CN111027646B - 一种基于多源基础信息的无人机点迹融合方法 - Google Patents

一种基于多源基础信息的无人机点迹融合方法 Download PDF

Info

Publication number
CN111027646B
CN111027646B CN201911408561.4A CN201911408561A CN111027646B CN 111027646 B CN111027646 B CN 111027646B CN 201911408561 A CN201911408561 A CN 201911408561A CN 111027646 B CN111027646 B CN 111027646B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
trace
signal sources
time
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
Application number
CN201911408561.4A
Other languages
English (en)
Other versions
CN111027646A (zh
Inventor
郝杲旻
曹珊
邵欣
汤锦辉
刘铭
王冲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
93209 Troops Of Chinese Pla
Original Assignee
93209 Troops Of Chinese Pla
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 93209 Troops Of Chinese Pla filed Critical 93209 Troops Of Chinese Pla
Priority to CN201911408561.4A priority Critical patent/CN111027646B/zh
Publication of CN111027646A publication Critical patent/CN111027646A/zh
Application granted granted Critical
Publication of CN111027646B publication Critical patent/CN111027646B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明属于信息处理技术领域，尤其涉及一种基于多源基础信息的无人机点迹融合方法；所述融合方法具体包括以下步骤：S1)对不同手段获取的无人机监视信息的信号源进行时空统一处理；S2)对S1)处理后的信号源计算得到融合向量，根据确认的融合向量，将相同时刻所有的信号源获取的点迹集合进行融合，形成的唯一的一个点迹。本发明的有益效果是：由于采用上述技术方案，本发明的方法通过将不同手段获取的多源点迹进行优化去重，剔除多余的点迹，保证点迹数据在同一时刻的唯一性。去除噪音，形成统一态势图，利于展开监管与执法工作。

Description

一种基于多源基础信息的无人机点迹融合方法
技术领域
本发明属于信息处理技术领域，涉及一种基于多源基础信息的无人机点迹融合方法。
背景技术
目前，我国无人机产业蓬勃发展，由于法规制度、行业监管等方面的不完善，各种“黑飞”现象层出不穷。对无人机进行有效的监管，是目前迫在眉睫的需求。为了对无人机进行监管，就必须对其的位置信息进行精确掌握。目前无人机监视信息的获取手段没有统一的归口。无人机云与无人机飞控回传的数据，以及通过测向定位等手段均可获取无人机的位置信息(点迹)。同一架无人机在同一时刻可能同时被多种手段所掌握。因此产生了点迹信号的多源性。不同源获取的点迹信息可能存在时差、坐标系差异和位置不精准的差异。
发明内容
本发明公开了一种基于多源基础信息的无人机点迹融合方法，以解决现有技术的上述以及其他潜在问题中任一问题。
为了达到上述目的，本发明的技术方案是：一种基于多源基础信息的无人机点迹融合方法，所述融合方法具体包括以下步骤：
S1)不同手段获取的无人机监视信息的信号源进行时空统一处理；
S2)对S1)处理后的信号源进行信号级数据融合，形成的唯一的一个点迹。
进一步，所述S1)具体步骤为：
S1.1)对于每一种无人机监视信息的信号源分别建立时空坐标系，通过数据比对、历史数据重演、测试数据录入方式，对所有的无人机监视信息的信号源所获取的点迹进行校准；
S1.2)基于校准后的点迹，建立统一态势时间轴，将校准后的无点迹源态势按照其实际发生时间在轴上进行映射；
S1.3)利用gis地理信息系统建立四维态势空间；
S1.4)将所有在空的点迹分别映射在S1.3)建立的四维态势空间内。
进一步，所述S1.1)中点迹进行校准的具体步骤为：
S1.11)从不同手段获取的无人机监视信息的信号源中选择一个信号源的点迹；
S1.12)对选取点迹的进行时间校准；
S1.13)对经过S1.12)处理后的点迹进行坐标轴转换；
S1.14)重复S1.11)-S1.13)直至将从所有无人机监视信息的信号源获取的点迹都预处理完毕。
进一步，所述人无人机监视信息的信号源的获取包括主动手段获取或被动手段获取。
进一步，所述S1.12)中的时间校准为：按照时区划分调整时间基准，并在点迹的接收时间上减去延迟时间即可；
如果无法获知原始点迹(通过不同手段获取的未经格式转换的点迹经纬度坐标)所采用的时间基准以及信号源的延迟信息，通过以下三种方法进行校准：
给出各信号的时间延迟；
设置两信号间的相对时间延迟；
选取一对或多对航迹进行关联，根据关联点迹的空间状态信息计算出两信号间的相对时间延迟。
进一步，所述S1.13)中坐标轴转换具体包括：站心地平极坐标与站心地平直角坐标的相互转换、站心地平直角坐标到站心地平极坐标的转换或地心直角坐标与地心大地坐标的相互转换。
进一步，所述S2)的具体步骤为：
S2.1)若假设n路无人机监视信息的信号源的统计信任度依次为：则根据归一化原则得到第i路(i∈(s1,s2,…,sn))无人机监视信息的信号源的统计信任度权重系数/>为：
式中：第i项信号源的统计信任度；/>从1到n项信号源的统计信任度累加；第i项信号源的统计信任度权重系数)
式中：j为项数，取值范围为1……n，Td是无人机监视信息的信号源统计信任度；
S2.2)根据S2.1)得到的统计信任度权重系数代入公式(2)求出第i路(i∈(s1,s2,…,sn))无人机监视信息的信号源总的加权系数wi，公式如下:
式中，为第i路优先级权重系数，wiTd统计信任度权重系数；
WjTd为第i路优先级权重系数，wjTd统计信任度权重系数；第i项优先级权重系数与统计信任度权重系数乘积；/>从1到n项优先级权重系数与统计信任度权重系数乘积的累加；wi第i项信号源总的加权系数；
S2.3)根据S2.2)得到的加权系数wi，代入公式(3)中得出综合点迹在时刻k的融合向量
式中：融合向量的经度或者纬度；/>从1到n项信号源总的加权系数与坐标数值的累加；
S2.4)根据S2.3)根据确认的融合向量，将相同时刻所有的信号源获取的点迹集合进行融合，形成的唯一的一个点迹。
一种实现上述的一种基于多源基础信息的无人机点迹融合方法的计算机程序。
一种实现上述的一种基于多源基础信息的无人机点迹融合方法的信息处理终端。
一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述基于多源基础信息的无人机点迹融合方法。
本发明的有益效果是：由于采用上述技术方案，本发明通过不同手段获取的多源点迹进行优化去重，剔除多余的点迹，保证点迹数据在同一时刻的唯一性。去除噪音，形成统一态势图，利于展开监管与执法工作。
附图说明
图1为本发明一种基于多源基础信息的无人机点迹融合方法的流程框图。
具体实施方式
下文将结合具体附图详细描述本发明具体实施例。应当注意的是，下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中，各附图所出现的相同标号代表相同的特征或者部件，可应用于不同实施例中。
如图1所示，本发明一种基于多源基础信息的无人机点迹融合方法，所述融合方法具体包括以下步骤：
S1)不同手段获取的无人机监视信息的信号源进行时空统一处理；
S2)对S1)处理后的信号源进行信号级数据融合，形成的唯一的一个点迹。
进一步，所述S1)具体步骤为：
S1.1)对于每一种无人机监视信息的信号源分别建立时空坐标系，通过数据比对、历史数据重演、测试数据录入方式，对所有的无人机监视信息的信号源所获取的点迹进行校准；
S1.2)基于校准后的点迹，建立统一态势时间轴，将校准后的无点迹源态势按照其实际发生时间在轴上进行映射；
S1.3)建立四维态势空间；
S1.4)将所有在空的点迹分别映射在S1.3)建立的四维态势空间内。
进一步，所述S1.1)中点迹进行校准的具体步骤为：
S1.11)从不同手段获取的无人机监视信息的信号源中选择一个信号源的点迹；
S1.12)对选取点迹的进行时间校准；
S1.13)对经过S1.12)处理后的点迹进行坐标轴转换；
S1.14)重复S1.11)-S1.13)直至将从所有无人机监视信息的信号源获取的点迹都预处理完毕。
进一步，所述人无人机监视信息的信号源的获取包括主动手段获取或被动手段获取。
进一步，所述S1.12)中的时间校准为：按照时区划分调整时间基准，并在点迹的接收时间上减去延迟时间即可；
如果无法获知原始点迹所采用的时间基准以及信号源的延迟信息，通过以下三种方法进行校准：
给出各信号的时间延迟；
设置两信号间的相对时间延迟；
或选取一对或多对航迹进行关联，根据关联点迹的空间状态信息计算出两信号间的相对时间延迟。
进一步，所述S1.13)中坐标轴转换具体包括：站心地平极坐标与站心地平直角坐标的相互转换、站心地平直角坐标到站心地平极坐标的转换或地心直角坐标与地心大地坐标的相互转换。
进一步，所述S2)的具体步骤为：
S2.1)若假设n路无人机监视信息的信号源的统计信任度依次为：则根据归一化原则得到第i路(i∈(s1,s2,…,sn))无人机监视信息的信号源的统计信任度权重系数/>为：
式中：第i项信号源的统计信任度；/>从1到n项信号源的统计信任度累加；第i项信号源的统计信任度权重系数)
式中：j为项数，取值范围为1……n，Td是无人机监视信息的信号源统计信任度；
S2.2)根据S2.1)得到的统计信任度权重系数代入公式(2)求出第i路(i∈(s1,s2,…,sn))无人机监视信息的信号源总的加权系数wi，公式如下:
式中，为第i路优先级权重系数，wiTd统计信任度权重系数；
WjTd为第i路优先级权重系数，wjTd统计信任度权重系数；第i项优先级权重系数与统计信任度权重系数乘积；/>从1到n项优先级权重系数与统计信任度权重系数乘积的累加；wi第i项信号源总的加权系数；
S2.3)根据S2.2)得到的加权系数wi，代入公式(3)中得出综合点迹在时刻k的融合向量
式中：融合向量的经度或者纬度；/>从1到n项信号源总的加权系数与坐标数值的累加；
S2.4)根据S2.3)根据确认的融合向量，将相同时刻所有的信号源获取的点迹集合进行融合，形成的唯一的一个点迹。
一种实现上述的一种基于多源基础信息的无人机点迹融合方法的计算机程序。
一种实现上述的一种基于多源基础信息的无人机点迹融合方法的信息处理终端。
一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述基于多源基础信息的无人机点迹融合方法。
本发明的原理是：
先解决时空统一问题
时空统一包括时间对准和空间对准两项工作。时间对准的任务就是将来自于不同传感器不同采样间隔下的观测数据对准到统一的融合时间间隔下。空间对准的任务就是将来自于不同传感器不同坐标系下的观测数据对准到统一的系统坐标系下。
1.时间对准
以多种方式实现时空统一，解决不同来源态势数据的时空校准问题。我国时间基准是北斗授时，空间基准是CGCS2000，多种信息源若不明，则可利用合作目标同时出现在未知信息源和我方雷达中的实例，通过数据比对反推时空坐标关系来使用；构造态势时间轴，将不同信息源态势按照其实际发生时间在轴上进行分布(实际发生时间可根据到达时间按照已知转换、反推计算等方式产生)；应构造态势空间立方体，将对应时刻的态势按照经纬高进行分布，并对位置精度范围进行标记；从而构造涵盖多时间频度和多空间精度的态势融合时空系。对于时空对准算法的研究成果很多，效果比较好的包括：最小二乘法和内插外推法。
2.空间对准
空间对准的主要内容是坐标系的变换，在信息融合中，为了精确描述各个点位之间的几何关系，目标的相对位置，需用坐标系来定位描述。不同观测基点传感器的数据一般采用极坐标系；而在信息融合处理设备中，需要为显示设备提供直角坐标和大地坐标两种目标数据，因此需要完成这些坐标系之间的变换。
点迹进行坐标轴转换：
1.站心地平极坐标系(测量坐标系)
传感器获取的目标直接观测值为站心地平极坐标系坐标。(R，ε，β)分别为斜距、高低角、方位角，是目标在站心地平极坐标系中的坐标。
2.站心地平直角坐标系(计算坐标系)
x、y、z轴构成右手直角坐标系。
站心为坐标原点，y轴指向正北，x轴指向正东，z轴指向天顶。
(x，y，z)为站心地平直角坐标系中目标的坐标。
3.地心直角坐标系
地球质心为坐标原点，z轴指向地球北极，x轴与z轴正交，指向格林尼治子午线与赤道的交点，y轴与x，z轴正交，构成右手坐标系。
(x，y，z)为地心直角坐标系中目标的坐标。
4.地心大地坐标系
(B0,L0,H0)，其中B0,L0,H0分别为目标的经纬度和高度。
经度分为：东经、西经。系统只限于东经范围以内。
纬度：从赤道开始，向北为正(0～90。)，向南为负(0～90。)。
5.九九方格
分为大、中、小方格。
a.大方格
经度跨度为1，纬度跨度为0.5，大方格网表示经度跨度为100，纬度跨度为50，大方格表示为(F，E)。F，E各是两位十进制数。F表示大方格纵向代码，E表示大方格横向代码。
b.中、小方格
大方格等分为九个中方格，中方格等分为九个小方格。
中方格经度跨度为1/3，纬度跨度0.5/3；
小方格经度跨度为1/9，纬度跨度为0.5/9；
目标的位置用方格坐标表示为：[(F，E，Z，X)，H]
其中(F，E)为大方格序号；(Z，X)为中小方格序号；H为高度。
为了精确描述各个点位之间的几何关系，目标的相对位置，需用坐标系来定位描述。
以下简要列出在GIS信息融合系统中各个坐标系之间的相互变换公式。
1.站心地平极坐标与站心地平直角坐标的相互转换
1)站心地平极坐标到站心地平直角坐标的转换
设已知目标的极坐标为(ε,β,R),ε,β,R分别为目标的高低角，方位角和距离，则目标在地平直角坐标系内的坐标为：
xm＝R sinβcosε，ym＝R cosβcosε，zm＝R sinε
2)站心地平直角坐标到站心地平极坐标的转换
设已知目标的直角坐标为(xm,ym,zm),则目标的极坐标为：
2.站心地平直角坐标与地心直角坐标的相互转换
设传感器所在位置的大地坐标为(B0,L0,H0)，其中B0,L0,H0分别为传感器的经纬度和高度，对应地心直角坐标为(X0,Y0,Z0)
1)站心地平直角坐标到地心直角坐标的转换
设传感器测量的目标坐标为(xm,ym,zm)，则目标的地心直角坐标为
2)从地心直角坐标到站心地平直角坐标的变换
设目标的地心直角坐标为(x,y,z)，则目标的站心地平直角坐标为
3.地心直角坐标与地心大地坐标的相互转换
1)已知(B,L,H)，求(x,y,z)
x＝(N+H)cos B cos L，y＝(N+H)cos B sin L，z＝(N(1-e2)+H)sin B
式中，N为地球的卯酉圈半径；e为椭球第一偏心率
2)已知(x,y,z)，求(B,L,H)
为避免迭代计算，也可采用如下公式近似计算：
其中
式中
利用上述3组公式可实现各种坐标之间的相互转换。
二、信号级数据融合
不同传感器获取的点迹数据本应是完全相同的，但由于信号强度、外界干扰、传感器特性、位置的差别使获取数据并不完全相同。因此可对数据进行信号级融合。融合后数据做为一个信号源参与融合处理。这样既提高了信号质量，同时又避免了将相同信号当作多个信号源进行融合。
所述S2)的具体步骤为：
S2.1)若假设n路无人机监视信息的信号源的统计信任度依次为：则根据归一化原则得到第i路(i∈(s1,s2,…,sn))无人机监视信息的信号源的统计信任度权重系数/>为：
式中：第i项信号源的统计信任度；/>从1到n项信号源的统计信任度累加；第i项信号源的统计信任度权重系数)
式中：j为项数，取值范围为1……n，Td是无人机监视信息的信号源统计信任度；
S2.2)根据S2.1)得到的统计信任度权重系数代入公式(2)求出第i路(i∈(s1,s2,…,sn))无人机监视信息的信号源总的加权系数wi，公式如下:
式中，为第i路优先级权重系数，wiTd统计信任度权重系数；
WjTd为第i路优先级权重系数，wjTd统计信任度权重系数；第i项优先级权重系数与统计信任度权重系数乘积；/>从1到n项优先级权重系数与统计信任度权重系数乘积的累加；wi第i项信号源总的加权系数；
S2.3)根据S2.2)得到的加权系数wi，代入公式(3)中得出综合点迹在时刻k的融合向量
式中：融合向量的经度或者纬度；/>从1到n项信号源总的加权系数与坐标数值的累加；
S2.4)根据S2.3)根据确认的融合向量，将相同时刻所有的信号源获取的点迹集合进行融合，形成的唯一的一个点迹。
以上对本申请实施例所提供的一种基于多源基础信息的无人机点迹融合方法，进行了详细介绍。以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
如在说明书及权利要求书当中使用了某些词汇来指称特定组件，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求书并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求书当中所提及的“包含”、“包括”为一开放式用语，故应解释成“包含/包括但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。说明书后续描述为实施本申请的较佳实施方式，然所述描述乃以说明本申请的一般原则为目的，并非用以限定本申请的范围。本申请的保护范围当视所附权利要求书所界定者为准。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
上述说明示出并描述了本申请的若干优选实施例，但如前所述，应当理解本申请并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述申请构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围，则都应在本申请所附权利要求书的保护范围内。

Claims (6)

1.一种基于多源基础信息的无人机点迹融合方法，其特征在于，所述融合方法具体包括以下步骤：
S1)对不同手段获取的无人机监视信息的信号源进行时空统一处理；
具体步骤为：
S1.1)对不同手段获取的无人机监视信息的信号源分别建立时空坐标系，根据建立的时空坐标系对所有的无人机监视信息的信号源所获取的点迹进行校准；
S1.2)基于校准后的点迹，建立统一态势时间轴，将校准后的多源态势点迹按照其实际发生在时间轴上进行映射，去除重复的点；
S1.3)建立四维空间直角坐标系；
S1.4)将所有S1.2)保留下来的点迹分别映射在S1.3)建立的四维态势空间内；
S2)对S1)处理后的信号源计算得到融合向量，根据确认的融合向量，将相同时刻所有的信号源获取的点迹集合进行融合，形成的唯一的一个点迹；
具体步骤为：
S2.1)若假设n路无人机监视信息的信号源的统计信任度依次为：则根据归一化原则得到第i路i∈(s1,s2,…,sn)无人机监视信息的信号源的统计信任度权重系数/>为：
为第i项信号源的统计信任度；/>为从1到n项信号源的统计信任度累加；/>为第i项信号源的统计信任度权重系数，/>为第j项信号源的统计信任度；
S2.2)根据S2.1)得到的统计信任度权重系数代入公式(2)求第i路无人机监视信息的信号源的统计信任度权重系数为wi，i∈(s1,s2,…,sn)，其中，(s1,s2,…，sn)为信号源集合,公式如下:
式中，为第i路优先级权重系数，wi Td为统计信任度权重系数；/>为第j路优先级权重系数，/>为统计信任度权重系数；/>为第i项优先级权重系数与统计信任度权重系数乘积；/>为从1到n项优先级权重系数与统计信任度权重系数乘积的累加；
S2.3)根据S2.2)得到的加权系数wi，代入公式(3)中得出综合点迹在时刻k的融合向量
式中，为融合向量的经度或者纬度；/>为从1到n项信号源总的加权系数与坐标数值的累加；
S2.4)根据S2.3)根据确认的融合向量，将相同时刻所有的信号源获取的点迹集合进行融合，形成的唯一的一个点迹。
2.根据权利要求1所述的融合方法，所述S1.1)中点迹进行校准的具体步骤为：
S1.11)从不同手段获取的无人机监视信息的信号源中选择一个信号源的点迹；
S1.12)对选取的点迹进行时间校准；
S1.13)对经过S1.12)处理后的点迹进行坐标轴转换；
S1.14)重复S1.11)-S1.13)直至将从所有无人机监视信息的信号源获取的点迹都校准完毕。
3.根据权利要求2所述的融合方法，其特征在于，所述无人机监视信息的信号源的获取包括主动手段获取或被动手段获取。
4.根据权利要求2所述的融合方法，其特征在于，所述S1.12)中的时间校准为：按照时区划分调整时间基准，并在点迹的接收时间上减去延迟时间；
如果无法获知原始点迹所采用的时间基准以及信号源的延迟信息，通过以下三种方法进行校准：
给出各信号源的时间延迟；
设置两信号源间的相对时间延迟；
选取一对或多对航迹进行关联，根据关联点迹的空间状态信息计算出两信号间的相对时间延迟。
5.根据权利要求2所述的融合方法，其特征在于，所述S1.13)中坐标轴转换具体包括：站心地平极坐标与站心地平直角坐标的相互转换或地心直角坐标与地心大地坐标的相互转换。
6.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-5任意一项所述的一种基于多源基础信息的无人机点迹融合方法。
CN201911408561.4A 2019-12-31 2019-12-31 一种基于多源基础信息的无人机点迹融合方法 Active CN111027646B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911408561.4A CN111027646B (zh) 2019-12-31 2019-12-31 一种基于多源基础信息的无人机点迹融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911408561.4A CN111027646B (zh) 2019-12-31 2019-12-31 一种基于多源基础信息的无人机点迹融合方法

Publications (2)

Publication Number Publication Date
CN111027646A CN111027646A (zh) 2020-04-17
CN111027646B true CN111027646B (zh) 2024-04-05

Family

ID=70197463

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911408561.4A Active CN111027646B (zh) 2019-12-31 2019-12-31 一种基于多源基础信息的无人机点迹融合方法

Country Status (1)

Country Link
CN (1) CN111027646B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116380148B (zh) * 2023-04-06 2023-11-10 中国人民解放军93209部队 多传感器目标跟踪系统的两级时空误差标校方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010145239A (ja) * 2008-12-18 2010-07-01 Mitsubishi Electric Corp 状況表示装置
CN104808197A (zh) * 2015-05-06 2015-07-29 四川九洲空管科技有限责任公司 一种多监视源飞行目标并行跟踪处理方法
CN106371091A (zh) * 2016-08-24 2017-02-01 四川九洲空管科技有限责任公司 Ads‑b与二次雷达监视信息的数据融合方法及装置
CN106680806A (zh) * 2016-11-24 2017-05-17 清华大学 一种多雷达点迹融合方法
CN108957445A (zh) * 2018-07-30 2018-12-07 四川九洲空管科技有限责任公司 一种低空慢速小目标探测系统及其探测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010145239A (ja) * 2008-12-18 2010-07-01 Mitsubishi Electric Corp 状況表示装置
CN104808197A (zh) * 2015-05-06 2015-07-29 四川九洲空管科技有限责任公司 一种多监视源飞行目标并行跟踪处理方法
CN106371091A (zh) * 2016-08-24 2017-02-01 四川九洲空管科技有限责任公司 Ads‑b与二次雷达监视信息的数据融合方法及装置
CN106680806A (zh) * 2016-11-24 2017-05-17 清华大学 一种多雷达点迹融合方法
CN108957445A (zh) * 2018-07-30 2018-12-07 四川九洲空管科技有限责任公司 一种低空慢速小目标探测系统及其探测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
杨晓丹 ; 王运峰 ; .多源航迹信息融合主要技术研究.现代计算机(专业版).2017,(第08期),第8-11页. *
粟栗 ; .多传感器数据融合方法在军事信息领域的应用.舰船科学技术.2013,(第06期),第117-122页. *
黄越平 ; 陶爱科 ; 苏涛 ; 刘小军 ; .基于信息融合的实时数据处理方法应用.舰船电子工程.2012,(第09期),第50-52页. *

Also Published As

Publication number Publication date
CN111027646A (zh) 2020-04-17

Similar Documents

Publication Publication Date Title
CN108490473B (zh) 一种融合gnss和uwb的无人机增强定位方法与系统
CN104849740B (zh) 集成卫星导航与蓝牙技术的室内外无缝定位系统及其方法
CN111123341B (zh) 无人机群三维协同定位方法
CN105301601B (zh) 一种适用于全球区域的gnss电离层延迟三维建模方法
CN110446159A (zh) 一种室内无人机精确定位与自主导航的系统及方法
Sorbelli et al. Measurement errors in range-based localization algorithms for UAVs: Analysis and experimentation
CN108896957A (zh) 一种无人机操控信号源的定位系统及方法
CN104181500A (zh) 一种基于惯性信息和机会无线信号特征的实时定位方法
CN111796315A (zh) 无人机室内外的定位方法及装置
CN112346104A (zh) 一种无人机信息融合定位方法
WO2022193106A1 (zh) 一种通过惯性测量参数将gps与激光雷达融合定位的方法
Ostroumov et al. Relative navigation for vehicle formation movement
CN117455960B (zh) 时变观测噪声条件下机载光电系统对地无源定位滤波方法
CN107727101A (zh) 基于双偏振光矢量的三维姿态信息快速解算方法
CN110333480A (zh) 一种基于聚类的单无人机多目标aoa定位方法
WO2011031358A2 (en) Methods and systems for locating targets
CN111027646B (zh) 一种基于多源基础信息的无人机点迹融合方法
CN117685953A (zh) 面向多无人机协同定位的uwb与视觉融合定位方法及系统
Guan et al. An improved LSE-EKF optimisation algorithm for UAV UWB positioning in complex indoor environments
Kong et al. Hybrid indoor positioning method of BLE and monocular VINS based smartphone
CN107784866A (zh) 一种飞行管理系统横向导航精度试飞空域规划方法
Lee et al. Development of confidence bound visualization tool for LTE-based UAV surveillance in urban areas
CN116124094B (zh) 基于无人机侦察图像与组合导航信息的多目标协同定位方法
CN109856619B (zh) 一种雷达测向相对系统误差修正方法
CN115792800A (zh) 一种基于网格搜索的双站三维交叉定位方法

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