CN110779544B - 一种多无人机自定位和对目标定位的双任务深度配合方法 - Google Patents
一种多无人机自定位和对目标定位的双任务深度配合方法 Download PDFInfo
- Publication number
- CN110779544B CN110779544B CN201911052895.2A CN201911052895A CN110779544B CN 110779544 B CN110779544 B CN 110779544B CN 201911052895 A CN201911052895 A CN 201911052895A CN 110779544 B CN110779544 B CN 110779544B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- target
- measurement
- task
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000004927 fusion Effects 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims description 63
- 230000033001 locomotion Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 230000010365 information processing Effects 0.000 claims description 7
- 230000001360 synchronised effect Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000007499 fusion processing Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000019771 cognition Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Abstract
本发明属于多无人机协同技术领域，公开的一种多无人机自定位和对目标定位的双任务深度配合方法，是构建一个多无人机自定位和对目标定位两任务的同步运行架构，通过将每一时刻无人机和目标的位置同时视为待求解变量，包括CSL+CTL双任务运行架构、CSL+CTL任务下测量关系和信息的传递、CSL+CTL双任务深度融合、CSL+CTL深度融合时信息处理。本发明将侦察无人机和目标均视为位置不确定的待估计对象，且考虑了多无人机位置间的相关性，基于此对目标的定位将更为客观、准确。CSL+CTL深度融合模式优于两任务独立模式下各自所能完成的任务质量。本发明可用于多无人机在执行搜救或监视等任务时的目标定位。
Description
技术领域
本发明属于多无人机协同技术领域，尤其涉及在多无人机同时承担自定位和目标定位两类任务时的两任务的一种多无人机自定位和对目标定位的双任务深度配合方法。
背景技术
协同作业为提高无人机能力提供了一种新的工作模式。为发挥协同效能，多无人机系统可以在多个层次进行协作，如系统内部的协作定位、外界目标协同侦察等。各层协作任务相互影响，如协作定位提高了侦察无人机的位置估计精度，而对自身更准确的位置认知又有利于提高对目标的协同侦察能力。
协作自定位Cooperative Self-Localization，CSL和协同目标定位CooperativeTarget-Localization，CTL属于多无人机协同作业的两类任务。前者面向无人机平台，以提高无人机自身的定位精度为目的，后者面向安装于无人机上的侦察系统，以提高对外界目标的认知为目的。CSL利用无人机间的相对测量，如距离、方位来提高多无人机的位置精度，将滤波技术用于CSL是主要方法之一。CTL是多个侦察无人机在侦察到外部目标时，融合多侦察者-目标的相对测量值对目标进行定位。
侦察无人机位置是CTL任务执行的基础数据。当利用滤波技术进行协作自定位时，CSL输出的无人机位置存在非确定性性和相关性(分别以方差、协方差表征)，因此在CTL中只有充分考虑这些信息因素，对目标的定位才更为准确。
在当前的应用或研究中，CSL和CTL往往作为不同的问题而分别独立解决，模式是：CSL提供侦察者位置，CTL输入侦察者位置、侦察数据，输出目标位置。这种模式下，一方面，侦察者位置数据作为CTL的输入，其不确定性和相关性往往被忽略，这就造成CTL过分相信并利用该数据。另一方面，当多个侦察者测量到同一目标时，这一测量关系将又增加侦察者间的几何约束，但在独立模式下，这些约束信息未能被用于侦察者的位置估计(即未帮助CSL任务)，这使得测量信息未能被充分利用。
发明内容
针对多无人机同时承担CSL和CTL两类任务情况，本发明提出了一种多无人机自定位和对目标定位的双任务深度配合方法。
为实现上述发明目的，本发明采用如下技术方案：
一种多无人机自定位和对目标定位的双任务深度配合方法，构建一个多无人机自定位和对目标定位两任务的同步运行架构，通过将每一时刻无人机和目标的位置同时视为待求解变量，本架构安装有线速度和相对距离测量设备、目标搜索测量设备、无线通信设备的无人机，一个具有信息处理能力的中心无人机，中心无人机有通信设备，及与各无人机通信：设置有N个无人机，无人机编号集表示为C，被侦察目标一个，表示为o；具体实施步骤如下：
一、CSL+CTL双任务运行架构，深度融合时，两任务的输出/输出关系；在每一时刻，CSL输出各侦察者的位置及其不确定度和相关度；进行CTL任务时，在估计出目标位置的同时，侦察者的位置被重新估计，该估计结果又将继续作为下一时刻的CSL任务的前提输入；
二、CSL+CTL任务下，测量关系和信息传递的关系，测量信息种类包括无人机自身运动测量、无人机之间相对测量、无人机对目标的测量；自身运动参数能够被连续地测量，而受测量环境条件的影响，无人机间的相对测量并非一直存在，但其出现频次仍高于无人机对目标的测量频次，即无人机与目标非合作；
每隔一固定周期，各无人机都将自身的运动测量、对友邻无人机的相对测量、对目标的相对测量传送与中心无人机；中心无人机在利用这些信息完成融合后，估计出无人机位置、目标位置，它们是否反馈与无人机由实际需要而定；
三、CSL+CTL双任务深度融合流程，各无人机负责测量数据采集，中心无人机运行处理算法，负责估计无人机和目标的位置，具体过程如下：
步骤一：无人机采集、发送数据
任务开始后，各无人机开始侦察邻近无人机和目标，期间测量采集三类数据：自身运动参数的线速度，无人机间相对测量无人机间相对测量zij(k)(i,j∈C)、无人机与目标相对测量zio(i∈C)；
若无人机收到任务停止指令，则停止工作；若无人机没有收到停止指令，则每隔一固定周期，各无人机将三类数据打包发送与中心无人机；
步骤二：中心无人机处理数据
当中心无人机接收到各无人机发送来的数据后，对数据作如下处理：
(1)估计无人机预期位置
利用式(19)(20)计算各测量无人机预期位置以及预期位置协方差/>
其中Δ(k)＝diag[Δ1；…ΔN],δ表示采样周期，G(k)＝diag[G1…GN],/>
(2)判断是否存在无人机间相对测量zij(k)，
1)若不存在，按照(21)(22)获得
2)若存在，则进行协作自定位，按照下式对预期位置进行更新；
其中表示后验位置，/>为对应协方差；h(·)为相对测量关系表达式，H(k+1)为h(·)的线性化展开，R(k)＝diag[R1…RN]表示测量噪声方差形成的对角阵；
(3)判断是否存在无人机与目标间的相对测量zio(k)，若存在则进行CSL+CTL的深度融合，重新获得无人机位置，并估计出目标位置，否则本次接收数据处理完毕；
步骤三：中心无人机将估计的无人机位置各估计误差间的协方差/>目标位置，根据实际任务需求发送与不同的需求者。返回步骤一重复执行，直到无人机接收到任务停止指令，停止工作；
四、CSL+CTL深度融合时信息处理流程，当中心无人机接收到的数据中包含无人机-目标相对测量时，则进行深度融合，具体步骤如下：
1：建立全局代价函数
其中zmo表示侦察无人机测量到与目标距离值，表示测量方差；初始化迭代变量：令/>上标表示迭代步数，由计算S0；
2：计算迭代模型系数
(1)若无人机i测量到目标，则根据(27)计算无人机位置估计的迭代系数ai，
(2)若无人机i未测量到目标，则根据(28)计算位置估计的迭代系数ai，
(3)计算目标位置估计的迭代系数ao，计算公式如下：
3：迭代优化
1)令：根据(30)计算无人机位置估计，
2)根据(31)估计目标位置，
4：计算迭代估计的协方差
(1)根据(32)计算2n+1个σ点，
(2)根据(33)计算σ的传播，
其中fi(·)对应于(30)(31)，表示/>的第i块元素。
(3)根据(34)(35)计算迭代估计Xs+1的误差协方差
5：迭代终止判断
将xs+1，代入(26)计算Ss+1，判断(36)是否成立，即：
Ss+1-Ss≤ε (18)
其中ε为迭代终止的阈值，若(36)成立，则令：若不成立，则返至2继续。CSL+CTL深度融合最终估计出目标位置和被重新估计的无人机位置。
由于采用上述技术方案，本发明具有如下优越性：
本发明构建的一个多无人机自定位和对目标定位两任务的同步运行架构，在该架构中，无人机位置不再是对目标位置估计的基准常值输入数据，而是通过将每一时刻无人机和目标的位置同时视为待求解变量，实现两种任务需求参数的同步输入、被估计结果的同步输出，使得无人机-目标间的测量数据也用于改进无人机的位置估计。基于该架构思想，以多无人机、目标位置估计的均方误差最小建立优化函数，其中引入多无人机位置的不确定性和位置间的相关性因素，设计基于迭代的无人机和被侦察目标位置的同步估计模型，用于实现对无人机和被侦察目标的位置估计。基于所提出的同步运行架构，自定位和对目标定位任务运行模块的输入/输出不再是传统的串行、依赖关系，实现两任务的深度配合，提高了定位精度。
本发明能够实现两任务深度融合的，将CSL和CTL所面临的场景视为一个多维标度Multi-dimensional Scaling，MDS问题，即在每一时刻，锚节点的侦察无人机、未知节点的目标、节点间相对测量构成一个快照snap-shot，建立全局代价函数，通过优化获得目标和侦察无人机的位置估计。本发明中首先以目标位置、多侦察者位置，由CSL输出、多侦察者与目标相对距离为变量，以均方误差最小为目标，建立一个包含侦察者位置的不确定性和相关性因素的全局代价函数，优化结果中不仅包含目标位置估计，还包含对侦察者的位置估计及其误差协方差。
相比于两类任务的独立运行的情况，该方法可以同时提高了CSL对侦察无人机自身和CTL对目标的定位精度，达到了两类任务相互支撑和相互促进目的。在本发明中，两类任务虽然在信息利用上深度融合，但结构上看，两任务只在输入输出形式要求一致，内部如何处理并无交联，因此两类任务的执行算法实施是独立的，这便于各自支撑算法的升级。
附图说明
图1为本发明中CSL+CTL双任务输入输出关系示意图。
图2为CSL+CTL双任务时的测量、信息传递关系示意图。
图3为本发明所述一种多无人机的CSL+CTL双任务深度融合方法处理流程示意图。
图4为CSL+CTL深度融合时信息处理流程图。
具体实施方法
下面结合附图介绍本发明的实施方式。
本发明针对安装有线速度和相对距离测量设备、目标搜索测量设备、无线通信设备的无人机，一个具有信息处理能力的中心无人机，中心无人机有通信设备，可与各无人机通信。假定有N个无人机，无人机编号集表示为C，被侦察目标一个，表示为o。
图1为CSL+CTL双任务运行架构。展示了深度融合时，两任务的输出/输出关系。在每一时刻，CSL输出各侦察者的位置及其不确定度和相关度；进行CTL任务时，在估计出目标位置的同时，侦察者的位置被重新估计，该估计结果又将继续作为下一时刻的CSL任务的前提输入。
图2为CSL+CTL任务下，测量关系和信息传递关系示意。测量信息种类包括无人机自身运动测量、无人机之间相对测量、无人机对目标的测量。自身运动参数可以被连续地测量，而受测量环境条件的影响，无人机间的相对测量并非一直存在，但其出现频次仍高于无人机对目标的测量频次(无人机与目标非合作)。
每隔一固定周期，各无人机都将自身的运动测量、对友邻无人机的相对测量(如果有)、对目标的相对测量(如果有)传送与中心无人机。中心无人机在利用这些信息完成融合后，估计出无人机位置、目标位置，它们是否反馈与无人机由实际需要而定。
图3为CSL+CTL双任务深度融合流程示意图。各无人机负责测量数据采集，中心无人机运行处理算法，负责估计无人机和目标的位置，具体过程如下：
步骤一：无人机采集、发送数据
任务开始后，各无人机开始侦察邻近无人机和目标，期间测量采集三类数据：自身运动参数(如线速度)，无人机间相对测量zij(k)(i,j∈C)(若存在)、无人机与目标相对测量zio(i∈C)(若存在)。
若无人机收到任务停止指令，则停止工作。若无人机没有收到停止指令，则每隔一固定周期，各无人机将三类数据打包发送与中心无人机。
步骤二：中心无人机处理数据
当中心无人机接收到各无人机发送来的数据后，对数据作如下处理：
(1)估计无人机预期位置
利用式(19)(20)计算各测量无人机预期位置以及预期位置协方差/>
其中Δ(k)＝diag[Δ1；…ΔN],δ表示采样周期，G(k)＝diag[G1…GN],/>
(2)判断是否存在无人机间相对测量zij(k)，
3)若不存在，按照(21)(22)获得
4)若存在，则进行协作自定位，按照下式对预期位置进行更新
其中表示后验位置，/>为对应协方差。h(·)为相对测量关系表达式，H(k+1)为h(·)的线性化展开，R(k)＝diag[R1…RN]表示测量噪声方差形成的对角阵。
(3)判断是否存在无人机与目标间的相对测量zio(k)，若存在则进行CSL+CTL的深度融合，重新获得无人机位置，并估计出目标位置，具体实施过程如图4所示。否则本次接收数据处理完毕。
步骤三：中心无人机将估计的无人机位置各估计误差间的协方差/>目标位置，根据实际任务需求发送与不同的需求者。返回步骤一重复执行，直到无人机接收到任务停止指令，停止工作。
图4为CSL+CTL深度融合时信息处理流程图。当中心无人机接收到的数据中包含无人机-目标相对测量时，则进行深度融合，具体步骤如下：
1：建立全局代价函数
其中zmo表示侦察无人机测量到与目标距离值，表示测量方差。初始化迭代变量：令/>(上标表示迭代步数)，由计算S0；
2：计算迭代模型系数
(4)若无人机i测量到目标，则根据(27)计算无人机位置估计的迭代系数ai，
(5)若无人机i未测量到目标，则根据(28)计算位置估计的迭代系数ai，
(6)计算目标位置估计的迭代系数ao，计算公式如下：
3：迭代优化
3)令：根据(30)计算无人机位置估计，
4)根据(31)估计目标位置，
4：计算迭代估计的协方差
(4)根据(32)计算2n+1个σ点，
(5)根据(33)计算σ的传播，
其中fi(·)对应于(30)(31)，表示/>的第i块元素。
(6)根据(34)(35)计算迭代估计Xs1的误差协方差
5：迭代终止判断
将xs+1，代入(26)计算Ss+1，判断(36)是否成立，即：
Ss+1-Ss≤ε (36)
其中ε为迭代终止的阈值，若(36)成立，则令：若不成立，则返至2继续。CSL+CTL深度融合最终估计出目标位置和被重新估计的无人机位置。
Claims (1)
1.一种多无人机自定位和对目标定位的双任务深度配合方法，其特征在于：构建一个多无人机自定位和对目标定位两任务的同步运行架构，通过将每一时刻无人机和目标的位置同时视为待求解变量，本架构包括安装有线速度和相对距离测量设备、目标搜索测量设备、无线通信设备的无人机，一个具有信息处理能力的中心无人机，中心无人机有通信设备，能与各无人机通信，设置有N个无人机，无人机编号集表示为C，被侦察目标一个，表示为o；具体实施步骤如下：
一、CSL+CTL双任务运行架构，深度融合时，两任务的输出/输出关系；在每一时刻，CSL输出各侦察者的位置及其不确定度和相关度；进行CTL任务时，在估计出目标位置的同时，侦察者的位置被重新估计，该估计结果又将继续作为下一时刻的CSL任务的前提输入；
二、CSL+CTL任务下，测量关系和信息传递的关系，测量信息种类包括无人机自身运动测量、无人机之间相对测量、无人机对目标的测量；自身运动参数能够被连续地测量，而受测量环境条件的影响，无人机间的相对测量并非一直存在，但其出现频次仍高于无人机对目标的测量频次，即无人机与目标非合作；
每隔一固定周期，各无人机都将自身的运动测量、对友邻无人机的相对测量、对目标的相对测量传送与中心无人机；中心无人机在利用这些信息完成融合后，估计出无人机位置、目标位置信息，这些信息是否反馈由无人机与实际需要而定；
三、CSL+CTL双任务深度融合流程，各无人机负责测量数据采集，中心无人机运行处理算法，负责估计无人机和目标的位置，具体过程如下：
步骤一：无人机采集、发送数据
任务开始后，各无人机开始侦察邻近无人机和目标，期间测量采集三类数据：自身运动参数的线速度，无人机间相对测量无人机间相对测量zij(k)，i,h∈C，无人机与目标相对测量zio(k),i∈C；
若无人机收到任务停止指令，则停止工作；若无人机没有收到停止指令，则每隔一固定周期，各无人机将三类数据打包发送与中心无人机；
步骤二：中心无人机处理数据
当中心无人机接收到各无人机发送来的数据后，对数据作如下处理：
(1)估计无人机预期位置
利用式(1)(2)计算各测量无人机预期位置以及预期位置协方差/>
其中Δ(k)＝diag[Δ1；…ΔN],δ表示采样周期，G(k)＝diag[G1 … GN],/>
(2)判断是否存在无人机间相对测量zij(k)，
1)若不存在，按照(3)(4)获得
2)若存在，则进行协作自定位，按照下式对预期位置进行更新；
其中表示后验位置，/>为对应协方差；h(·)为相对测量关系表达式，H(k+1)为h(·)的线性化展开，R(k)＝diag[R1 … RN]表示测量噪声方差形成的对角阵；
(3)判断是否存在无人机与目标间的相对测量zio(k)，若存在则进行CSL+CTL的深度融合，重新获得无人机位置，并估计出目标位置，否则本次接收数据处理完毕；
步骤三：中心无人机根据实际任务需求，将后验位置协方差/>及目标位置，发送给不同的需求者；返回步骤一重复执行，直到无人机接收到任务停止指令，停止工作；
四、CSL+CTL深度融合时信息处理流程，当中心无人机接收到的数据中包含无人机-目标相对测量时，则进行深度融合，具体步骤如下：
1：建立全局代价函数
其中zmo表示侦察无人机测量到与目标距离值，表示测量方差；初始化迭代变量：令上标表示迭代步数，由此计算S0；
2：计算迭代模型系数
(1)若无人机i测量到目标，则根据(9)计算无人机位置估计的迭代系数ai，
(2)若无人机i未测量到目标，则根据(10)计算位置估计的迭代系数ai，
(3)计算目标位置估计的迭代系数ao，计算公式如下：
3：迭代优化
1)令：根据(12)计算无人机位置估计，
2)根据(13)估计目标位置，
4：计算迭代估计的协方差
(1)根据(14)计算2n+1个σ点；
(2)根据(15)计算σ的传播，
表示/>的第i块元素；
(3)根据(16)(17)计算迭代估计xs+1的误差协方差
5：迭代终止判断
将xs+1，代入(8)计算Ss+1，判断(18)是否成立，即：
Ss+1-Ss≤ε (18)其中ε为迭代终止的阈值，若(18)成立，则令：
若不成立，则返至2继续；CSL+CTL深度融合最终估计出目标位置和被重新估计的无人机位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911052895.2A CN110779544B (zh) | 2019-10-31 | 2019-10-31 | 一种多无人机自定位和对目标定位的双任务深度配合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911052895.2A CN110779544B (zh) | 2019-10-31 | 2019-10-31 | 一种多无人机自定位和对目标定位的双任务深度配合方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110779544A CN110779544A (zh) | 2020-02-11 |
| CN110779544B true CN110779544B (zh) | 2024-03-19 |
Family
ID=69388071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911052895.2A Active CN110779544B (zh) | 2019-10-31 | 2019-10-31 | 一种多无人机自定位和对目标定位的双任务深度配合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110779544B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111337875B (zh) * | 2020-04-13 | 2020-10-13 | 北京航天长征飞行器研究所 | 一种空间多站多体制降维定位方法 |
| CN111654814B (zh) * | 2020-05-28 | 2022-03-25 | 联想(北京)有限公司 | 一种定位方法、无人机及计算机可读存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2321459A1 (en) * | 1999-10-01 | 2001-04-01 | Genesis Financial Products Inc. | Computer-based method for creating an optimal configuration of at least one life insurance policy |
| CN204965035U (zh) * | 2015-08-31 | 2016-01-13 | 成都科创城科技有限公司 | 一种智能家居中控系统的多普勒语音采集装置 |
| CN107743299A (zh) * | 2017-09-08 | 2018-02-27 | 天津大学 | 面向无人机机载移动传感器网络的一致性信息滤波算法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8188919B2 (en) * | 2009-06-16 | 2012-05-29 | L3 Communications Integrated Systems, L.P. | Globally-convergent geo-location algorithm |
-
2019
- 2019-10-31 CN CN201911052895.2A patent/CN110779544B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2321459A1 (en) * | 1999-10-01 | 2001-04-01 | Genesis Financial Products Inc. | Computer-based method for creating an optimal configuration of at least one life insurance policy |
| CN204965035U (zh) * | 2015-08-31 | 2016-01-13 | 成都科创城科技有限公司 | 一种智能家居中控系统的多普勒语音采集装置 |
| CN107743299A (zh) * | 2017-09-08 | 2018-02-27 | 天津大学 | 面向无人机机载移动传感器网络的一致性信息滤波算法 |
Non-Patent Citations (3)
| Title |
|---|
| Active target tracking and cooperative localization for teams of aerial vehicles;Morbidi F等;《IEEE transactions on control systems technology》;第21卷(第5期);第1694-1707页 * |
| 基于一致性的水下目标协同定位算法研究;顼自强等;《中国优秀硕士学位论文全文数据库 信息科技辑》(第05期);第I136-284页 * |
| 运动目标协同定位与精度评估研究;于卓静;《中国优秀硕士学位论文全文数据库信息科技辑》(第02期);第I140-609页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110779544A (zh) | 2020-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107817469B (zh) | 基于非视距环境下超宽频测距实现室内定位方法 | |
| US11255677B2 (en) | Intelligent device navigation method and navigation system | |
| CN109916407B (zh) | 基于自适应卡尔曼滤波器的室内移动机器人组合定位方法 | |
| CN106772478B (zh) | 一种基于历元-星间差分约束的定位方法 | |
| CN108896047B (zh) | 分布式传感器网络协同融合与传感器位置修正方法 | |
| 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 | |
| CN105043388B (zh) | 基于惯性/重力匹配组合导航的向量搜索迭代匹配方法 | |
| CN102231912A (zh) | 一种基于rssi测距的室内无线传感器网络定位方法 | |
| CN110779544B (zh) | 一种多无人机自定位和对目标定位的双任务深度配合方法 | |
| CN114166221B (zh) | 动态复杂矿井环境中辅助运输机器人定位方法及系统 | |
| CN110657806B (zh) | 一种基于CKF、chan解算和Savitzky-Golay平滑滤波的位置解算方法 | |
| CN113342059B (zh) | 基于位置和速度误差的多无人机跟踪移动辐射源方法 | |
| CN110646822B (zh) | 一种基于惯导辅助的整周模糊度Kalman滤波算法 | |
| CN115307643A (zh) | 一种双应答器辅助的sins/usbl组合导航方法 | |
| CN107561489B (zh) | 基于异常检测的mls无源测向定位方法 | |
| CN103096465A (zh) | 一种环境自适应的多目标直接定位方法 | |
| Amendolare et al. | WPI precision personnel locator system: Inertial navigation supplementation | |
| CN108226976A (zh) | 一种RTK用自适应渐消Kalman滤波算法 | |
| CN114705223A (zh) | 多移动智能体在目标跟踪中的惯导误差补偿方法及系统 | |
| CN112762936B (zh) | 一种运用于长航时无人机载荷的多源定位信息融合方法 | |
| Kausar et al. | A novel Kalman filter based trilateration approach for indoor localization problem | |
| CN112437397B (zh) | 基于交替修正牛顿法的分布式传感器节点定位方法 | |
| Li et al. | An improved target tracking algorithm based on extended kalman filter for uav | |
| Lassoued et al. | Mobile robots cooperation with biased exteroceptive measurements | |
| Lobo et al. | Localization and tracking of indoor mobile robot with beacons and dead reckoning sensors |
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 |