卡尔曼滤波过程中,根据卡尔曼滤波结果得到目标飞行器的7个模型特征参数:Δax、Δay、Δaz、Aa、ΔAa、Δεa和Δηa,其中:
Δax=ax(n)-ax(n-1);
Δay=ay(n)-ay(n-1)
Δaz=az(n)-az(n-1)
Δεa=εa(n)-εa(n-1)
Δηa=ηa(n)-ηa(n-1)
其中,ax(n)、ay(n)和az(n)为目标飞行器在时刻n的加速度矢量at(n)在惯性坐标系下的X轴分量、Y轴分量和Z轴分量;εa(n)为目标飞行器在时刻n的加速度矢量at(n)在YOZ平面内的投影与X轴的夹角值,ηa(n)为目标飞行器在时刻n的加速度矢量at(n)在YOZ平面内的投影与Z轴的夹角值,即:
ax(n-1)、ay(n-1)和az(n-1)为目标飞行器在时刻n-1的加速度矢量at(n-1)在惯性坐标系下的X轴分量、Y轴分量和Z轴分量;εa(n-1)为目标飞行器在时刻n-1的加速度矢量at(n-1)在YOZ平面内的投影与X轴的夹角值,ηa(n-1)为目标飞行器在时刻n-1的加速度矢量at(n-1)在YOZ平面内的投影与Z轴的夹角值,即:
(b)、将步骤(a)得到的7个模型特征参数Δax、Δay、Δaz、Aa、ΔAa、Δεa和Δηa的数值与设定的阈值HΔax、HΔay、HΔaz、HAa、HΔAa、HΔεa和HΔηa进行比较,得到系统描述向量其中:
如果Δax≥HΔax,则gbΔax=1;如果Δax<HΔax,则gbΔax=0;
如果Δay≥HΔay,则gbΔay=1;如果Δay<HΔay,则gbΔay=0;
如果Δaz≥HΔaz,则gbΔaz=1;如果Δaz<HΔaz,则gbΔaz=0;
如果Aa≥HAa,则gbAa=1;如果Aa<HAa,则
如果ΔAa≥HΔAa,则如果ΔAa<HΔAa,则
如果Δεa≥HΔεa,则gbΔεa=1;如果Δεa<HΔεa,则gbΔεa=0;
如果Δηa≥HΔηa,则gbΔηa=1;如果Δηa<HΔηa,则gbΔηa=0;
(c)、将步骤(b)得到的系统描述向量GB与设定的模型判断矩阵GB0的每一行值进行对比,得到匹配矩阵VB=[vb1,vb2,vb3,vb4,vb5]T,具体对比方法如下:
如果系统描述向量GB的第q个数值与模型判断矩阵GB0的第m行第q列的数据相同,则第m个机动模型的匹配向量vbm中的第q个匹配值bm,q为“1”;
如果系统描述向量GB的第q个数值与模型判断矩阵GB0的第m行第q列的数据不相同,则第m个机动模型的匹配向量vbm中的第q个匹配值bm,q为“0”;
其中,第m个机动模型的匹配向量vbm=[bm,1,bm,2,…,bm,q,…,bm,7],bm,q为所述第m个机动模型的匹配向量中的第q个匹配值,m=1、2、…、5,q=1、2、…、7;
(d)、根据步骤(c)得到的匹配矩阵VB和设定的影响因子矩阵KB计算所述5个机动模型的模型匹配度值g1、g2、g3、g4和g5,其中:
其中,Km,q为设定的影响因子矩阵KB中的第m行第q列数据,代表第m个机动模型中第q个模型特征参数的影响因子;
(e)、根据步骤(d)得到的5个模型匹配度值g1、g2、g3、g4和g5,以及设定的模型切换阈值G,确定当前时刻n的机动模型,具体确定过程如下:
(ea)、在5个模型匹配度值g1、g2、g3、g4和g5中,求取最大值gmax,并记录最大值对应的模型序号Mmax,即:
如果最大值gmax=g1,则模型序号Mmax=1;
如果最大值gmax=g2,则模型序号Mmax=2;
如果最大值gmax=g3,则模型序号Mmax=3;
如果最大值gmax=g4,则模型序号Mmax=4;
如果最大值gmax=g5,则模型序号Mmax=5;
(eb)、将步骤(ea)计算得到的最大值gmax与设定的模型切换阈值G进行比较,如果gmax>G,则将机动模型切换为第Mmax个机动模型,如果gmax≤G,则保持当前的机动模型不变。
4.根据权利要求1或2所述的一种机动飞行器的双站红外被动测距方法,其特征在于,在步骤(2)中,根据目标飞行器的机动模型确定卡尔曼滤波的状态量,具体实现方法如下:
如果所述机动模型为无机动方式,则选取的状态量为目标飞行器在发射惯性坐标系内的X轴坐标值x、Y轴坐标值y、Z轴坐标值z、目标飞行器速度X轴分量Vx、目标飞行器速度Y轴分量Vy、目标飞行器速度Z轴分量Vz;
如果所述机动模型为加速度恒定的机动方式,则选取的状态量为目标飞行器在发射惯性坐标系内的X轴坐标值x、Y轴坐标值y、Z轴坐标值z、目标飞行器速度X轴分量Vx、目标飞行器速度Y轴分量Vy、目标飞行器速度Z轴分量Vz、目标飞行器加速度X轴分量ax、目标飞行器加速度Y轴分量ay和目标飞行器速度Z轴分量az;
如果所述机动模型为加速度大小恒定且方向变化的机动方式、加速度大小变化且方向不变的机动方式或加速度大小变化且方向变化的机动方式,则选取的状态量为目标飞行器在发射惯性坐标系内的X轴坐标值x、Y轴坐标值y、Z轴坐标值z、目标飞行器的速度X轴分量Vx、目标飞行器的速度Y轴分量Vy、目标飞行器的速度Z轴分量Vz、目标飞行器的加速度X轴分量ax、目标飞行器的加速度Y轴分量ay和目标飞行器的速度Z轴分量az;以及加速度模值Aa、目标飞行器加速度矢量在YOZ平面内的投影与X轴的夹角值εa和目标飞行器加速度矢量在YOZ平面内的投影与Z轴的夹角值ηa。
5.根据权利要求1或2所述的一种机动飞行器的双站红外被动测距方法,其特征在于,在步骤(2)中,根据目标飞行器的机动模型确定卡尔曼滤波的状态方程,具体实现方法如下:
(2a)、确定的六个基本状态方程如下:
其中,x、y和z分别为目标飞行器的X坐标值、Y坐标值和Z坐标值,Vx、Vy和Vz分别为目标飞行器的速度矢量在X轴、Y轴、Z轴的速度分量,ax、ay和az分别为目标飞行器的加速度矢量在X轴、Y轴、Z轴的加速度分量;
axd、ayd和azd分别为探测飞行器的机动加速度在发射惯性坐标系内的X轴分量、Y轴分量和Z轴分量,由探测飞行器上安装的惯性导航系统测量得到;
gxd、gyd和gzd分别为探测飞行器的引力加速度矢量在发射惯性坐标系内的X轴分量、Y轴分量和Z轴分量,通过如下计算公式计算得到:
其中,常数GM=3.896005*1014,常数μ=0.2663281*1026,xd、yd和zd分别为探测飞行器在发射惯性坐标系内位置坐标的X坐标、Y坐标和Z坐标,由探测飞行器上安装的惯性导航系统测量得到;d31、d32和d33为发射惯性坐标系到探测飞行器弹道坐标系的坐标变换矩阵中的元素;
gxT、gyT和gzT分别为目标飞行器的引力加速度矢量在发射惯性坐标系内的X轴分量、Y轴分量和Z轴分量,通过如下计算公式计算得到:
sinBT=((xd+x)d31+(yd+y)d32+(zd+z)d33)r/T;
(2b)、根据以下方法确定各机动模型下的卡尔曼滤波状态方程:
如果所述机动模型为无机动方式,则卡尔曼滤波的状态方程为步骤(2a)确定的六个基本状态方程;
如果所述机动模型为加速度恒定的机动方式,则卡尔曼滤波的状态方程包括步骤(2a)确定的六个基本状态方程和以下三个方程:
如果所述机动模型为加速度大小恒定且方向变化的机动方式、加速度大小变化且方向不变的机动方式或加速度大小变化且方向变化的机动方式,则卡尔曼滤波的状态方程包括步骤(2a)确定的六个基本状态方程和以下三个方程:
其中:
6.根据权利要求1或2所述的一种机动飞行器的双站红外被动测距方法,其特征在于,所述卡尔曼滤波的观测方程为:
其中,观测量ε和η为目标飞行相对于探测飞行器的视线角度,定义如下:如果目标飞行器在探测飞行器上建立弹道坐标系内的位置坐标为(xt,yt,zt),则所述视线角度定义为:
Vε,Vη分别为视线角度ε和η的测角随机误差,服从零均值高斯分布;Cij发射惯性坐标系到探测飞行弹道坐标系的坐标变换矩阵中的元素,i=1,2,3,j=1,2,3。
7.根据权利要求5或6所述的一种机动飞行器的双站红外被动测距方法,其特征在于,所述探测飞行器为探测飞行器A或探测飞行器B。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410539829.9A CN104330803B (zh) | 2014-10-13 | 2014-10-13 | 一种机动飞行器的双站红外被动测距方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410539829.9A CN104330803B (zh) | 2014-10-13 | 2014-10-13 | 一种机动飞行器的双站红外被动测距方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104330803A CN104330803A (zh) | 2015-02-04 |
CN104330803B true CN104330803B (zh) | 2017-04-19 |
Family
ID=52405564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410539829.9A Active CN104330803B (zh) | 2014-10-13 | 2014-10-13 | 一种机动飞行器的双站红外被动测距方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104330803B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017191623A1 (en) * | 2016-05-01 | 2017-11-09 | Eyesatop Ltd. | System and method for precise determination of a remote geo-location in real time |
RU2684733C2 (ru) * | 2017-07-25 | 2019-04-12 | Федеральное государственное казенное военное образовательное учреждение высшего образования "ВОЕННАЯ АКАДЕМИЯ МАТЕРИАЛЬНО-ТЕХНИЧЕСКОГО ОБЕСПЕЧЕНИЯ имени генерала армии А.В. Хрулева" | Способ определения положения объекта засечкой с двух измерительных пунктов по азимуту, углу места и дальности |
RU2677586C1 (ru) * | 2017-12-11 | 2019-01-17 | Федеральное государственное казенное военное образовательное учреждение высшего образования "ВОЕННАЯ АКАДЕМИЯ МАТЕРИАЛЬНО-ТЕХНИЧЕСКОГО ОБЕСПЕЧЕНИЯ имени генерала армии А.В. Хрулева" | Способ позиционирования объекта засечкой дальности и угла места с первого измерительного пункта и угла места - со второго |
CN109858137B (zh) * | 2019-01-25 | 2022-07-01 | 哈尔滨工业大学 | 一种基于可学习扩展卡尔曼滤波的复杂机动飞行器航迹估计方法 |
CN112904361B (zh) * | 2020-12-10 | 2022-05-10 | 成都飞机工业(集团)有限责任公司 | 一种基于激光扫描的发动机推力线精确测量方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09257933A (ja) * | 1996-03-21 | 1997-10-03 | Mitsubishi Electric Corp | 測距装置 |
CN101236253B (zh) * | 2008-03-07 | 2010-07-07 | 中国科学院上海光学精密机械研究所 | 高精度测速测距激光雷达系统及测速测距方法 |
CN101746504A (zh) * | 2008-12-01 | 2010-06-23 | 厦门市罗普特科技有限公司 | 带红外线测距空中悬停警用侦察飞行器 |
-
2014
- 2014-10-13 CN CN201410539829.9A patent/CN104330803B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104330803A (zh) | 2015-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104330803B (zh) | 一种机动飞行器的双站红外被动测距方法 | |
CN105352504B (zh) | 一种惯性导航与激光扫描融合的采煤机定位装置及方法 | |
Benini et al. | An imu/uwb/vision-based extended kalman filter for mini-uav localization in indoor environment using 802.15. 4a wireless sensor network | |
CN109282808B (zh) | 用于桥梁三维巡航检测的无人机与多传感器融合定位方法 | |
CN107315413A (zh) | 一种车车通信环境下考虑车辆间相对位置的多车协同定位算法 | |
CN106226780A (zh) | 基于激光扫描雷达的多旋翼室内定位系统及实现方法 | |
CN106814744A (zh) | 一种无人机飞行控制系统以及方法 | |
CN105242682B (zh) | 靶机目标特性测量系统 | |
CN102023003A (zh) | 基于激光探测和图像识别的无人直升机三维定位及测绘方法 | |
DE04821913T1 (de) | Steuersystem für fahrzeuge | |
CN108759839A (zh) | 一种基于态势空间的无人飞行器路径规划方法 | |
CN105445729A (zh) | 无人机飞行三维航迹精度检测方法及系统 | |
CN105372650A (zh) | 一种无人机飞行航迹精度检测方法及装置 | |
CN110095108B (zh) | 一种基于bim无人机测绘装置及测绘方法 | |
Zhu et al. | Vision/GPS-based docking control for the UAV Autonomous Aerial Refueling | |
CN111257954B (zh) | 一种基于特征反演的车载阵列式探测方法及系统 | |
Huang et al. | Research on UAV flight performance test method based on dual antenna GPS/INS integrated system | |
CN110232301A (zh) | 一种人体的检测方法、装置及存储介质 | |
Guan et al. | A new integrated navigation system for the indoor unmanned aerial vehicles (UAVs) based on the neural network predictive compensation | |
CN108332749A (zh) | 一种室内动态追踪定位方法 | |
Erez et al. | A novel simple two-robot precise self-localization method | |
CN114562994A (zh) | 移动机器人处于动态环境中的定位方法 | |
CN106908058A (zh) | 一种确定地磁定位阵列孔径的方法 | |
Suwandi et al. | OBD-II Sensor Approaches for The IMU and GPS Based Apron Vehicle Positioning System | |
CN112686969A (zh) | 断面图生成方法、系统、装置和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |