CN109269499B - 一种基于相对导航的目标联合组网定位方法 - Google Patents
一种基于相对导航的目标联合组网定位方法 Download PDFInfo
- Publication number
- CN109269499B CN109269499B CN201811047874.7A CN201811047874A CN109269499B CN 109269499 B CN109269499 B CN 109269499B CN 201811047874 A CN201811047874 A CN 201811047874A CN 109269499 B CN109269499 B CN 109269499B
- Authority
- CN
- China
- Prior art keywords
- positioning
- locator
- matrix
- person
- slave
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/08—Position of single direction-finder fixed by determining direction of a plurality of spaced sources of known location
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于相对导航的目标联合组网定位方法,该方法包括以下步骤:(1)计算从定位人员到主定位人员的信号方位角;(2)计算从定位人员到主定位人员的距离;(3)基于目标移动特性和联合组网定位建立运动模型和相对状态方程;(4)基于从定位人员到主定位人员的距离和信号方位角建立量测方程;(5)采用卡尔曼滤波方法计算从定位人员的位置坐标;(6)利用联合组网定位融合方法对主定位人员位置进行修正。
Description
技术领域
本发明属于导航技术领域,尤其涉及一种基于相对导航的目标联合组网定位方法。
背景技术
在地震救援,反恐作战,野外搜救等突发事件的复杂环境下,行动人员常常需要确定自己的当前位置,并把定位信息及时传达给同伴及上级指挥者,以利于行动人员掌握自身位置状态,保障安全,也有利于指挥者全面了解所有人员的姿态,统筹下一步的行动计划。
传统的通过地图、指南针,加以观察地图环境的定位方法不那么准确,GPS模块往往也会因为没有信号无法发挥定位作用。解决方案从单纯的捷联惯导系统导航发展到捷联惯导系统加地磁信息系统,替代GPS组合的人员自主定位。随着导航地位时间增加,惯性导航系统误差将不断累积,通常通过滤波方法可以解决,或者采用联合分布式多平台惯性系统误差修正方法。
发明内容
发明目的:针对以上问题,本发明提出一种基于相对导航的目标联合组网定位方法,其目的在于不使用GPS条件下,通过组网定位的方法提高组网成员定位精度的一种途径,满足在山区、丛林、楼宇、洞穴等复杂作战环境中搜寻定位需要,为新型搜寻定位技术提供储备。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:一种基于相对导航的目标联合组网定位方法,该方法包括以下步骤:
(1)计算从定位人员到主定位人员的信号方位角;
(2)计算从定位人员到主定位人员的距离;
(3)基于目标移动特性和联合组网定位建立运动模型和相对状态方程;
(4)基于从定位人员到主定位人员的距离和信号方位角建立量测方程;
(5)采用卡尔曼滤波方法计算从定位人员的位置坐标;
(6)利用联合组网定位融合方法对主定位人员位置进行修正。
其中,步骤(1)中,计算从定位人员到主定位人员的信号方位角的方法如下:
(1.1)将N个待定位人员分为N-1个从定位人员和1个主定位人员,主定位人员ID号为m,1≤m≤N,从定位人员ID号为i,i=1....N,且i≠m;
根据阵列公式得:
其中,N1、N2是两天线阵列接受的噪声,φ1为两个天线阵列相位差;
A为天线阵列的导向矢量阵且有:
其中,f为电磁波频率,d为两天线阵列之间距离,c为光速;
将(1)和(2)式合并得:
得(4)式的协方差矩阵:
其中,RS为信号子空间协方差矩阵,RN为噪声协方差矩阵;
(1.3)对矩阵R进行特征分解,得到两个数据矩阵的信号子空间US1和US2;
R=∑λieiei H≈USΣsUS H+UNΣNUN H (6)
其中,λi为R矩阵的特征值,ei为特征值对应的特征向量,Σs为最大特征值对应旋转不变矩阵,ΣN为噪声对应旋转不变矩阵,US为最大特征值对应的特征矢量生成的信号子空间,UN为最小特征值对应矢量生成的噪声子空间;
(1.4)求出旋转不变关系矩阵ΨLS,然后对其进行特征分解,其中最大的特征值对应的特征向量即为方向角:
其中,步骤(2)中,计算从定位人员到主定位人员的距离方法如下:设T1时刻,从定位人员i向主定位人员m发送询问指令,T2时刻m收到询问指令,T3为m向i发送应答指令时刻,T4为i收到应答指令的时刻,利用异步TOA原理计算距离
其中,步骤(3)中,基于目标移动特性和联合组网定位建立运动模型和相对状态方程,方法如下:记从定位人员i系统状态量Xi=[xi,yi,vxi,vyi]T,噪声向量W(t)=[wxi,wyi]T,其中,xi,yi为从定位人员i的二维坐标,vxi,vyi为从定位人员i的二维速度,wxi,wyi为从定位人员i二维方向上加速度噪声,设tk-1到tk时间间隔为T,则根据人员移动特性建立运动学模型为:
