CN113340306A - 一种适用于低空空域无人机复杂飞行的多源导航增强方法 - Google Patents

一种适用于低空空域无人机复杂飞行的多源导航增强方法 Download PDF

Info

Publication number
CN113340306A
CN113340306A CN202110894532.4A CN202110894532A CN113340306A CN 113340306 A CN113340306 A CN 113340306A CN 202110894532 A CN202110894532 A CN 202110894532A CN 113340306 A CN113340306 A CN 113340306A
Authority
CN
China
Prior art keywords
navigation
unmanned aerial
aerial vehicle
flight
airspace
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.)
Granted
Application number
CN202110894532.4A
Other languages
English (en)
Other versions
CN113340306B (zh
Inventor
刘杨
姜荣坤
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN202110894532.4A priority Critical patent/CN113340306B/zh
Publication of CN113340306A publication Critical patent/CN113340306A/zh
Application granted granted Critical
Publication of CN113340306B publication Critical patent/CN113340306B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Automation & Control Theory (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Traffic Control Systems (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Navigation (AREA)

Abstract

本发明提供一种适用于低空空域无人机复杂飞行的多源导航增强方法，该方法考虑了低空空域复杂飞行场景，通过计算碰撞响应时间，建立了不同高度低空空域无人机安全飞行的容量模型，在此基础上面向多业务与异构平台无人机构建了飞行安全保护级，并以满足保护级要求为标准进行分层多源融合导航增强。本发明可有效适用于低空空域面向多业务的无人机复杂密集飞行场景，有效提高无人机运行的流量、效率和安全性。

Description

一种适用于低空空域无人机复杂飞行的多源导航增强方法
技术领域
本发明涉及一种适用于低空空域无人机复杂飞行的多源导航增强方法，属于低空空域无人机技术领域。
背景技术
低空空域指1000米以下的飞行区域，目前正在处于分类管理和逐步有序开放过程。随着全球无人机行业快速增长，低空空域无人机应用与管控是相关领域的热点与难点。低空空域导航技术通过精确的位置实时测量，以确保低空空域飞行安全间隔，防止飞行器之间、飞行器与地面障碍物相撞。
现阶段的低空空域导航方式主要是无线电非自主导航，具有高精度、全时段的特点，基本可以保证飞机在复杂气象条件下按仪表飞行规则在正确的航路上飞行定位需求。然而，无线电导航存在两个显著弊端难以满足将来高密度低空空域管理对导航技术全场景、高可靠的需求。由于无线电抗干扰性差，电子对抗技术的快速发展使得无线电导航在军民领域存在极大的安全隐患；同时，现有方式对导航信标具有强依赖性，而在受到城市高楼、峡谷等限制时需要密集部署地基导航台，导致引入较大的难度和成本。
随着我国北斗导航系统的成功部署、低成本微惯性导航技术以及视觉导航技术的发展，利用北斗卫星导航与惯性导航、视觉SLAM相结合的方式，可实现无人机起飞、航行、下降和着陆全运行过程无缝自主导航，以支撑复杂低空空域密集飞行的监视和飞行管理需求，为低空空域无人飞行器空中交通管理提供新思路和新方法。
发明内容
本发明提供一种适用于低空空域无人机复杂飞行的多源导航增强方法，该方法考虑了低空空域复杂飞行场景，通过计算碰撞响应时间，建立了不同高度低空空域无人机安全飞行的容量模型，在此基础上面向多业务与异构平台无人机构建了飞行安全保护级，并以满足保护级要求为标准进行分层多源融合导航增强。本发明可有效适用于低空空域面向多业务的无人机复杂密集飞行场景，有效提高无人机运行的流量、效率和安全性。
本发明的技术方案如下：一种适用于低空空域无人机复杂飞行的多源导航增强方法，包括以下步骤：
步骤A、构建低空空域无人机复杂飞行的场景，根据空域高度范围和不同业务类型的无人机特征计算碰撞响应时间，根据碰撞响应时间对飞行空域进行聚类划分；
步骤B、根据满足不同业务类型的无人机特征和步骤A中的空域聚类划分结果进一步建立无人机安全飞行的容量模型，计算不同空域范围的飞行容量；
步骤C、按照步骤B中所计算的空域飞行容量和既定的虚警概率和漏警概率计算飞行三维保护级，确定不同业务类型和不同空域特征下的无人机所需导航性能；
步骤D、根据步骤C所确定的无人机所需导航精度建立多级多源导航增强服务框架，包括以北斗为主的卫星导航服务、分别考虑惯性传感和视觉SLAM的多源融合自主导航服务；
步骤E、对步骤C中所确定的无人机所需导航性能进行等级划分，分别为I级、II级和III级，对应以北斗为主的卫星导航服务，北斗辅助惯性传感导航服务和以惯性传感、视觉SLAM为主的自主导航服务；
步骤F、在无人机运行过程中，通过广播式自相关监视获取无人机飞行状态，并对其飞行航线的多源导航增强服务可用性与完好性进行评估，确定所需导航性能等级；
步骤G、若步骤F中判断的所需导航性能在无人机飞行过程发生变化，应变换相应的多源导航增强服务方式，使其与飞行环境相适应；
步骤H、在无人机飞行过程中，对步骤D所建立的多级多源导航增强服务框架进行完好性监测，当完好性超出步骤C中所建立保护级时，应调整飞行航线使得完好性满足步骤C中所建立保护级范围要求；
步骤I、当步骤H中无法调整航线以使得步骤D所建立的多级多源导航增强服务框架完好性满足要求时，应终止无人机飞行。
进一步地，所述步骤A中，低空空域高度范围限制在1000米以下，所面向的业务类型包括但不限于空中物流、自动巡检、应急救援、新闻航拍等，所应用的无人机类型主要为垂直起降、多旋翼无人机。
进一步地，所述步骤B中，空域容量描述为
Figure 100002_DEST_PATH_IMAGE002
，其中
Figure 100002_DEST_PATH_IMAGE004
为无人机的密度，V为避免无人机碰撞的三维飞行间隔包含的体积。其计算方法为以r为半径的三维球体体积，r为同一空域内两架无人机之间的径向距离，r的计算方法为
Figure 100002_DEST_PATH_IMAGE006
，其中
Figure 100002_DEST_PATH_IMAGE008
、
Figure 100002_DEST_PATH_IMAGE010
、
Figure 100002_DEST_PATH_IMAGE012
为第一架无人机的横向、侧向和纵向长度；
Figure 100002_DEST_PATH_IMAGE014
、
Figure 100002_DEST_PATH_IMAGE016
、
Figure 100002_DEST_PATH_IMAGE018
为第二架无人机的横向、侧向和纵向长度。则
Figure 100002_DEST_PATH_IMAGE020
。无人机导航精度需要确保其飞行安全风险在要求范围内。假设导航误差满足高斯分布，其分布函数可以描述为：
Figure 100002_DEST_PATH_IMAGE022
，其中
Figure 100002_DEST_PATH_IMAGE024
表示误差，
Figure 100002_DEST_PATH_IMAGE026
表示误差的标准差。
假定S 12为两架无人机的安全间隔；
Figure 100002_DEST_PATH_IMAGE028
，其中
Figure 100002_DEST_PATH_IMAGE030
、
Figure 100002_DEST_PATH_IMAGE032
和
Figure 100002_DEST_PATH_IMAGE034
表示两架无人机在横向、侧向和纵向的距离。则两架无人机保持安全间隔的概率为：
Figure 100002_DEST_PATH_IMAGE036
,且
Figure 100002_DEST_PATH_IMAGE038
，其中
Figure 100002_DEST_PATH_IMAGE040
两架无人机在获得导航增强服务后的导航误差标准差。
进一步定义两架无人机在给定时间间隔Δt内未能保持安全间隔的概率为P 12，且
Figure 100002_DEST_PATH_IMAGE042
，当时间间隔
Figure 100002_DEST_PATH_IMAGE044
，t 0为时间间隔的上限，且在一定时间范围T时，由导航误差引起的飞行安全风险为：
Figure 100002_DEST_PATH_IMAGE046
定义在给定空域范围内无人机之间保持正常间隔的概率为u 1，出现严重故障的概率为u 2，无人机操控者的可靠性为u 3，则给定空域内无人机的总体飞行安全风险为：
Figure 100002_DEST_PATH_IMAGE048
因此，导航误差需要满足的条件是确保对应的最小安全飞行间隔S min情况下，总体飞行安全风险满足运行要求。在此情况下，S min与任意两架无人机（第i架和第j架）之间的导航误差标准差
Figure 100002_DEST_PATH_IMAGE050
的取值同时影响了总体飞行安全风险。
进一步地，所述步骤C中，不同业务类型和不同空域特征下的无人机所需导航性能与其在低空空域下的碰撞风险密切相关。对于400米至1000米空域飞行的无人机，其飞行的所需导航性能由RNP-1确定，进一步根据RNP-1（Required Navigation Performance）可以计算无人机之间的碰撞风险概率，具体方法为：在密集飞行条件下，当单一卫星导航系统无法满足所需导航精度要求时，需引入卫星导航、惯性导航和视觉SLAM的多源导航增强，此时导航误差服从混合高斯分布，可表示为：
Figure 100002_DEST_PATH_IMAGE052
，其中
Figure 100002_DEST_PATH_IMAGE054
为对完好性影响较大的误差出现的比例，此处假定为卫星导航系统的完好性体现。
Figure 100002_DEST_PATH_IMAGE056
和
Figure 100002_DEST_PATH_IMAGE058
分别表示卫星导航、惯性导航和视觉SLAM的导航误差标准差。
当飞机在RNP-n模式飞行时，其置信区间需要满足：
Figure 100002_DEST_PATH_IMAGE060
，
在低空空域范围内，区域管制和进近管制遵循RNP-1的方式，因此n=1，通过解算
Figure 100002_DEST_PATH_IMAGE062
确定
Figure 804876DEST_PATH_IMAGE056
和
Figure 884959DEST_PATH_IMAGE058
；
进一步地，所述步骤D中，同时考虑北斗卫星导航、惯性传感和视觉SLAM导航方法，其导航优先级需依照飞行业务和飞行空域的所需导航性能分类，其导航观测模型的设置方法如下：
Y=Ax+E
其中A为观测矩阵，E为观测误差矩阵，Y为观测值，由卫星导航观测值、惯性导航观测值和视觉SLAM导航观测值共同组成，由此可以得到导航状态的最小二乘解，具体表示为：
Figure 100002_DEST_PATH_IMAGE064
，其中W是加权矩阵
进一步地，所述步骤E中，所述导航性能等级I级、II级分别对应所需的导航精度、完好性和连续性要求，具体如下：
等级I：卫星导航作为主用导航系统，采用高级接收机自主完好性监测技术实现完好性监测，具体方法如下：
首先得到导航状态的最小二乘解：
Figure 100002_DEST_PATH_IMAGE066
，其中Y为观测值，
Figure 100002_DEST_PATH_IMAGE068
令
Figure 100002_DEST_PATH_IMAGE070
，其中
Figure 100002_DEST_PATH_IMAGE072
为卫星星历、星钟和接收机时钟误差方差的总和，
Figure 100002_DEST_PATH_IMAGE074
为对流层误差方差，
Figure 100002_DEST_PATH_IMAGE076
为用户误差方差，k表示第k个卫星的情况。构建检测值：
Figure 100002_DEST_PATH_IMAGE078
，
其中
Figure 100002_DEST_PATH_IMAGE080
，
Figure 100002_DEST_PATH_IMAGE082
，分别表示假定第k个卫星不参与定位和所有卫星都参与定位的情况；其中A k 、A 0分别表示所有卫星都参与定位和第k颗卫星不参与定位时的观测矩阵。
在无故障的情况下，
Figure 100002_DEST_PATH_IMAGE084
，其中
Figure 100002_DEST_PATH_IMAGE086
，D k 表示第k颗卫星不参与定位时的检测量，
Figure 100002_DEST_PATH_IMAGE088
，b min表示最小导航误差偏移量，i表示第i个参与定位的卫星观测量，M表示所有卫星的数目。
且
Figure 100002_DEST_PATH_IMAGE090
，
Figure 100002_DEST_PATH_IMAGE092
，且满足
Figure 100002_DEST_PATH_IMAGE094
，P fa 为满足导航性能的虚警概率，考虑对每颗卫星虚警概率相同的情况下，
Figure 100002_DEST_PATH_IMAGE096
。M表示所有卫星的数目，Q函数为标准正态分布的右尾函数，其形式为：
Figure 100002_DEST_PATH_IMAGE098
。
等级II：卫星导航、惯性导航与视觉SLAM融合作为导航增强服务，在此情况下，系统通过构建扩展卡尔曼滤波器实现多源导航信息融合，以提高导航精度。导航完好性的计算方法为：
首先重复等级I，对卫星导航进行完好性监测和故障识别，去除故障卫星，进而计算扩展卡尔曼滤波器的新息，表示为e t ：
Figure 100002_DEST_PATH_IMAGE100
，
其中t表示第t个时刻，Y t 表示多源导航观测量，其观测量可以来自卫星导航、惯性导航或者视觉SLAM；A t 表示观测矩阵。
X t,t-1表示卡尔曼滤波器基于第t-1时刻滤波的预测值，进而计算新息的方差
Figure 100002_DEST_PATH_IMAGE102
，其中R t 为第t个时刻的观测误差矩阵，P t,t-1为第t个时刻的状态误差预测值，为第t-1时刻滤波的外推值。
进一步地，所述步骤F中，对于以卫星导航为主的情况，分别计算无故障和假定第k颗卫星出现故障情况下的垂直保护级，
Figure 100002_DEST_PATH_IMAGE104
，
Figure 100002_DEST_PATH_IMAGE106
，其中
Figure 100002_DEST_PATH_IMAGE108
Figure 100002_DEST_PATH_IMAGE110
，且满足
Figure 100002_DEST_PATH_IMAGE112
其中，VPL 0为无故障时的垂直保护级，VPL k为假定第k颗卫星出现故障情况下的垂直保护级，b max导航误差最大偏差，Q函数为标准正态分布的右尾函数，其形式为：
Figure 100002_DEST_PATH_IMAGE114
。
Figure 100002_DEST_PATH_IMAGE116
为无故障时的导航信息完好性风险，
Figure 100002_DEST_PATH_IMAGE118
为假定第k个卫星出现故障时的导航信息完好性风险。P sat,k 表示第k个卫星出现故障的概率。判断保护级是否超过告警限以确保增强导航服务的可用性和完好性是否满足系统要求。
对于以卫星导航、惯性导航和视觉SLAM的多源导航增强模式，当观测量无故障时，新息满足零均值高斯分布；当观测量出现故障时，新息的均值不为零，因此可以构建新息方差作为故障检测量。假设检验模型为：
无故障情况下，
Figure 100002_DEST_PATH_IMAGE120
，
Figure 100002_DEST_PATH_IMAGE122
存在故障情况下，
Figure 100002_DEST_PATH_IMAGE124
，
Figure 100002_DEST_PATH_IMAGE126
其中e t 表示第t时刻的新息，
Figure 100002_DEST_PATH_IMAGE128
表示新息均值，
Figure 100002_DEST_PATH_IMAGE130
表示新息方差，
Figure 100002_DEST_PATH_IMAGE132
表示存在故障下新息的均值。
第t时刻的检测量为：
Figure 100002_DEST_PATH_IMAGE134
，该检测量满足自由度为m的卡方分布，其中m为多源导航观测量的个数；对于检测门限T d ，当
Figure 100002_DEST_PATH_IMAGE136
，系统出现故障；
Figure 100002_DEST_PATH_IMAGE138
，系统无故障；给定虚警率可以计算检测门限；其中，e t 表示第t时刻的新息，
Figure 18612DEST_PATH_IMAGE132
表示出现故障情况下新息的均值，
Figure 687491DEST_PATH_IMAGE128
表示新息的数学期望，
Figure 493904DEST_PATH_IMAGE130
表示新息的方差；H t 表示第t时刻的观测矩阵，P t,t-1表示基于第t-1时刻滤波外推的状态误差矩阵。
进一步地，所述步骤H中，完好性监测的过程为：对低空空域进一步划分，在1000-400米的范围内以卫星导航为主用导航方式，采用GPS、BDS多星座导航观测融合的方式，采用先进接收机自主完好性监测框架；在400米以下的空域范围内，导航增强方式为卫星导航、惯性导航和视觉SLAM相结合，采用先进接收机自主完好性监测和多源观测融合的新息检测量完好性检测方式；在完好性监测的过程中，首先根据导航观测性质计算保护级，并将其与告警限比较，以判断完好性是否存在风险；对于以卫星导航为主的导航方式，可进一步根据计算得到的保护级进行完好性风险预测；对于以卫星导航、惯性导航和视觉SLAM相结合的导航增强方式，需要根据实际新息观测进行完好性监测。
进一步地，所述步骤I中，无人机飞行速度V 0，服从在
Figure 100002_DEST_PATH_IMAGE140
区间上的均匀分布，其密度函数为：
Figure 100002_DEST_PATH_IMAGE142
其中，V 0min和V 0max分别表示在既定空域下无人机飞行速度的最小值和最大值。
本发明与现有技术相比的优点在于：
相比传统的无人机飞行导航方法，本发明针对低空空域的不同飞行业务和空域流量实现分级多源导航增强服务，有效提升了低空空域无人机复杂飞行的空域流量和管控效率，为低空空域密集飞行提供的条件；同时，本发明可有效弥补传统无人机飞行导航在复杂飞行条件下性能下降的缺陷，通过融合惯性传感器、视觉SLAM的导航观测信息提升了导航精度、完好性和连续性。
附图说明
图1为本发明一种适用于低空空域无人机复杂飞行的多源导航增强方法实现流程图。
具体实施方式
下面将结合附图及具体实施方式对本发明加以详细说明，需要指出的是，所描述的实施例仅旨在便于对本发明的理解，而不起任何限定作用。
本发明提供一种适用于低空空域无人机复杂飞行的多源导航增强方法，该方法考虑了低空空域复杂飞行场景，通过计算碰撞响应时间，建立了不同高度低空空域无人机安全飞行的容量模型，在此基础上面向多业务与异构平台无人机构建了飞行安全保护级，并以满足保护级要求为标准进行分层多源融合导航增强。本发明可有效适用于低空空域面向多业务的无人机复杂密集飞行场景，有效提高无人机运行的流量、效率和安全性。
如图1所示，本发明具体实现步骤如下：
(1) 构建低空空域无人机复杂飞行的场景，根据空域高度范围和不同业务类型的无人机特征计算碰撞响应时间，根据碰撞响应时间对飞行空域进行聚类划分。低空空域高度范围限制在1000米以下，所面向的业务类型包括但不限于空中物流、自动巡检、应急救援、新闻航拍等，所应用的无人机类型主要为垂直起降、多旋翼无人机。
(2) 根据满足不同业务类型的无人机特征和步骤A中的空域聚类划分结果进一步建立无人机安全飞行的容量模型，计算不同空域范围的飞行容量，空域容量描述为
Figure 310551DEST_PATH_IMAGE002
，其中
Figure 47562DEST_PATH_IMAGE004
为无人机的密度，V为避免无人机碰撞的三维飞行间隔包含的体积。其计算方法为以r为半径的三维球体体积，r为同一空域内两架无人机之间的径向距离，r的计算方法为
Figure 570948DEST_PATH_IMAGE006
，其中
Figure 312376DEST_PATH_IMAGE008
、
Figure 554002DEST_PATH_IMAGE010
、
Figure 829125DEST_PATH_IMAGE012
为第一架无人机的横向、侧向和纵向长度；
Figure 472596DEST_PATH_IMAGE014
、
Figure 870080DEST_PATH_IMAGE016
、
Figure 599001DEST_PATH_IMAGE018
为第二架无人机的横向、侧向和纵向长度。则
Figure 677816DEST_PATH_IMAGE020
。无人机导航精度需要确保其飞行安全风险在要求范围内。假设导航误差满足高斯分布，其分布函数可以描述为：
Figure 192105DEST_PATH_IMAGE022
，其中
Figure 963752DEST_PATH_IMAGE024
表示误差，
Figure 914390DEST_PATH_IMAGE026
表示误差的标准差。
假定两架无人机之间在Δt时间间隔内其距离表示为：
Figure 655950DEST_PATH_IMAGE028
，其中
Figure 8434DEST_PATH_IMAGE030
、
Figure 950982DEST_PATH_IMAGE032
和
Figure 700501DEST_PATH_IMAGE034
表示两架无人机在横向、侧向和纵向的距离。则两架无人机保持安全间隔的概率为：
Figure 121118DEST_PATH_IMAGE036
,且
Figure 593688DEST_PATH_IMAGE038
，其中
Figure 769454DEST_PATH_IMAGE040
两架无人机在获得导航增强服务后的导航误差标准差。
进一步定义
Figure 694685DEST_PATH_IMAGE042
，当时间间隔
Figure 918993DEST_PATH_IMAGE044
，且在一定时间范围T时，由导航误差引起的飞行安全风险为：
Figure 980490DEST_PATH_IMAGE046
；
定义在给的空域范围内无人机之间保持正常间隔的概率为u 1，出现严重故障的概率为u 2，无人机操控者的可靠性为u 3，则给定空域内无人机的总体飞行安全风险为：
Figure 77890DEST_PATH_IMAGE048
；
因此，导航误差需要满足的条件是确保对应的最小安全飞行间隔S min情况下，总体飞行安全风险满足运行要求。在此情况下，S min与任意两架无人机（第i架和第j架）之间的导航误差标准差
Figure 490417DEST_PATH_IMAGE050
的取值同时影响了总体飞行安全风险。
(3) 按照所计算的空域飞行容量和既定的虚警概率和漏警概率计算飞行三维保护级，确定不同业务类型和不同空域特征下的无人机所需导航性能。不同业务类型和不同空域特征下的无人机所需导航性能与其在低空空域下的碰撞风险密切相关。对于400米至1000米空域飞行的的无人机，其飞行导航性能由RNP-1确定，进一步根据RNP-1可以计算无人机之间的碰撞风险概率，具体方法为：在密集飞行条件下，当单一卫星导航系统无法满足所需导航精度要求时，需引入卫星导航、惯性导航和视觉SLAM的多源导航增强，此时导航误差服从混合高斯分布，可表示为：
Figure 518416DEST_PATH_IMAGE052
，其中
Figure 965578DEST_PATH_IMAGE054
为对完好性影响较大的误差出现的比例，此处假定为卫星导航系统的完好性体现。
Figure 155250DEST_PATH_IMAGE056
和
Figure 55073DEST_PATH_IMAGE058
分别表示卫星导航、惯性导航和视觉SLAM的导航误差标准差。
当飞机在RNP-n模式飞行时，其置信区间需要满足：
Figure 729506DEST_PATH_IMAGE060
，
在低空空域范围内，区域管制和进近管制遵循RNP-1的方式，因此n=1，通过解算
Figure 31174DEST_PATH_IMAGE062
确定
Figure 391749DEST_PATH_IMAGE056
和
Figure 778868DEST_PATH_IMAGE058
。
(4) 对所确定的无人机所需导航精度建立多级多源导航增强服务框架，包括以北斗为主的卫星导航服务、分别考虑惯性传感和视觉SLAM的多源融合自主导航服务；其导航优先级需依照飞行业务和飞行空域的所需导航性能分类，其导航观测模型和状态模型的设置方法如下：同时考虑北斗卫星导航、惯性传感和视觉SLAM导航方法，其导航优先级需依照飞行业务和飞行空域的所需导航性能分类，其导航观测模型的设置方法如下：
Y=Ax+E
其中A为观测矩阵，E为观测误差矩阵，Y为观测值，由卫星导航观测值、惯性导航观测值和视觉SLAM导航观测值共同组成，由此可以得到导航状态的最小二乘解，具体表示为：
Figure 210986DEST_PATH_IMAGE064
，其中W是加权矩阵
(5) 对所确定的无人机所需导航性能进行等级划分，分别为I级、II级和III级，对应以北斗为主的卫星导航服务，北斗辅助惯性传感导航服务和以惯性传感、视觉SLAM为主的自主导航服务；所述导航性能等级I级、II级和III级分别对应所需的导航精度、完好性和连续性要求，具体如下：所述导航性能等级I级、II级分别对应所需的导航精度、完好性和连续性要求，具体如下：
等级I：卫星导航作为主用导航系统，采用高级接收机自主完好性监测技术实现完好性监测，具体方法如下：
首先得到导航状态的最小二乘解：
Figure 101582DEST_PATH_IMAGE066
，其中Y为观测值，
Figure 898636DEST_PATH_IMAGE068
。
令
Figure 523784DEST_PATH_IMAGE070
，其中
Figure 697276DEST_PATH_IMAGE072
为卫星星历、星钟和接收机时钟误差方差的总和，
Figure 707957DEST_PATH_IMAGE074
为对流层误差方差，
Figure 534968DEST_PATH_IMAGE076
为用户误差方差，k表示第k个卫星的情况。构建检测值：
Figure 631100DEST_PATH_IMAGE078
，其中
Figure 342704DEST_PATH_IMAGE080
，
Figure 207892DEST_PATH_IMAGE082
分别表示假定第k个卫星出现故障的情况和所有卫星状态都良好的情况。
其中
Figure 861596DEST_PATH_IMAGE080
，
Figure 445024DEST_PATH_IMAGE082
，分别表示假定第k个卫星不参与定位和所有卫星都参与定位的情况；其中A k 、A 0分别表示所有卫星都参与定位和第k颗卫星不参与定位时的观测矩阵。
在无故障的情况下，
Figure 694740DEST_PATH_IMAGE084
，其中
Figure 539068DEST_PATH_IMAGE086
，D k 表示第k颗卫星不参与定位时的检测量，
Figure 848827DEST_PATH_IMAGE088
，b min表示最小导航误差偏移量，i表示第i个参与定位的卫星观测量，M表示所有卫星的数目。
且
Figure 919551DEST_PATH_IMAGE090
，
Figure 786007DEST_PATH_IMAGE092
，且满足
Figure 625787DEST_PATH_IMAGE094
，P fa 为满足导航性能的虚警概率，考虑对每颗卫星虚警概率相同的情况下，
Figure 106447DEST_PATH_IMAGE096
。M表示所有卫星的数目，Q函数为标准正态分布的右尾函数，其形式为：
Figure 398888DEST_PATH_IMAGE098
。
等级II：卫星导航、惯性导航与视觉SLAM融合作为导航增强服务，在此情况下，系统通过构建扩展卡尔曼滤波器实现多源导航信息融合，以提高导航精度。导航完好性的计算方法为：
首先重复等级I，对卫星导航进行完好性监测和故障识别，去除故障卫星，进而计算扩展卡尔曼滤波器的新息，表示为e t ：
Figure 521564DEST_PATH_IMAGE100
，
其中t表示第t个时刻，Y t 表示多源导航观测量，其观测量可以来自卫星导航、惯性导航或者视觉SLAM；A t 表示观测矩阵。
X t,t-1表示卡尔曼滤波器基于第t-1时刻滤波的预测值，进而计算新息的方差
Figure 215851DEST_PATH_IMAGE102
，其中R t 为第t个时刻的观测误差矩阵，P t,t-1为第t个时刻的状态误差预测值，为第t-1时刻滤波的外推值。
(6) 对于以卫星导航为主的情况，分别计算无故障和假定第k颗卫星出现故障情况下的垂直保护级，
Figure 867412DEST_PATH_IMAGE104
，
Figure 21051DEST_PATH_IMAGE106
，其中
Figure 416260DEST_PATH_IMAGE108
Figure 965053DEST_PATH_IMAGE110
，且满足
Figure 318674DEST_PATH_IMAGE112
其中，VPL 0为无故障时的垂直保护级，VPL k为假定第k颗卫星出现故障情况下的垂直保护级，b max导航误差最大偏差，Q函数为标准正态分布的右尾函数，其形式为：
Figure 585707DEST_PATH_IMAGE114
。
Figure 784607DEST_PATH_IMAGE116
为无故障时的导航信息完好性风险，
Figure 187907DEST_PATH_IMAGE118
为假定第k个卫星出现故障时的导航信息完好性风险。P sat,k 表示第k个卫星出现故障的概率。判断保护级是否超过告警限以确保增强导航服务的可用性和完好性是否满足系统要求。
对于以卫星导航、惯性导航和视觉SLAM的多源导航增强模式，当观测量无故障时，新息满足零均值高斯分布；当观测量出现故障时，新息的均值不为零，因此可以构建新息方差作为故障检测量。假设检验模型为：
无故障情况下，
Figure 259899DEST_PATH_IMAGE120
，
Figure 14229DEST_PATH_IMAGE122
存在故障情况下，
Figure 751240DEST_PATH_IMAGE124
，
Figure 133680DEST_PATH_IMAGE126
其中e t 表示第t时刻的新息，
Figure 563525DEST_PATH_IMAGE128
表示新息均值，
Figure 539571DEST_PATH_IMAGE130
表示新息方差，
Figure 595120DEST_PATH_IMAGE132
表示存在故障下新息的均值。
第t时刻的检测量为：
Figure 238591DEST_PATH_IMAGE134
，该检测量满足自由度为m的卡方分布，其中m为多源导航观测量的个数；对于检测门限T d ，当
Figure 573758DEST_PATH_IMAGE136
，系统出现故障；
Figure 302679DEST_PATH_IMAGE138
，系统无故障；给定虚警率可以计算检测门限；其中，e t 表示第t时刻的新息，
Figure 240548DEST_PATH_IMAGE132
表示出现故障情况下新息的均值，
Figure 738526DEST_PATH_IMAGE128
表示新息的数学期望，
Figure 244594DEST_PATH_IMAGE130
表示新息的方差；H t 表示第t时刻的观测矩阵，P t,t-1表示基于第t-1时刻滤波外推的状态误差矩阵。
(7) 若判断的所需导航性能在无人机飞行过程发生变化，应变换相应的多源导航增强服务方式，使其与飞行环境相适应。
(8) 在无人机飞行过程中，对所建立的多级多源导航增强服务框架进行完好性监测，当完好性超出所建立保护级时，应调整飞行航线使得完好性满足所建立保护级范围要求。完好性监测的过程为：对低空空域进一步划分，在1000-400米的范围内以卫星导航为主用导航方式，采用GPS、BDS多星座导航观测融合的方式，采用先进接收机自主完好性监测框架；在400米以下的空域范围内，导航增强方式为卫星导航、惯性导航和视觉SLAM相结合，采用先进接收机自主完好性监测和多源观测融合的新息检测量完好性检测方式；在完好性监测的过程中，首先根据导航观测性质计算保护级，并将其与告警限比较，以判断完好性是否存在风险；对于以卫星导航为主的导航方式，可进一步根据计算得到的保护级进行完好性风险预测；对于以卫星导航、惯性导航和视觉SLAM相结合的导航增强方式，需要根据实际新息观测进行完好性监测。
(9) 当无法调整航线以使得所建立的多级多源导航增强服务框架完好性满足要求时，应终止无人机飞行。在此过程中无人机飞行速度V 0，服从在
Figure 477123DEST_PATH_IMAGE140
区间上的均匀分布，其密度函数为：
Figure 359628DEST_PATH_IMAGE142
其中，V 0min和V 0max分别表示在既定空域下无人机飞行速度的最小值和最大值。
以上所述仅为本发明的具体实施例，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种适用于低空空域无人机复杂飞行的多源导航增强方法，其特征在于，包括以下步骤：
步骤A、构建低空空域无人机复杂飞行的场景，根据空域高度范围和不同业务类型的无人机特征计算碰撞响应时间，根据碰撞响应时间对飞行空域进行聚类划分，得到空域聚类划分结果；
步骤B、根据满足不同业务类型的无人机特征和步骤A中的空域聚类划分结果进一步建立无人机安全飞行的容量模型，计算不同空域范围的飞行容量；
步骤C、按照步骤B中所计算的空域范围的飞行容量和既定的虚警概率和漏警概率计算飞行三维保护级，确定不同业务类型和不同空域特征下的无人机所需导航性能；
步骤D、根据步骤C所确定的无人机所需导航性能建立多级多源导航增强服务框架，包括以北斗为主的卫星导航服务、分别考虑惯性传感和视觉SLAM的多源融合自主导航服务；
步骤E、对步骤C中所确定的无人机所需导航性能进行等级划分，分别为I级、II级和III级，其中，I级对应以北斗为主的卫星导航服务，II级对应惯性传感导航辅助北斗卫星导航服务，III级对应以惯性传感、视觉SLAM为主的自主导航服务；
步骤F、在无人机运行过程中，通过广播式自相关监视获取无人机飞行状态，并对其飞行航线的多源导航增强服务可用性与完好性进行评估，确定所需导航性能等级；
步骤G、若步骤F中判断的所需导航性能在无人机飞行过程发生变化，应变换相应的多源导航增强服务方式，使其与飞行环境相适应；
步骤H、在无人机飞行过程中，对步骤D所建立的多级多源导航增强服务框架进行完好性监测，当完好性超出步骤C中所建立保护级时，应调整飞行航线使得完好性满足步骤C中所建立保护级范围要求；
步骤I、当步骤H中无法调整航线以使得步骤D所建立的多级多源导航增强服务框架完好性满足要求时，应终止无人机飞行。
2.根据权利要求1所述的一种适用于低空空域无人机复杂飞行的多源导航增强服务方法，其特征在于：所述步骤A中，低空空域高度范围限制在1000米以下，所面向的业务类型包括：空中物流、自动巡检、应急救援、新闻航拍，所应用的无人机类型包括垂直起降、多旋翼无人机。
3.根据权利要求1所述的适用于低空空域无人机复杂飞行的多源导航增强服务方法，其特征在于：所述步骤B中，无人机安全飞行的容量模型描述如下：
Figure DEST_PATH_IMAGE002
，其中
Figure DEST_PATH_IMAGE004
为无人机的密度，V为避免无人机碰撞的三维飞行间隔包含的体积；其计算方法为以r为半径的三维球体体积，r为同一空域内两架无人机之间的径向距离，r的计算方法为：
Figure DEST_PATH_IMAGE006
，
V p 为无人机空域容量，其中
Figure DEST_PATH_IMAGE008
、
Figure DEST_PATH_IMAGE010
、
Figure DEST_PATH_IMAGE012
为第一架无人机的横向、侧向和纵向长度；
Figure DEST_PATH_IMAGE014
、
Figure DEST_PATH_IMAGE016
、
Figure DEST_PATH_IMAGE018
为第二架无人机的横向、侧向和纵向长度；则
Figure DEST_PATH_IMAGE020
；无人机导航精度需要确保其飞行安全风险在要求范围内；假设导航误差满足高斯分布，其分布函数描述为：
Figure DEST_PATH_IMAGE022
，其中
Figure DEST_PATH_IMAGE024
表示误差，
Figure DEST_PATH_IMAGE026
表示误差的标准差；
假定两架无人机之间在Δt时间间隔内其距离表示为：
Figure DEST_PATH_IMAGE028
，
其中
Figure DEST_PATH_IMAGE030
、
Figure DEST_PATH_IMAGE032
和
Figure DEST_PATH_IMAGE034
表示两架无人机在横向、侧向和纵向的距离；t表示任意时刻；则两架无人机保持安全间隔的概率为：
Figure DEST_PATH_IMAGE036
,且
Figure DEST_PATH_IMAGE038
，其中
Figure DEST_PATH_IMAGE040
为两架无人机在获得导航增强服务后的导航误差标准差；S 12,min为两架无人机的安全间隔；S为两无人机之间的距离；
进一步定义：
Figure DEST_PATH_IMAGE042
，
两架无人机在给定时间间隔Δt内未能保持安全间隔的概率为P 12；
当时间间隔
Figure DEST_PATH_IMAGE044
，t 0表示时间间隔的上限，且在一定时间范围T时，由导航误差引起的飞行安全风险为：
Figure DEST_PATH_IMAGE046
定义在给定空域范围内无人机之间保持正常间隔的概率为u 1，出现严重故障的概率为u 2，无人机操控者的可靠性为u 3，N为空域内无人机的数量，则给定空域内无人机的总体飞行安全风险为：
Figure DEST_PATH_IMAGE048
因此，导航误差需要满足的条件是确保对应的最小安全飞行间隔S min情况下，总体飞行安全风险满足运行要求；在此情况下，S min与任意两架无人机即第i架和第j架之间的导航误差标准差
Figure DEST_PATH_IMAGE050
的取值同时影响了总体飞行安全风险；其中，S min为最小安全飞行间隔。
4.根据权利要求1所述的适用于低空空域无人机复杂飞行的多源导航增强服务方法，其特征在于：所述步骤C中，不同业务类型和不同空域特征下的无人机所需导航性能与其在低空空域下的碰撞风险密切相；对于400米至1000米空域飞行的无人机，其飞行导航性能由一级所需导航性能RNP-1，确定，进一步根据RNP-1计算无人机之间的碰撞风险概率，具体方法为：
在密集飞行条件下，当单一卫星导航系统无法满足所需导航精度要求时，需引入卫星导航、惯性导航和视觉SLAM的多源导航增强，此时导航误差服从混合高斯分布，表示为：
Figure DEST_PATH_IMAGE052
，
其中
Figure DEST_PATH_IMAGE054
为对完好性影响最大的误差出现的比例，此处假定为卫星导航系统的完好性体现；
Figure DEST_PATH_IMAGE056
和
Figure DEST_PATH_IMAGE058
分别表示卫星导航、惯性导航和视觉SLAM的导航误差标准差；f N 为标准正态分布函数；
当飞机在RNP-n模式飞行时，其中n表示所需导航性能的级别，其置信区间需要满足：
Figure DEST_PATH_IMAGE060
，
在低空空域范围内，区域管制和进近管制遵循RNP-1的方式，因此n=1，通过解算
Figure DEST_PATH_IMAGE062
确定
Figure 749005DEST_PATH_IMAGE056
和
Figure 728462DEST_PATH_IMAGE058
。
5. 根据权利要求1所述的适用于低空空域无人机复杂飞行的多源导航增强服务方法，其特征在于：所述步骤D中，同时考虑北斗卫星导航、惯性传感和视觉SLAM导航方法，其导航优先级需依照飞行业务和飞行空域的所需导航性能分类，其导航观测模型的设置方法如下：
Y=Ax+E
其中A为观测矩阵，E为观测误差矩阵，Y为观测值，由卫星导航观测值、惯性导航观测值和视觉SLAM导航观测值共同组成，由此得到导航状态的最小二乘解，具体表示为：
Figure DEST_PATH_IMAGE064
，其中W是加权矩阵。
6.根据权利要求1所述的适用于低空空域无人机复杂飞行的多源导航增强服务方法，其特征在于：所述步骤E中，所述导航性能等级I级、II级分别对应所需的导航精度、完好性和连续性要求，具体如下：
等级I：卫星导航作为主用导航系统，采用高级接收机自主完好性监测技术实现完好性监测，具体方法如下：
首先得到导航状态的最小二乘解：
Figure DEST_PATH_IMAGE066
Y为观测值，
Figure DEST_PATH_IMAGE068
令
Figure DEST_PATH_IMAGE070
，其中
Figure DEST_PATH_IMAGE072
为卫星星历、星钟和接收机时钟误差方差的总和，
Figure DEST_PATH_IMAGE074
为对流层误差方差，
Figure DEST_PATH_IMAGE076
为用户误差方差，k表示第k个卫星的情况；构建检测值：
Figure DEST_PATH_IMAGE078
，
其中
Figure DEST_PATH_IMAGE080
，
Figure DEST_PATH_IMAGE082
，分别表示假定第k个卫星不参与定位和所有卫星都参与定位的情况；其中A k 、A 0分别表示所有卫星都参与定位和第k颗卫星不参与定位时的观测矩阵；
在无故障的情况下，
Figure DEST_PATH_IMAGE084
，其中
Figure DEST_PATH_IMAGE086
，D k 表示第k颗卫星不参与定位时的检测量，
Figure DEST_PATH_IMAGE088
，b min表示最小导航误差偏移量，i表示第i个参与定位的卫星观测量，M表示所有卫星的数目；
且
Figure DEST_PATH_IMAGE090
，
Figure DEST_PATH_IMAGE092
，且满足
Figure DEST_PATH_IMAGE094
，P fa 为满足导航性能的虚警概率，考虑对每颗卫星虚警概率相同的情况下，
Figure DEST_PATH_IMAGE096
，M表示所有卫星的数目，Q函数为标准正态分布的右尾函数，其形式为：
Figure DEST_PATH_IMAGE098
；
等级II：卫星导航、惯性导航与视觉SLAM融合作为导航增强服务，在此情况下，系统通过构建扩展卡尔曼滤波器实现多源导航信息融合，以提高导航精度；导航完好性的计算方法为：
首先重复等级I，对卫星导航进行完好性监测和故障识别，去除故障卫星，进而计算扩展卡尔曼滤波器的新息，表示为e t ：
Figure DEST_PATH_IMAGE100
其中t表示第t个时刻，Y t 表示多源导航观测量，其观测量可以来自卫星导航、惯性导航或者视觉SLAM；A t 表示观测矩阵；
X t,t-1表示卡尔曼滤波器基于第t-1时刻滤波的预测值，进而计算新息的方差
Figure DEST_PATH_IMAGE102
，其中R t 为第t个时刻的观测误差矩阵，P t,t-1为第t个时刻的状态误差预测值，为第t-1时刻滤波的外推值。
7.根据权利要求1所述的适用于低空空域无人机复杂飞行的多源导航增强服务方法，其特征在于：所述步骤F中，多源导航增强服务可用性与完好性的评估方法为：
对于以卫星导航为主的情况，分别计算无故障和假定第k颗卫星出现故障情况下的垂直保护级，
Figure DEST_PATH_IMAGE104
，
Figure DEST_PATH_IMAGE106
，
其中
Figure DEST_PATH_IMAGE108
，VPL 0为无故障时的垂直保护级，VPL k为假定第k颗卫星出现故障情况下的垂直保护级，b max导航误差最大偏差，Q函数为标准正态分布的右尾函数，其形式为：
Figure DEST_PATH_IMAGE110
；
Figure DEST_PATH_IMAGE112
为无故障时的导航信息完好性风险，
Figure DEST_PATH_IMAGE114
为假定第k个卫星出现故障时的导航信息完好性风险，P sat,k 表示第k个卫星出现故障的概率；
Figure DEST_PATH_IMAGE116
，且满足
Figure DEST_PATH_IMAGE118
，其中M为所有卫星数目，PHMI为总体导航信息完好性风险概率；
判断保护级是否超过告警限以确保增强导航服务的可用性和完好性是否满足系统要求；
对于以卫星导航、惯性导航和视觉SLAM的多源导航增强模式，当观测量无故障时，新息满足零均值高斯分布；当观测量出现故障时，新息的均值不为零，因此构建新息方差作为故障检测量；假设检验模型为：
无故障情况下，
Figure DEST_PATH_IMAGE120
，
Figure DEST_PATH_IMAGE122
存在故障情况下，
Figure DEST_PATH_IMAGE124
，
Figure DEST_PATH_IMAGE126
其中e t 表示第t时刻的新息，
Figure DEST_PATH_IMAGE128
表示新息均值，
Figure DEST_PATH_IMAGE130
表示新息方差，
Figure DEST_PATH_IMAGE132
表示存在故障下新息的均值；
第t时刻的检测量为：
Figure DEST_PATH_IMAGE134
，该检测量满足自由度为m的卡方分布，其中m为多源导航观测量的个数；对于检测门限T d ，当
Figure DEST_PATH_IMAGE136
，系统出现故障；
Figure DEST_PATH_IMAGE138
，系统无故障；给定虚警率计算检测门限；其中，e t 表示第t时刻的新息，
Figure 193685DEST_PATH_IMAGE132
表示出现故障情况下新息的均值，
Figure 588894DEST_PATH_IMAGE128
表示新息的数学期望，
Figure 465583DEST_PATH_IMAGE130
表示新息的方差；H t 表示第t时刻的观测矩阵，P t,t-1表示基于第t-1时刻滤波外推的状态误差矩阵。
8.根据权利要求1所述的适用于低空空域无人机复杂飞行的多源导航增强服务方法，其特征在于：所述步骤H中，完好性监测的过程为：
对低空空域进一步划分，在1000-400米的范围内以卫星导航为主用导航方式，采用GPS、BDS多星座导航观测融合的方式，采用先进接收机自主完好性监测框架；
在400米以下的空域范围内，导航增强方式为卫星导航、惯性导航和视觉SLAM相结合，采用先进接收机自主完好性监测和多源观测融合的新息检测量完好性检测方式；
在完好性监测的过程中，首先根据导航观测性质计算保护级，并将其与告警限比较，以判断完好性是否存在风险；对于以卫星导航为主的导航方式，进一步根据计算得到的保护级进行完好性风险预测；对于以卫星导航、惯性导航和视觉SLAM相结合的导航增强方式，需要根据实际新息观测进行完好性监测。
9.根据权利要求1诉述的适用于低空空域无人机复杂飞行的多源导航增强服务方法，其特征在于，所述步骤I中，无人机飞行速度V 0，服从在
Figure DEST_PATH_IMAGE140
区间上的均匀分布，其密度函数为：
Figure DEST_PATH_IMAGE142
其中，V 0min和V 0max分别表示在既定空域下无人机飞行速度的最小值和最大值。
CN202110894532.4A 2021-08-05 2021-08-05 一种适用于低空空域无人机复杂飞行的多源导航增强方法 Active CN113340306B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110894532.4A CN113340306B (zh) 2021-08-05 2021-08-05 一种适用于低空空域无人机复杂飞行的多源导航增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110894532.4A CN113340306B (zh) 2021-08-05 2021-08-05 一种适用于低空空域无人机复杂飞行的多源导航增强方法

Publications (2)

Publication Number Publication Date
CN113340306A true CN113340306A (zh) 2021-09-03
CN113340306B CN113340306B (zh) 2021-12-10

Family

ID=77480753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110894532.4A Active CN113340306B (zh) 2021-08-05 2021-08-05 一种适用于低空空域无人机复杂飞行的多源导航增强方法

Country Status (1)

Country Link
CN (1) CN113340306B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114047782A (zh) * 2021-11-16 2022-02-15 中国商用飞机有限责任公司 飞行辅助方法、装置、电子设备和可读存储介质
CN116320990A (zh) * 2023-05-18 2023-06-23 北京航空航天大学 一种空基导航增强自组网的节点动态协同感知方法
CN117218907A (zh) * 2023-11-08 2023-12-12 中国电子科技集团公司第十五研究所 一种基于无人机运行特性的低空网格剖分方法和系统
CN117997415A (zh) * 2024-04-01 2024-05-07 长光卫星技术股份有限公司 一种微纳卫星自主导航及自主测控管理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080243383A1 (en) * 2006-12-12 2008-10-02 Ching-Fang Lin Integrated collision avoidance enhanced GN&C system for air vehicle
CN107132852A (zh) * 2017-03-31 2017-09-05 西安戴森电子技术有限公司 一种基于北斗地理围栏差分定位模块的无人机监管云平台
CN112462804A (zh) * 2020-12-24 2021-03-09 四川大学 基于ads-b和蚁群算法的无人机感知与规避策略
CN112885155A (zh) * 2021-01-18 2021-06-01 中国人民解放军空军工程大学 一种融合空域内无人机飞行碰撞风险评估方法
CN113191541A (zh) * 2021-04-26 2021-07-30 万航宇宙智能工程有限公司 一种基于利用低空空域开展高效货物运输活动的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080243383A1 (en) * 2006-12-12 2008-10-02 Ching-Fang Lin Integrated collision avoidance enhanced GN&C system for air vehicle
CN107132852A (zh) * 2017-03-31 2017-09-05 西安戴森电子技术有限公司 一种基于北斗地理围栏差分定位模块的无人机监管云平台
CN112462804A (zh) * 2020-12-24 2021-03-09 四川大学 基于ads-b和蚁群算法的无人机感知与规避策略
CN112885155A (zh) * 2021-01-18 2021-06-01 中国人民解放军空军工程大学 一种融合空域内无人机飞行碰撞风险评估方法
CN113191541A (zh) * 2021-04-26 2021-07-30 万航宇宙智能工程有限公司 一种基于利用低空空域开展高效货物运输活动的方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114047782A (zh) * 2021-11-16 2022-02-15 中国商用飞机有限责任公司 飞行辅助方法、装置、电子设备和可读存储介质
CN116320990A (zh) * 2023-05-18 2023-06-23 北京航空航天大学 一种空基导航增强自组网的节点动态协同感知方法
CN117218907A (zh) * 2023-11-08 2023-12-12 中国电子科技集团公司第十五研究所 一种基于无人机运行特性的低空网格剖分方法和系统
CN117218907B (zh) * 2023-11-08 2024-01-23 中国电子科技集团公司第十五研究所 一种基于无人机运行特性的低空网格剖分方法和系统
CN117997415A (zh) * 2024-04-01 2024-05-07 长光卫星技术股份有限公司 一种微纳卫星自主导航及自主测控管理方法
CN117997415B (zh) * 2024-04-01 2024-06-11 长光卫星技术股份有限公司 一种微纳卫星自主导航及自主测控管理方法

Also Published As

Publication number Publication date
CN113340306B (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN113340306B (zh) 一种适用于低空空域无人机复杂飞行的多源导航增强方法
US9773421B2 (en) Aircraft maneuver data management system
US8798819B2 (en) Vertical required navigation performance containment with radio altitude
US20190061693A1 (en) Detecting false positioning signals based on surveillance signals
CN109900300A (zh) 一种用于无人机的组合导航完好性监测系统
US10459085B1 (en) System and method for validating GPS altitude for low visibility approaches
CN112885155A (zh) 一种融合空域内无人机飞行碰撞风险评估方法
US9222799B1 (en) Navigation data validation systems and methods
US9377306B2 (en) Device and method for prediction on the ground of characteristics of the position of an aircraft along a path
Geister et al. Density based management concept for urban air traffic
Geister et al. Total system error performance of drones for an unmanned PBN concept
Wang et al. Investigation and modeling of flight technical error (FTE) associated with UAS operating with and without pilot guidance
Ostroumov et al. Risk of mid-air collision estimation using minimum spanning tree of air traffic graph.
Strümpfel et al. Assured multi-mode navigation for urban operations of small uas
EP3736538A1 (en) Navigation performance in urban air vehicles
US11994880B2 (en) Methods and systems for unmanned aerial vehicles to detect and avoid other flying machines
Ostroumov Air traffic service route network analysis to support local traffic
Omeri et al. Quantifying Well Clear for autonomous small UAS
CN114118215A (zh) 一种低空融合空域飞行流量监测方法及系统
Kim et al. Safety Risk Assessment Based Minimum Separation Boundary for UAM Operations
Portilla et al. Sense and avoid (SAA) & traffic alert and collision avoidance system (TCAS) integration for unmanned aerial systems (UAS)
Cappello et al. Low-cost multi-sensor data fusion for unmanned aircraft navigation and guidance
Uijt De Haag et al. Safe and Sustainable Unmanned Aircraft Trajectory Planning in Dense Urban Environments
Su et al. A risk-based uam airspace capacity assessment method using monte carlo simulation
Villalobos Hernandez et al. Robust Multi-Sensor Navigation in GNSS Degraded Environments

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