其中,xk,yk为tk时刻从定位人员的坐标,xk-1,yk-1为tk-1时刻从定位人员坐标位置,vxk,vyk为tk时刻从定位人员的速度,wx,wy为噪声加速度,vx(k-1),vy(k-1)为tk-1时刻从定位人员的速度,写成矩阵形式:
Xk=Fk|k-1Xk-1+Gk|k-1Wk-1 (11)
其中,Xk是tk时刻从定位人员状态向量,Wk-1为系统噪声向量;
从定位人员i和主定位人员m之间的相对状态方程为:
其中,为tk时刻从定位人员i和主定位人员m之间相对状态向量,为tk-1时刻从定位人员i和主定位人员m之间相对状态向量, 为tk时刻从定位人员i的状态向量,为tk时刻主定位人员m的状态向量,为tk-1时刻主定位人员m噪声矩阵,为tk-1时刻从定位人员i噪声矩阵。
其中,步骤(4)中,基于从定位人员到主定位人员的距离和信号方位角建立量测方程,方法如下:
其中,ΔZk为tk时刻实际量测矩阵,H1为转移矩阵,Vk为tk时刻量测噪声
且
其中,步骤(5)中,采用卡尔曼滤波方法建立联合组网定位模型,方法如下:对(13)(14)进行一阶泰勒展开,得到转移矩阵H1为:
对于(12)(15)描述的线性离散线性系统,利用量测值ΔZk通过卡尔曼滤波融合方法对状态进行估计,记初始相对状态向量为P0=I4×4为4阶单位矩阵, 为陀螺仪误差,为加速度计误差,代入式(16),(17)进行迭代:
时间更新
量测更新
其中,为的一步估计,I为单位矩阵,H1k为tk时刻H1阵,Pk|k-1为估计值的均方误差阵,Pk为均方误差阵,Pk-1为均方误差阵,Kk为卡尔曼滤波增益矩阵,系统噪声和观测噪声方差阵分别为: 为陀螺仪误差,为加速度计误差,为噪声误差,经上述步骤可得tk时刻从定位人员i的相对于主定位人员m的相对状态向量 得tk时刻从定位人员i的状态向量:
有益效果:与现有技术相比,本发明的技术方案具有以下有益技术效果:
(1)利用无线通讯技术同惯导技术融合使得系统更加稳定;
(2)无线通讯中采用ESPRIT方法估计目标源方位和TOA技术测距具有较好的异步性和实用性;
(3)充分利用联合组网分布式特点增加定位精度;
(4)采用卡尔曼滤波融合方法提高了定位精度。
附图说明
图1为本发明使用的均匀线阵示意图;
图2为本发明使用的TOA测距示意图;
图3为本发明使用的方法流程图。
具体实施方式
下面对本发明技术方案进行详细说明,但是本发明的保护范围不局限于所述实施例。
将N个待定位人员分为N-1个从定位人员和1个主定位人员,各人员之间携带无线接收和发送装置,采用无线方式通讯,人员接受装置上采用ESPRIT方法估计发射信号的人员的方位角,采用TOA方法测距技术估算主从定位人员的距离,主定位人员ID号为m,1≤m≤N,从定位人员ID号为i,i=1....N,且i≠m。
具体包括如下步骤:
一、估计从定位人员到主定位人员方位角
根据阵列公式得:
式中,N1、N2是两天线阵列接受的噪声,φ1为两个天线阵列相差相位差。
A为天线阵列的导向矢量阵且有:
f为电磁波频率,d为两天线阵列之间距离,c为光速。
将(1)和(2)式合并得:
可得(4)式的协方差矩阵:
其中,RS为信号子空间协方差矩阵,RN为噪声协方差矩阵。
(2)对矩阵R进行特征分解,从而得到两个数据矩阵的信号子空间US1和US2;
R=∑λieiei H≈USΣsUS H+UNΣNUN H (6)
式中,λi为R矩阵的特征值,ei为特征值对应的特征向量,Σs为最大特征值对应旋转不变矩阵,ΣN为噪声对应旋转不变矩阵,US为最大特征值对应的特征矢量生成的信号子空间,UN为最小特征值对应矢量生成的噪声子空间。
(3)求出旋转不变关系矩阵ΨLS,然后对其进行特征分解,其中最大的特征值对应的特征向量即为方向角。
二、估计目标源距离
TOA具有精度高、测距耗时少、传输距离远等特点,本发明采用TOA测距技术,如图2所示。
从定位人员i和主定位人员m之间采用TOA技术相互测距,步骤如下,设T1时刻,i向m发送询问指令,T2时刻m收到询问指令,T3为m向i发送应答指令时刻,T4为i收到应答指令的时刻,利用异步TOA原理可得,距离为
其中,C为光速,
C=3×108m/s。
考虑到人员移动低速和联合组网定位具有分布式特点,建立相对状态模型和状态方程。
设定各定位人员直接可以进行相互自组网通讯,并且人员短时间按照匀速进行运动,记从定位人员i系统状态量Xi=[xi,yi,vxi,vyi]T,噪声向量W(t)=[wxi,wyi]T,其中,xi,yi为从定位人员i的二维坐标,vxi,vyi从定位人员i的二维速度,wxi,wyi为二维方向上加速度噪声,设tk-1到tk,时间间隔为T,则根据人员移动特性可得运动学模型为:
式中,xk,yk为tk时刻从定位人员的坐标,xk-1,yk-1为tk-1时刻从定位人员坐标位置,vxk,vyk为tk时刻从定位人员的速度,wx,wy为噪声加速度,vx(k-1),vy(k-1)为tk-1时刻从定位人员的速度,写成矩阵形式:
Xk=Fk|k-1Xk-1+Gk|k-1Wk-1 (11)
其中,Xk是tk时刻从定位人员状态向量,Wk-1为系统噪声向量。
所以从定位人员i和主定位人员m之间的相对状态方程为:
其中,为tk时刻从定位人员i和主定位人员m之间相对状态向量,为tk-1时刻从定位人员i和主定位人员m之间相对状态向量,Fk|k-1,Gk|k-1如上述相同, 为tk时刻从定位人员i的状态向量,为tk时刻主定位人员m的状态向量,为tk-1时刻主定位人员m噪声矩阵,为tk-1时刻从定位人员i噪声矩阵。
估计从定位人员i和主定位人员m之间相对坐标差,也根据相对距离和相对角度关系建立数学方程:
其中,ΔZk为tk时刻实际量测距阵,H1为转移矩阵,Vk为tk时刻量测噪声且
为了消除定位过程中高斯白噪声影响,采用卡尔曼滤波方法建立联合组网定位模型,将距离、方位等参数传入模型,实现相对导航的目标联合组网定位,整个过程方法流程如图3所示。
式(12)、(15)即为相对组网定位状态方程和量测方程,考虑式(13)(14)非线性,对(13)(14)进行一阶泰勒展开,得到转移矩阵H1为:
对于(12)(15)描述的线性离散线性系统,可以利用量测值ΔZk通过卡尔曼滤波融合方法对状态进行估计,记初始相对状态向量为P0=I4×4为4阶单位矩阵, 为陀螺仪误差,为加速度计误差,代入式(16),(17)进行迭代:
时间更新
量测更新
其中,为的一步估计,I为单位矩阵,H1k为tk时刻H1阵,Pk|k-1为估计值的均方误差阵,Pk为均方误差阵,Pk-1为均方误差阵Kk为卡尔曼滤波增益矩阵,系统噪声和观测噪声方差阵分别:其中,为陀螺仪误差,为加速度计误差,为噪声误差。
考虑到一套惯导多次启动,其定位误差是完全相互独立、随机的,服从正态分布当。针对联合分布式组网特点,可以通过对多套惯导位置输出采用融合的方式来提高其定位精度。
将各个从定位人员经过卡尔曼获得的位置输出信息加上相对主定位人员位置偏移量,相当于将各从定位人员惯导位置输出信息转移到主定位人员上,再与主定位人员自身惯导位置输出信息进行“加权平均”,即得到经过联合组网校正后的主定位人员m,tk时刻精确位置信息
主定位人员ID为m,从定位人员ID为i,人员数为N,其中,为tk时刻主定位人员坐标估计值,为tk时刻主定位人员自身惯导系统获得坐标,为tk时刻从定位人员i经过卡尔曼滤波所得坐标值,为tk时刻从定位人员i相对主定位人员的位置偏移量。
如上所述,尽管参照特定的优选实施例已经表示和表述了本发明,但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下,可对其在形式上和细节上作出各种变化。
Claims (5)
1.一种基于相对导航的目标联合组网定位方法,其特征在于,该方法包括以下步骤:
(1)计算从定位人员到主定位人员的信号方位角;
(2)计算从定位人员到主定位人员的距离;
(3)基于目标移动特性和联合组网定位建立运动模型和相对状态方程;
(4)基于从定位人员到主定位人员的距离和信号方位角建立量测方程;
(5)采用卡尔曼滤波方法计算从定位人员的位置坐标;
(6)利用联合组网定位融合方法对主定位人员位置进行修正;
步骤(1)中,计算从定位人员到主定位人员的信号方位角的方法如下:
(1.1)将N个待定位人员分为N-1个从定位人员和1个主定位人员,主定位人员ID号为m,1≤m≤N,从定位人员ID号为i,i=1....N,且i≠m;
根据阵列公式得:
其中,N1、N2是两天线阵列接受的噪声,φ1为两个天线阵列相位差;
A为天线阵列的导向矢量阵且有:
其中,f为电磁波频率,d为两天线阵列之间距离,c为光速;
将(1)和(2)式合并得:
(4)式的协方差矩阵:
其中,RS为信号子空间协方差矩阵,RN为噪声协方差矩阵;
(1.3)对矩阵R进行特征分解,得到两个数据矩阵的信号子空间US1和US2;
R=∑λieiei H≈USΣsUS H+UNΣNUN H (6)
其中,λi为R矩阵的特征值,ei为特征值对应的特征向量,Σs为最大特征值对应旋转不变矩阵,ΣN为噪声对应旋转不变矩阵,US为最大特征值对应的特征矢量生成的信号子空间,UN为最小特征值对应矢量生成的噪声子空间;
(1.4)求出旋转不变关系矩阵ΨLS,然后对其进行特征分解,其中最大的特征值对应的特征向量即为方向角:
步骤(2)中,计算从定位人员到主定位人员的距离方法如下:设T1时刻,从定位人员i向主定位人员m发送询问指令,T2时刻m收到询问指令,T3为m向i发送应答指令时刻,T4为i收到应答指令的时刻,利用异步TOA原理计算距离
2.根据权利要求1所述的一种基于相对导航的目标联合组网定位方法,其特征在于,步骤(3)中,基于目标移动特性和联合组网定位建立运动模型和相对状态方程,方法如下:记从定位人员i系统状态量Xi=[xi,yi,vxi,vyi]T,噪声向量W(t)=[wxi,wyi]T,其中,xi,yi为从定位人员i的二维坐标,vxi,vyi为从定位人员i的二维速度,wxi,wyi为从定位人员i二维方向上加速度噪声,设tk-1到tk时间间隔为T,则根据人员移动特性建立运动学模型为:
其中,xk,yk为tk时刻从定位人员的坐标,xk-1,yk-1为tk-1时刻从定位人员坐标位置,vxk,vyk为tk时刻从定位人员的速度,wx,wy为噪声加速度,vx(k-1),vy(k-1)为tk-1时刻从定位人员的速度,写成矩阵形式:
Xk=Fk|k-1Xk-1+Gk|k-1Wk-1 (11)
其中,Xk是tk时刻从定位人员状态向量,Wk-1为系统噪声向量;
从定位人员i和主定位人员m之间的相对状态方程为:
4.根据权利要求3所述的一种基于相对导航的目标联合组网定位方法,其特征在于,步骤(5)中,采用卡尔曼滤波方法建立联合组网定位模型,方法如下:对(13)(14)进行一阶泰勒展开,得到转移矩阵H1为:
对于(12)(15)描述的线性离散线性系统,利用量测值ΔZk通过卡尔曼滤波融合方法对状态进行估计,记初始相对状态向量为P0=I4×4为4阶单位矩阵, 为陀螺仪误差,为加速度计误差,代入式(16),(17)进行迭代:
时间更新
量测更新
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811047874.7A CN109269499B (zh) | 2018-09-07 | 2018-09-07 | 一种基于相对导航的目标联合组网定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811047874.7A CN109269499B (zh) | 2018-09-07 | 2018-09-07 | 一种基于相对导航的目标联合组网定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109269499A CN109269499A (zh) | 2019-01-25 |
CN109269499B true CN109269499B (zh) | 2022-06-17 |
Family
ID=65188230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811047874.7A Active CN109269499B (zh) | 2018-09-07 | 2018-09-07 | 一种基于相对导航的目标联合组网定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109269499B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101001458A (zh) * | 2006-06-23 | 2007-07-18 | 北京航空航天大学 | 基于相互测距信息的机群组网定位方法 |
WO2008063946A2 (en) * | 2006-11-13 | 2008-05-29 | Honeywell International Inc. | Method and system for automatically estimating the spatial positions of cameras in a camera network |
CN102135617A (zh) * | 2011-01-06 | 2011-07-27 | 哈尔滨工程大学 | 双基地多输入多输出雷达多目标定位方法 |
CN103017771A (zh) * | 2012-12-27 | 2013-04-03 | 杭州电子科技大学 | 一种静止传感器平台的多目标联合分配与跟踪方法 |
JP2014215086A (ja) * | 2013-04-23 | 2014-11-17 | 株式会社豊田中央研究所 | 慣性航法システム、移動体端末、慣性航法装置、及びプログラム |
CN105628026A (zh) * | 2016-03-04 | 2016-06-01 | 深圳大学 | 一种移动物体的定位定姿方法和系统 |
-
2018
- 2018-09-07 CN CN201811047874.7A patent/CN109269499B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101001458A (zh) * | 2006-06-23 | 2007-07-18 | 北京航空航天大学 | 基于相互测距信息的机群组网定位方法 |
WO2008063946A2 (en) * | 2006-11-13 | 2008-05-29 | Honeywell International Inc. | Method and system for automatically estimating the spatial positions of cameras in a camera network |
CN102135617A (zh) * | 2011-01-06 | 2011-07-27 | 哈尔滨工程大学 | 双基地多输入多输出雷达多目标定位方法 |
CN103017771A (zh) * | 2012-12-27 | 2013-04-03 | 杭州电子科技大学 | 一种静止传感器平台的多目标联合分配与跟踪方法 |
JP2014215086A (ja) * | 2013-04-23 | 2014-11-17 | 株式会社豊田中央研究所 | 慣性航法システム、移動体端末、慣性航法装置、及びプログラム |
CN105628026A (zh) * | 2016-03-04 | 2016-06-01 | 深圳大学 | 一种移动物体的定位定姿方法和系统 |
Non-Patent Citations (1)
Title |
---|
一种机群相对定位方法;程承等;《火力与指挥控制》;20120331;第37卷(第3期);第13-15页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109269499A (zh) | 2019-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2017233539B2 (en) | Estimating locations of mobile devices in a wireless tracking system | |
US7821453B2 (en) | Distributed iterative multimodal sensor fusion method for improved collaborative localization and navigation | |
CN111536967B (zh) | 一种基于ekf的多传感器融合温室巡检机器人跟踪方法 | |
Fang et al. | Graph optimization approach to range-based localization | |
CN107980100A (zh) | 分布式定位系统和方法以及自定位设备 | |
US11035915B2 (en) | Method and system for magnetic fingerprinting | |
US6947880B2 (en) | Method for improving accuracy of a velocity model | |
Xiong et al. | Carrier-phase-based multi-vehicle cooperative positioning using V2V sensors | |
Ouyang et al. | Cooperative navigation of UAVs in GNSS-denied area with colored RSSI measurements | |
CN109188352B (zh) | 一种组合导航相对定位方法 | |
Latif et al. | Multi-robot synergistic localization in dynamic environments | |
Li et al. | Cooperative visual-range-inertial navigation for multiple unmanned aerial vehicles | |
CN117320148A (zh) | 多源数据融合定位方法、系统、电子设备及存储介质 | |
CN109269499B (zh) | 一种基于相对导航的目标联合组网定位方法 | |
Xiao et al. | Wision: Bolstering MAV 3d indoor state estimation by embracing multipath of wifi | |
Sun et al. | Multi-robot range-only SLAM by active sensor nodes for urban search and rescue | |
CN116482735A (zh) | 一种受限空间内外高精度定位方法 | |
US10663557B2 (en) | Method and system of geolocation by direct calculation of movement elements | |
Di Franco et al. | Data fusion for relative localization of wireless mobile nodes | |
Schindler et al. | A Relative Infrastructure-less Localization Algorithm for Decentralized and Autonomous Swarm Formation | |
Wang et al. | Distributed collaborative navigation based on rank-defect free network | |
Yan et al. | Cooperative navigation in unmanned surface vehicles with observability and trilateral positioning method | |
Yang et al. | Relative navigation with displacement measurements and its absolute correction | |
Zhao et al. | Collaborative Effects of mobile sensor network localization through distributed multimodal navigation sensor fusion | |
Wang et al. | Maximum Correntropy Criterion-Based UKF for Loosely Coupling INS and UWB in Indoor Localization. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |