CN114337790B - 一种针对未知信号的陆空立体式定位系统及方法 - Google Patents
一种针对未知信号的陆空立体式定位系统及方法 Download PDFInfo
- Publication number
- CN114337790B CN114337790B CN202210006462.9A CN202210006462A CN114337790B CN 114337790 B CN114337790 B CN 114337790B CN 202210006462 A CN202210006462 A CN 202210006462A CN 114337790 B CN114337790 B CN 114337790B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- unknown source
- aerial vehicle
- unknown
- signals
- 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 33
- 230000006854 communication Effects 0.000 claims abstract description 32
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 30
- 238000004891 communication Methods 0.000 claims abstract description 30
- 230000005540 biological transmission Effects 0.000 claims description 21
- 230000003044 adaptive effect Effects 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 238000003491 array Methods 0.000 abstract description 4
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 238000005755 formation reaction Methods 0.000 description 27
- 238000012545 processing Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical group C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 101100498818 Arabidopsis thaliana DDR4 gene Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- -1 moSys Proteins 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000011241 protective layer Substances 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及无线通信技术领域，尤其涉及一种针对未知信号的陆空立体式定位系统及方法，利用多架无人机和多辆巡逻车组成的陆空立体式编队对未知源信号进行搜索，不仅扩大了搜索范围，能够无死角追踪未知信号，并且能够通过构建动态的数学模型精准定位未知源信号，对未知源信号的发射端进行捕获；另外，采用多架无人机和多辆巡逻车能够避免某一架无人机或者某一辆巡逻车发生故障时，剩余的无人机和巡逻车仍然能够继续进行搜索任务，提高搜索未知源信号效率的同时，保证搜索任务的可靠性；同时，无人机和巡逻车设置的自适应天线阵列单元可以根据环境自动转换成不同形状的天线阵列或天线间距，最大程度接收未知源信号。
Description
技术领域
本申请涉及无线通信技术领域，尤其涉及一种针对未知信号的陆空立体式定位系统及方法。
背景技术
目前，无线通信技术、传感器技术等通信技术已经被广泛运用航空、航天、雷达等领域。由于非法信号的存在，给正常的通信造成了严重干扰，给人们的生命安全和财产造成了威胁，严重危害了通讯安全、扰乱了社会公共秩序。甚至，在一些重要的敏感区域在通信过程中受到了非法信号的入侵，使得通信过程失常，造成了经济损失、机密泄露、人员伤亡等恶性事件。为此，对非法信号的探测和定位的需求越来越迫切。
对于非法信号定位，人们提出了许许多多的定位方法，能在一定条件下检测到非法信号。然而，由于多径衰弱和非视距传输的影响，无线信号的传输受到了严重的干扰，使得传统方法检测非法信号的精度大大降低。若非法信号处于非静止状态，传统方法便无法有效的实时跟踪非法信号的具体位置和轨迹。
发明内容
为克服现有技术中的不足，本申请提供一种针对未知信号的陆空立体式定位系统及方法，无人机、巡逻车和地面定位三者配合，能够实时追踪移动/静止的未知信号的位置。
本申请提供的一种针对未知信号的陆空立体式定位系统，包括地面定位控制平台以及与所述地面定位控制平台通讯的无人机和巡逻车；
所述地面定位控制平台，用于根据搜索区域生成由多架所述无人机与多辆所述巡逻车形成的陆空立体式编队对所述搜索区域中的所述未知源信号进行搜索的控制指令，并将所述控制指令发送至所述无人机和巡逻车；以及，基于所述无人机和所述巡逻车对所述控制指令的响应，测定所述未知源信号的位置，并将所述未知源信号的位置信息发送至所述无人机和所述巡逻车；
所述无人机和所述巡逻车，用于响应接收到的所述控制指令，在所述搜索区域的空中和陆面捕获所述未知源信号，并确定与所述未知源信号的相对距离和相对方向，基于所述相对距离和相对方向对所述未知源信号进行追踪，且将与所述未知源信号的相对距离和相对方向的数据发送至所述地面定位控制平台；以及，用于响应接收到的所述未知源信号的位置信息，对所述未知源信号的发射端进行捕获。
在一种可能的实施方式中，述地面定位控制平台包括多个地面雷达；
所述地面雷达，用于检测到未知源信号，所述地面定位控制平台根据检测到的未知源信号确定搜索区域。
在一种可能的实施方式中，所述无人机和所述巡逻车分别设置信号追踪模块，所述信号追踪模块包括：
信号捕获单元，用于对所述未知源信号进行采样，以获取所述未知源信号的参数信息，所述参数信息包括频率、波达角数据；
信号定位单元，用于根据所述未知源信号的参数信息，获取所述无人机或所述巡逻车与所述未知源信号的相对距离和相对方向；
信号实时追踪单元，用于根据所述无人机或所述巡逻车与所述未知源信号的相对距离和相对方向，对所述未知源信号进行实时追踪。
在一种可能的实施方式中，所述无人机和所述巡逻车通过搭载的通信模块与所述地面定位控制平台进行通讯；所述通信模块包括：
信号地理位置传输单元，用于对捕获的所述未知源信号的位置数据进行传输；
信号频率数据传输单元，用于对捕获的所述未知源信号的频率数据进行传输；
信号波达方向传输单元，用于对捕获的所述未知源信号的波达角数据进行传输；
行动数据传输单元，用于对所述无人机或所述巡逻车的运行数据进行传输。
在一种可能的实施方式中，所述无人机设置机载天线阵列模块，所述机载天线阵列模块包括：
无人机结构平台，用于控制所述无人机的运动状态；
第一自适应天线阵列单元，用于接收所述未知源信号。
在一种可能的实施方式中，所述巡逻车设置车载天线阵列模块，所述车载天线阵列模块包括：
车辆远程操控平台，用于控制所述巡逻车的运动状态；
第二自适应天线阵列单元，用于接收所述未知源信号。
在一种可能的实施方式中，所述通信模块的前端设置信号滤波器；
所述信号滤波器，用于过滤传输信号的噪音。
在一种可能的实施方式中，所述无人机结构平台和所述车辆远程操控平台分别设置影像单元；
所述影像单元，用于所述无人机和所述巡逻车采集周边环境的影像。
本申请提供的一种针对未知信号的陆空立体式定位方法，应用于一种针对未知信号的陆空立体式定位系统，所述定位系统包括地面定位控制平台以及与所述地面定位控制平台通讯的无人机和巡逻车，所述定位方法包括以下步骤：
所述地面定位控制平台，根据搜索区域生成由多架所述无人机与多辆所述巡逻车形成的陆空立体式编队对所述搜索区域中的所述未知源信号进行搜索的控制指令，并将所述控制指令发送至相应的无人机和巡逻车；
所述无人机和所述巡逻车响应接收到的所述控制指令，在所述搜索区域的空中和陆面捕获所述未知源信号，并确定与所述未知源信号的相对距离和相对方向，基于所述相对距离和相对方向对所述未知源信号进行追踪，且将与所述未知源信号的相对距离和相对方向的数据发送至所述地面定位控制平台；
所述地面定位控制平台基于所述无人机和所述巡逻车对所述控制指令的响应，测定所述未知源信号的位置，并将所述未知源信号的位置信息发送至所述无人机和所述巡逻车；
所述无人机和所述巡逻车响应接收到的所述未知源信号的位置信息，对所述未知源信号的发射端进行捕获。
在一种可能的实施方式中，所述地面定位控制平台通过以下方式确定搜索区域：
所述地面定位控制平台设置多个地面雷达，所述地面定位控制平台根据所述地面雷达检测到的未知源信号确定搜索区域；
或者，所述地面定位控制平台基于建立的坐标系设定搜索区域。
本实施例提供的一种针对未知信号的陆空立体式定位系统及方法，利用多架无人机和多辆巡逻车组成的陆空立体式编队对未知源信号进行搜索，不仅扩大了搜索范围，能够无死角追踪未知信号，并且能够及时定位未知源信号，对未知源信号的发射端进行捕获；另外，采用多架无人机和多辆巡逻车也能够避免某一架无人机或者某一辆巡逻车发生故障时，剩余的无人机和巡逻车仍然能够继续进行搜索任务，提高搜索未知源信号效率的同时，保证搜索任务的可靠性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请一实施例所述定位系统的结构示意图；
图2示出了本申请一实施例所述定位系统对未知源信号进行捕获、追踪的示意图；
图3示出了本申请一实施例所述定位系统计算未知源信号位置所构建的数学模型的示意图；
图4示出了本申请一实施例所述信号追踪模块的结构示意图；
图5示出了本申请一实施例所述通信模块的结构示意图；
图6示出了本申请一实施例所述影像单元的结构示意图；
图7示出了本申请一实施例所述自适应天线阵列单元的结构示意图；
图8示出了本申请一实施例所述自适应天线阵列单元的不同天线阵列的结构示意图；
图9示出了本申请一实施例所述巡逻车和无人机的行动数据采集的结构示意图；
图10示出了本申请一实施例所述地面定位控制平台的结构示意图；
图11示出了本申请一实施例建立的坐标系的结构示意图；
图12示出了本申请一实施例设定的巡逻区域的结构示意图；
图13示出了本申请一实施例所述定位方法的流程图。
图中：
1、无人机，2、巡逻车，3、信号追踪模块，4、通信模块，5、影像单元，6、自适应天线阵列单元。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
近年来，无人机技术得到飞速发展，与有人驾驶飞机相比，无人机往往应用于危险系数高、环境复杂等极端条件下的任务。无人机被广泛运用于各个领域，如航拍、农业、灾难救援、电力巡检、救灾等领域。由于无人机具备体积小、操作简单、成本低、适应环境能力强等特点，大大的拓展了无人机本身的用途。因此，无人机技术得到了各个行业的青睐，在各国各行业中得到了飞速发展。从而利用无人机配合地面巡逻车、雷达等设备对非法信号进行定位有着广泛的运用前景。基于此，本申请提供一种针对未知信号的陆空立体式定位系统及方法，以解决现有技术中检测移动/静止的非法信号的精度较低的问题。
参见说明书附图1，本申请提供的一种针对未知信号的陆空立体式定位系统，包括地面定位控制平台以及与所述地面定位控制平台通讯的无人机1和巡逻车2；
所述地面定位控制平台，用于根据搜索区域成由多架所述无人机1与多辆所述巡逻车2形成的陆空立体式编队对所述搜索区域中的所述未知源信号进行搜索的控制指令，并将所述控制指令发送至相应的无人机1和巡逻车2；以及，基于所述无人机1和所述巡逻车2对所述控制指令的响应，测定所述未知源信号的位置，并将所述未知源信号的位置信息发送至所述无人机1和所述巡逻车2；
所述无人机1，用于响应接收到的所述控制指令，在所述搜索区域的空中捕获所述未知源信号，并确定与所述未知源信号的相对距离和相对方向，基于所述相对距离和相对方向对所述未知源信号进行追踪，且将与所述未知源信号的相对距离和相对方向的数据发送至所述地面定位控制平台；以及，用于响应接收到的所述未知源信号的位置信息，对所述未知源信号的发射端进行捕获；
所述巡逻车2，用于响应接收到的所述控制指令，在所述搜索区域的陆面捕获所述未知源信号，并确定与所述未知源信号的相对距离和相对方向，基于所述相对距离和相对方向对所述未知源信号进行追踪，且将与所述未知源信号的相对距离和相对方向的数据发送至所述地面定位控制平台；以及，用于响应接收到的所述未知源信号的位置信息，对所述未知源信号的发射端进行捕获。
在一实施例中，所述地面定位控制平台包括控制台和多个地面雷达；所述无人机1设置机载天线阵列模块，所述巡逻车2设置车载天线阵列模块。
具体的，所述机载天线阵列模块包括无人机结构平台和第一自适应天线阵列单元。所述无人机结构平台主要用于控制所述无人机的运动状态，包含了飞控单元、北斗定位单元和处理器单元，来支撑无人机的硬件设备。其中，飞控单元主要用于对无人机的飞行状态进行控制，北斗定位单元主要用于实时采集无人机当前经纬度位置；处理器单元主要用于处理来自地面定位控制平台、巡逻车的通讯数据，以及未知源信号的参数数据。所述第一自适应天线阵列单元主要用于接收未知源信号，通过改变阵间距离或分布位置，来增强接收能力。
所述车载天线阵列模块包括车辆远程操控平台、车载雷达单元和第二自适应天线阵列单元。所述车辆远程操控平台包括控制单元和信号处理单元，所述控制单元主要用于控制小车的运行状态，所述信号处理单元主要用于处理来自地面定位控制平台、巡逻车的通讯数据，以及未知源信号的参数数据；第二自适应天线阵列单元主要用于接收未知源信号，通过改变阵间距离或分布位置，来增强接收能力。
另外，所述无人机1和所述巡逻车2还设置能源补给单元和影像单元5。所述能源补给单元用于未无人机或者巡逻车的运行以及其他单元运作提供足够的能源。对于影像单元5，无人机设置为信号源画面获取单元，巡逻车设置为画面获取单元，用于实时采集无人机或巡逻车的周边环境的影像，便于远程控制。
在其他实施例中，无人机1还设置联动命令发送单元，所述联动命令发送单元主要用于给巡逻车2发送联动命令，扩大搜索范围，使得搜索空间更加立体。亦或者，巡逻车2设置联动命令发送单元，用于给无人机1发送联动命令，扩大搜索范围。
在其他实施例中，巡逻车2还设置车载雷达单元，用于与所述地面雷达组成雷达网络，更好的搜索未知源信号；亦或者，无人机也同样设置机载雷达单元，用于与所述地面雷达组成雷达网络，更好的搜索未知源信号。
通过该定位系统对未知源信号进行追踪时，主要包括三个过程：未知源信号捕获、未知源信号追踪、未知源信号位置测定。
其中，参见说明书附图2，未知源信号捕获主要依靠的是地面定位控制平台的地面雷达、无人机的第一自适应天线阵列单元和巡逻车的第二自适应天线阵列单元。一般的，定位系统工作起初仅由地面雷达来捕获未知源信号，在捕获到未知源信号后，由地面定位控制平台划定搜索区域并向多架无人机和多辆巡逻车组成的陆空立体式编队下发控制指令后，无人机的第一自适应天线阵列单元和巡逻车的第二自适应天线阵列单元才启动对未知源信号进行捕获。
未知源信号捕获追踪主要依靠的是无人机1、巡逻车2以及地面定位控制平台通过立体式搜索来完成。地面定位控制台对无人机发出控制命令，划定搜索区域，地面雷达开始运转，无人机根据划定的搜索区域向巡逻车发出联动搜索命令，无人机和巡逻车开展立体式陆空搜索，在搜索过程中，无人机和巡逻车利用自适应天线阵列单元，对未知信号源进行采样提取，并利用多普勒频移和多雷达站点接收信号的时间差和到达角度差等信息，以获取与未知源信号的相对距离和相对方向，使得无人机和巡逻车朝着未知源信号方向进行搜索，实现对未知源信号的实时追踪。
参见说明书附图3，未知源信号位置测定主要依靠地面定位控制平台对无人机和巡逻车收集的未知源信号的DOA((DirectionofArriva)信息的计算处理。具体的，无人机和巡逻车在收集到未知源信号的DOA信息，发送给地面定位控制平台。由于无人机与巡逻车距离未知源信号距离较远，可以将三者的相对位置，看作是质点间的相对位置，任意架无人机、任意辆巡逻车与移动的未知源信号可以构成一个三角形，通过解三角形等几何方法，解出相对位置。为了提升精度，无人机、巡逻车与未知源信号可以通过构建多个三角形，实现多次运算，得到更加精确的计算值。地面定位控制平台通过构建动态的数学模型，计算出未知源信号距离无人机与巡逻车的位置信息，再将该位置信息反馈给无人机和巡逻车，以此捕获未知源信号的发射端。
参见说明书附图4，在该实施例中，所述无人机和所述巡逻车分别设置信号追踪模块3，所述信号追踪模块3包括：
信号捕获单元，用于对所述未知源信号进行采样，以获取所述未知源信号的参数信息，所述参数信息包括频率、波达角数据；
信号定位单元，用于根据所述未知源信号的参数信息，获取所述无人机或所述巡逻车与所述未知源信号的相对距离和相对方向；
信号实时追踪单元，用于根据所述无人机或所述巡逻车与所述未知源信号的相对距离和相对方向，对所述未知源信号进行实时追踪。
参见说明书附图5，在该实施例中，所述无人机和所述巡逻车通过搭载的通信模块4与所述地面定位控制平台进行通讯；所述通信模块4包括：
信号地理位置传输单元，用于对捕获的所述未知源信号的位置数据进行传输；
信号频率数据传输单元，用于对捕获的所述未知源信号的频率数据进行传输；
信号波达方向传输单元，用于对捕获的所述未知源信号的波达角数据进行传输；
行动数据传输单元，用于对所述无人机或所述巡逻车的运行数据进行传输。
在一实施例中，无人机采用经纬M300RTK，其有较高的悬停精度：垂直：±0.1m(视觉定位正常工作时)±0.5m(北斗正常工作时)±0.1m(RTK定位正常工作时)；水平：±0.3m(视觉定位正常工作时)±1.5m(北斗正常工作时)±0.1m(RTK定位正常工作时)。RTK位置精度为：在RTKFIX时：1cm+1ppm(水平)，1.5cm+1ppm(垂直)。最大旋转角速度为：俯仰轴：300°/s，航向轴：100°/s。适配DJI云台有：禅思XT2、禅思XTS、禅思Z30、禅思H20、禅思H20T、DJIP1、DJIL1。GNSS：GPS、GLONASS、BeiDou和Galileo。最大飞行时间为55min。所使用的智能飞行电池有较快的充电速度和容量，使用BS60智能电池箱时，使用220V电源：完全充满两块TB60智能飞行电池约需60分钟，从20％充到90％约需30分钟使用110V电源：完全充满两块TB60智能飞行电池约需70分钟，从20％充到90％约需40分钟。其红外感知系统障碍物感知范围为0.1-8m，使用环境主要是漫反射，大尺寸，高反射率(反射率>10％)障碍物；
巡逻车采用AUTOMS(MOBILESUIT)自主导航机器人，可以进行精确的2D/3D环境地图构建，精确定位至厘米级，可以设定巡逻路线，规划巡逻区域，面对障碍物时，可以自主避开，当电量耗尽时，可以进行自动充电，应用到的软件是AUTOMSAPP(安卓)/标准二次开发DK，硬件平台为FB-001模块化机器人平台。该款车还搭载了16线激光雷达、超声波雷达，通过车规级CAN通讯，最大爬坡角度为15°，且涉水深度达到了140mm，运行速度可以达到4.5km/h；
其中，无人机的处理器单元、巡逻车的信号处理单元所采用的处理器可以为STM32MP1，STM32MP1系基于混合的双ArmCortex-A7核和Cortex-M4核架构产品，支持主流开源发行版操作系统Linux以及Android操作系统，适用于Cortex-M4内核的STM32Cube固件库和嵌入式软件包。动态效率：Cortex-A7和Cortex-M4内核可独立运行或停止以实现最佳能效，从而满足各种处理和实时应用需求。650/800MHz主频的双-A7内核拥有32KBL指令缓存，32KBL数据缓存，256KB级别缓存。209MHz主频的/>-M4内核拥有单精度浮点运算单元(FPU)，数字信号处理器(DSP)指令，用于提高应用安全性的存储器保护单元(MPU)。Cortex-M4内核得益于内置的SRAM(448KB)，可运行完全确定的代码。例如，当前使用基于STM32Cube固件库的STM32MCU的客户可直接在Cortex-M4内核的448KBSRAM上完全重复使用其代码，并可添加到Cortex-A7内核上运行的Linux应用程序(例如HMI)，为满足各种各样的应用需求，大多数外设都可分配给Cortex-A7或Cortex-M4内核。低功耗模式：支持多种低功耗模式，其中包括：待机模式：低至36μW。VBAT模式：低至4.5μW。在此模式下，可以使用实时时钟跟踪时间，同时支持侵入检测功能确保系统安全；
参见说明书附图6，搭载于无人机和巡逻车上的影像单元5主要由摄像头、保护层、处理器、旋转电机组成。影像单元将获取的画面发送给地面定位控制平台，地面定位控制平台根据获取的影像给出反馈信息，控制多架次无人机与多辆巡逻车对未知源信号进行实时追踪。
需要说明的是，所述摄像头采用禅思ZenmuseX7相机、DJIDL50mmF2.8LSASPH(带遮光罩和配重环/滤镜)镜头。其中，相机的传感器参数为：传感器尺寸(照片)：23.5×15.7mm，传感器尺寸(最大视频尺寸)：23.5×12.5mm有效像素：24MP，储存格式多样具体有：DJICINESSD:DNG Micro SD:DNG，JPEG，DNG+JPEG。具有三种模式：拍照模式，录像模式，回放模式，拍照模式有：Micro SD:单拍，BURST连拍(3/5/7/10张)，AEB连拍(3/5张)，定时拍摄CINESSD:RAW BURST连拍(3/5/7/10/14/∞张)，使用无限连拍时最高帧率为20fps，具体无限连拍张数受存储卡容量及电池电量限制。可以实现程序自动曝光，手动曝光，快门优先曝光，光圈优先曝光。该款相机具有良好的性能，大大提升了画面追踪效率。
参见说明书附图7，无人机1和巡逻车2设置的自适应天线阵列单元6均包括天线、自适应处理器、防护罩和电机，主要用于对未知源信号的DOA信息进行捕捉，天线阵列采用的是RF-35A2介电3.5高频板。参见说明书附图8，能够根据现场条件，将天线阵列转化成正方形、圆形阵列、长方形阵列、直线型阵列等。
参见说明书附图9，无人机和巡逻车的行动数据由传感器采集，并统一传输给FPGA(Field-Programmable Gate Array)处理，即现场可编程门阵，FPGA将处理后的行动数据发送给地面定位控制平台。其中，FPGA采用10GX 10M FPGA，该款FPGA最大嵌入式内存为308Mb，逻辑元素为10200000，自适应逻辑模块(ALM)为3466080，自适应逻辑模块(ALM)寄存器有13864320，结构和I/O相锁环路为48个，数字信号处理(DSP)区块为3456个，数字信号处理(DSP)格式为Multiply and Accumulate，Variable Precision，FixedPoint(hard IP)，Floating Point(hard IP)。外部内存支持：DDR，DDR2，DDR3，DDR4，HMC，MoSys，QDR II，QDR II+，RLDRAM II，RLDRAM 3。
另外，无人机和巡逻车设置的通信模块将搜索过程中的数据传输给地面定位控制平台，地面控制中心依托5G云数据处理平台，对数据进行分析计算并储存，并将生成的相应控制命令传输给无人机和巡逻车。其中，通讯信号频率传输用到了Spectrum Cpmpact，通过芯片控制其自动分析频率。Spectrum Cpmpact的分辨率带宽为10MHZ，精度为±1dB，扫描速度为0.5s@1GHz Span，最大宽度为全宽带，视频带宽为1GHZ，输入功率范围为-90～-40dBm。信号波达方向传输单元用到了EPUMA算法，该算法是一种低复杂度高效的DOA估计算法，该算法能够在采样数较少、信噪比较低的情况下，较高效率的收集未知源信号DOA信息，对于相干未知源信号也拥有较强的收集能力，算法首先将收集的DOA信息利用线性预测理论转化成多项式的求解，再利用最小均方算法求解，从生成的P>K的(P+K)DOA候选DOA，然后利用确定性ML准则选择其中的K个，以提高PUMA的阈值性能。
进一步的，通信模块4的前端设置信号滤波器。信号滤波器主要依靠滤波算法实现，由于通讯信号在传输过程中伴随着大量的噪声，为导致信号出现失真的情况，为此，利用到了基于优化算法的最小均方算法，该算法最大的特点是可以通过设定优化算法的参数来优化步长，从而得到最优步长设置和最佳滤波效果。
最小均方(LMS)算法是基于维纳滤波，然后借助于最速下降算法发展起来的。通过维纳滤波所求解的维纳解，必须在已知输入信号与期望信号的先验统计信息，以及再对输入信号的自相关矩阵进行求逆运算的情况下才能得以确定。因此，这个维纳解仅是理论上的一种最优解。所以，又借助于最速下降算法，以递归的方式来逼近这个维纳解，从而避免了矩阵求逆运算，但仍然需要信号的先验信息，故而再使用瞬时误差的平方来代替均方误差，从而最终得出了LMS算法。
LMS算法主要包含两个过程：滤波处理和自适应调整。一般情况下，LMS算法的具体流程为：
(1)确定参数：全局步长参数β以及滤波器的抽头数(也可以称为滤波器阶数)；
(2)对滤波器初始值的初始化；
(3)算法运算过程：滤波输出：y(n)＝wT(n)x(n)；误差信号：e(n)＝d(n)-y(n)；权系数更新：w(n+1)＝w(n)+βe(n)x(n)。
需要说明的是，所用到的优化算法为Adam算法，Adam优化算法是一种对随机梯度下降法的扩展，Adam优点在于直截了当地实现高效的计算，所需内存少，梯度对角缩放的不变性，适合解决含大规模数据和参数的优化问题，适用于非稳态目标，适用于解决包含很高噪声或稀疏梯度的问题，超参数可以很直观地解释，并且基本上只需极少量的调参，Adam算法具有惯性保持：Adam算法记录了梯度的一阶矩，即过往所有梯度与当前梯度的平均，使得每一次更新时，上一次更新的梯度与当前更新的梯度不会相差太大，即梯度平滑、稳定的过渡，可以适应不稳定的目标函数。Adam算法具有环境感知：Adam记录了梯度的二阶矩，即过往梯度平方与当前梯度平方的平均，这体现了环境感知能力，为不同参数产生自适应的学习速率。Adam是一种在深度学习模型中用来替代随机梯度下降的优化算法。Adam结合了AdaGrad、RMSProp算法最优的性能，它还是能提供解决稀疏梯度和噪声问题的优化方法。Adam的调参相对简单，默认参数就可以处理绝大部分的问题。Adam算法只需要调节四个参数就可以达到较好的优化效果。
参见说明书附图10，地面定位控制平台的控制台主要由PC、信号接收器、5G数据管理平台组成。所述5G云数据管理平台主要由设备数据处理系统、云端计算服务器及其通信链路组成。数据处理系统主要包括搜索过程中所收集到的例如无人机速度、未知源信号位置等多种数据，在整个系统中负责对搜索过程中的关键数据进行处理，同时起到环境监测、数据储存的作用。支持5G通信的5G-NB模块被添加在各架无人机和各辆小车上，使各设备可以与5G基站之间实现通信；通信链路主要由5G网关以及5G基站构成。5G基站布设在控制中心周围，各设备之间支持数据的联合处理与传输，上行与下行数据传输均可通过各设备之间的5G-NB模块；控制中心内配备5G网关，能够将数据采集与通信模块所传输的数据上传到5G基站，并在云端服务器处进行数据统一化管理。5G云数据管理平台通过利用大数据、复杂分析、预测算法等技术，分析和利用大量如未知源信号位置、未知源信号频率等数据，从而进行机器自主学习、智能决策等，提升了搜索效率。
其中，地面定位控制平台设置的地面雷达利用电磁波探测目标，地面雷达发射电磁波对目标进行照射并接收其回波，由此获得目标至电磁波发射点的距离、距离变化率(径向速度)、方位、高度等信息。地面定位控制平台设置的地面雷达能够与无人机配置的机载雷达和巡逻车配置的车载雷达相互呼应，形成了更为广阔的雷达观测网。在雷达系统中，雷达接收机是重要组成部分，主要功能是对雷达天线接收到的微弱信号进行预选、放大、变频、滤波、解调和数字化处理，同时抑制外部的干扰杂波以及机内噪声，使回波信号尽可能多的保持目标信息，以便进一步信号处理和数据处理，接收机前端主要包括接收机保护器射频放大器，射频滤波器和混频器。
在应用该定位系统时，具有两种工作模式。
工作模式一：
(1)定位系统启动，开始初始化，地面定位控制平台的多个地面雷达组成的检测网启动，雷达检测系统以雷达为中心，建立三维笛卡尔坐标系如说明书附图11所示，一旦探测到未知源信号，地面雷达进行锁定并记录其坐标位，然后编辑或自动生成控制指令，系统初始化结束，进行下一步；
(2)多架无人机与多辆巡逻车组成陆空立体式编队，建立陆地坐标系和空中坐标系，且各架无人机和各辆巡逻车建立自身的路径坐标系和本体坐标系。陆地坐标系和空中坐标系用来表述编队相对于与未知源信号的空间位置，路径坐标系用来表述各无人机与巡逻车的追捕位置信息，本体坐标系用来表达本身的运动状态。在收到控制指令后，无人机、巡逻车与地面定位控制中心的雷达形成动态雷达网，对未知源信号实施追踪捕获；
(3)搜索过程中，编队将获取的位置信息、速度信息、信号频率信息、信号位置信息等数据传输给地面定位控制中心，地面定位控制中心根据传输数据对编队进行速度、编队队形等内容进行控制；并且，在搜索过程中，编队自动避开危险地形。当编队中的某架无人机或某辆巡逻车出现故障时，其余无人机和巡逻车继续组成编队对未知源信号进行追捕，故障无人机与巡逻车将由控制中心派出救援机进行回收；
(4)当接近未知源信号后，编队所携带的影像单元对未知源信号的发射端进行拍照跟踪，并将照片与视频传输至地面定位控制中心，地面定位控制中心根据情况决定是否对未知信号源的发射端进行捕获打击。当追捕任务完成后，编队返回。
工作模式二：
(1)定位系统启动，地面定位控制平台的多个地面雷达组成的检测网启动，雷达检测系统以雷达为中心，建立三维笛卡尔坐标系，且将区域分为8个子区域，如说明书附图12所示，以其中一个子区域为例，系定位统将一个或多个子区域连接在一起，设定为一个巡逻区域，或将子区域分成几个组合，设定每个区域的巡逻时间和巡逻范围，系统初始化结束，进入下一步；
(2)巡逻编队启动，多架无人机和多辆巡逻车组成陆空立体式编队，建立相应坐标系，将巡逻过程中的数据传输给地面控制中心。运行过程中，编队实时判断巡逻任务是否完成，一旦完成巡逻任务，编队将继续下一个巡逻任务或返回控制中心；
(3)在巡逻过程中，实时检测未知源信号，一旦发现异常，警报信息将传输给地面定位控制平台，并且编队向未知源信号靠拢，当靠近未知源信号后，编队对其进行拍照、视频录制等记录，并将数据传输给地面定位控制平台，地面定位控制平台根据情况，对未知源信号进行追捕；当追捕任务完成后，编队读取巡逻计划，判断是否需要进行下一次巡逻或返回，一旦读取命令之后，编队将立即执行。
可见该定位系统工作时，由多架无人机与多辆巡逻车组成陆空立体式编队，既能够根据地面定位控制平台在地面雷达检测到的未知源信号后，所确定的搜索区域进行搜索；也能够根据地面定位控制平台设定的区域自行巡逻搜索。
本申请提供的一种针对未知信号的陆空立体式定位系统，利用多架无人机和多辆巡逻车组成的陆空立体式编队对未知源信号进行搜索，不仅扩大了搜索范围，能够无死角追踪未知信号，并且能够通过构建动态的数学模型精准定位未知源信号，对未知源信号的发射端进行捕获；另外，采用多架无人机和多辆巡逻车一方面能够避免某一架无人机或者某一辆巡逻车发生故障时，剩余的无人机和巡逻车仍然能够继续进行搜索任务，提高搜索未知源信号效率的同时，保证搜索任务的可靠性；另一方面满足了面对不同环境，需要不同编队的无人机和巡逻车的要求。同时，无人机和巡逻车设置的自适应天线阵列单元可以根据环境自动转换成不同形状的天线阵列或天线间距，最大程度接收未知源信号。
基于本发明的同一构思，本申请实施例还提供一种针对未知信号的陆空立体式定位方法，由于本申请实施例中的定位方法解决问题的原理与本申请实施例上述定位系统相似，因此定位方法的实施可以参见定位系统的实施，重复之处不再赘述。
如说明书附图13所示，本申请实施例提供一种针对未知信号的陆空立体式定位方法，包括以下步骤：
S1、所述地面定位控制平台，根据搜索区域生成由多架所述无人机与多辆所述巡逻车形成的陆空立体式编队对所述搜索区域中的所述未知源信号进行搜索的控制指令，并将所述控制指令发送至相应的无人机和巡逻车；
S2、所述无人机和所述巡逻车响应接收到的所述控制指令，在所述搜索区域的空中和陆面捕获所述未知源信号，并确定与所述未知源信号的相对距离和相对方向，基于所述相对距离和相对方向对所述未知源信号进行追踪，且将与所述未知源信号的相对距离和相对方向的数据发送至所述地面定位控制平台；
S3、所述地面定位控制平台基于所述无人机和所述巡逻车对所述控制指令的响应，测定所述未知源信号的位置，并将所述未知源信号的位置信息发送至所述无人机和所述巡逻车；
S4、所述无人机和所述巡逻车响应接收到的所述未知源信号的位置信息，对所述未知源信号进行捕获。
其中，所述地面定位控制平台通过以下方式确定搜索区域：
所述地面定位控制平台设置多个地面雷达，所述地面定位控制平台根据所述地面雷达检测到的未知源信号确定搜索区域；
或者，所述地面定位控制平台基于建立的坐标系设定搜索区域。
在本申请所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种针对未知信号的陆空立体式定位系统，其特征在于，包括地面定位控制平台以及与所述地面定位控制平台通讯的无人机和巡逻车；
所述地面定位控制平台，用于根据搜索区域生成由多架所述无人机与多辆所述巡逻车形成的陆空立体式编队对所述搜索区域中的所述未知源信号进行搜索的控制指令，并将所述控制指令发送至所述无人机和巡逻车；以及，基于所述无人机和所述巡逻车对所述控制指令的响应，测定所述未知源信号的位置，并将所述未知源信号的位置信息发送至所述无人机和所述巡逻车；
所述无人机和所述巡逻车，用于响应接收到的所述控制指令，在所述搜索区域的空中和陆面捕获所述未知源信号，并确定与所述未知源信号的相对距离和相对方向，基于所述相对距离和相对方向对所述未知源信号进行追踪，且将与所述未知源信号的相对距离和相对方向的数据发送至所述地面定位控制平台；以及，用于响应接收到的所述未知源信号的位置信息，对所述未知源信号的发射端进行捕获。
2.根据权利要求1所述一种针对未知信号的陆空立体式定位系统，其特征在于，所述地面定位控制平台包括多个地面雷达；
所述地面雷达，用于检测到未知源信号，所述地面定位控制平台根据检测到的未知源信号确定搜索区域。
3.根据权利要求2所述一种针对未知信号的陆空立体式定位系统，其特征在于，所述无人机和所述巡逻车分别设置信号追踪模块，所述信号追踪模块包括：
信号捕获单元，用于对所述未知源信号进行采样，以获取所述未知源信号的参数信息，所述参数信息包括频率、波达角数据；
信号定位单元，用于根据所述未知源信号的参数信息，获取所述无人机或所述巡逻车与所述未知源信号的相对距离和相对方向；
信号实时追踪单元，用于根据所述无人机或所述巡逻车与所述未知源信号的相对距离和相对方向，对所述未知源信号进行实时追踪。
4.根据权利要求3所述一种针对未知信号的陆空立体式定位系统，其特征在于，所述无人机和所述巡逻车通过搭载的通信模块与所述地面定位控制平台进行通讯；所述通信模块包括：
信号地理位置传输单元，用于对捕获的所述未知源信号的位置数据进行传输；
信号频率数据传输单元，用于对捕获的所述未知源信号的频率数据进行传输；
信号波达方向传输单元，用于对捕获的所述未知源信号的波达角数据进行传输；
行动数据传输单元，用于对所述无人机或所述巡逻车的运行数据进行传输。
5.根据权利要求4所述一种针对未知信号的陆空立体式定位系统，其特征在于，所述无人机设置机载天线阵列模块，所述机载天线阵列模块包括：
无人机结构平台，用于控制所述无人机的运动状态；
第一自适应天线阵列单元，用于接收所述未知源信号。
6.根据权利要求5所述一种针对未知信号的陆空立体式定位系统，其特征在于，所述巡逻车设置车载天线阵列模块，所述车载天线阵列模块包括：
车辆远程操控平台，用于控制所述巡逻车的运动状态；
第二自适应天线阵列单元，用于接收所述未知源信号。
7.根据权利要求6所述一种针对未知信号的陆空立体式定位系统，其特征在于，所述通信模块的前端设置信号滤波器；
所述信号滤波器，用于过滤传输信号的噪音。
8.根据权利要求7所述一种针对未知信号的陆空立体式定位系统，其特征在于，所述无人机结构平台和所述车辆远程操控平台分别设置影像单元；
所述影像单元，用于所述无人机和所述巡逻车采集周边环境的影像。
9.一种针对未知信号的陆空立体式定位方法，其特征在于，应用于一种针对未知信号的陆空立体式定位系统，所述定位系统包括地面定位控制平台以及与所述地面定位控制平台通讯的无人机和巡逻车，所述定位方法包括以下步骤：
所述地面定位控制平台，根据搜索区域生成由多架所述无人机与多辆所述巡逻车形成的陆空立体式编队对所述搜索区域中的所述未知源信号进行搜索的控制指令，并将所述控制指令发送至所述无人机和巡逻车；
所述无人机和所述巡逻车响应接收到的所述控制指令，在所述搜索区域的空中和陆面捕获所述未知源信号，并确定与所述未知源信号的相对距离和相对方向，基于所述相对距离和相对方向对所述未知源信号进行追踪，且将与所述未知源信号的相对距离和相对方向的数据发送至所述地面定位控制平台；
所述地面定位控制平台基于所述无人机和所述巡逻车对所述控制指令的响应，测定所述未知源信号的位置，并将所述未知源信号的位置信息发送至所述无人机和所述巡逻车；
所述无人机和所述巡逻车响应接收到的所述未知源信号的位置信息，对所述未知源信号的发射端进行捕获。
10.根据权利要求9所述一种针对未知信号的陆空立体式定位方法，其特征在于，所述地面定位控制平台通过以下方式确定搜索区域：
所述地面定位控制平台设置多个地面雷达，所述地面定位控制平台根据所述地面雷达检测到的未知源信号确定搜索区域；
或者，所述地面定位控制平台基于建立的坐标系设定搜索区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210006462.9A CN114337790B (zh) | 2022-01-05 | 2022-01-05 | 一种针对未知信号的陆空立体式定位系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210006462.9A CN114337790B (zh) | 2022-01-05 | 2022-01-05 | 一种针对未知信号的陆空立体式定位系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114337790A CN114337790A (zh) | 2022-04-12 |
| CN114337790B true CN114337790B (zh) | 2024-03-29 |
Family
ID=81025101
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210006462.9A Active CN114337790B (zh) | 2022-01-05 | 2022-01-05 | 一种针对未知信号的陆空立体式定位系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114337790B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104460671A (zh) * | 2014-11-12 | 2015-03-25 | 西南科技大学 | 三维空间中的放射源交叉定位方法及系统 |
| CN107110951A (zh) * | 2015-02-04 | 2017-08-29 | 认知系统公司 | 对无线信号源进行定位 |
| CN107291092A (zh) * | 2017-06-15 | 2017-10-24 | 上海工程技术大学 | 一种WiFi支撑的空地协同无人机系统 |
| CN108896957A (zh) * | 2018-06-29 | 2018-11-27 | 中国民用航空总局第二研究所 | 一种无人机操控信号源的定位系统及方法 |
| CA3077521A1 (fr) * | 2017-08-01 | 2019-02-07 | Airbus Defence And Space Sas | Unite de commande embarquee pour un systeme de drone, drone et systeme de drone comprenant l'unite de commande embarquee |
| CN110502598A (zh) * | 2019-08-22 | 2019-11-26 | 华东师范大学 | 智能自主定位与时空地理数据融合方法 |
-
2022
- 2022-01-05 CN CN202210006462.9A patent/CN114337790B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104460671A (zh) * | 2014-11-12 | 2015-03-25 | 西南科技大学 | 三维空间中的放射源交叉定位方法及系统 |
| CN107110951A (zh) * | 2015-02-04 | 2017-08-29 | 认知系统公司 | 对无线信号源进行定位 |
| CN107291092A (zh) * | 2017-06-15 | 2017-10-24 | 上海工程技术大学 | 一种WiFi支撑的空地协同无人机系统 |
| CA3077521A1 (fr) * | 2017-08-01 | 2019-02-07 | Airbus Defence And Space Sas | Unite de commande embarquee pour un systeme de drone, drone et systeme de drone comprenant l'unite de commande embarquee |
| CN108896957A (zh) * | 2018-06-29 | 2018-11-27 | 中国民用航空总局第二研究所 | 一种无人机操控信号源的定位系统及方法 |
| CN110502598A (zh) * | 2019-08-22 | 2019-11-26 | 华东师范大学 | 智能自主定位与时空地理数据融合方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于机器视觉的多旋翼无人机追踪方法研究;徐文堂，樊宽刚;《制造业自动化》;20210228(第2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114337790A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10126126B2 (en) | Autonomous mission action alteration | |
| CN109478068B (zh) | 动态地控制运载工具的方法、装置和存储介质 | |
| US10872534B2 (en) | Aerial vehicle inspection path planning | |
| US11160031B2 (en) | Transmission power control for wireless communication systems | |
| CN109085573A (zh) | 车载无人机管控系统及方法 | |
| US11798426B2 (en) | Autonomous mission action alteration | |
| WO2019152149A1 (en) | Actively complementing exposure settings for autonomous navigation | |
| CN108513640B (zh) | 一种可移动平台的控制方法以及可移动平台 | |
| CN113566833A (zh) | 一种多传感器融合的车辆定位方法及系统 | |
| CN111624592A (zh) | 一种基于多源探测器的低空目标探测方法和系统 | |
| CN111181627A (zh) | 一种目标侦测系统 | |
| An et al. | Robust positioning and navigation of a mobile robot in an urban environment using a motion estimator | |
| Souli et al. | Cooperative relative positioning using signals of opportunity and inertial and visual modalities | |
| CN114337790B (zh) | 一种针对未知信号的陆空立体式定位系统及方法 | |
| CN110997488A (zh) | 动态控制用于处理传感器输出数据的参数的系统和方法 | |
| Ding et al. | Multi-UAV cooperative GPS spoofing based on yolo nano | |
| WO2023166146A1 (en) | Use of one or more observation satellites for target identification | |
| KR101928995B1 (ko) | 침입 물체 감지 시스템 및 이의 제어 방법 | |
| CN116088367A (zh) | 一种无人舰艇航行控制系统、方法、计算机设备及介质 | |
| Sedunov et al. | Long-term testing of acoustic system for tracking low-flying aircraft | |
| Lombaerts et al. | Development and Field Test Results of Distributed Ground-Based Sensor Fusion Object Tracking | |
| Egi et al. | An efficient architecture for modeling path loss on forest canopy using LiDAR and wireless sensor networks fusion | |
| JP7156454B1 (ja) | 監視システム、監視衛星、監視方法、および監視プログラム | |
| EP4239907A1 (en) | Automatic selection of one or more optimal observation satellites to observe one or more targets | |
| Zhao | The Research on Police UAV Investigation Technology Based on Intelligent Optimization Algorithm |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240511 Address after: Room 501-01, Building 3, No. 99 Fuda Road, Ludu Street, Taicang City, Suzhou City, Jiangsu Province, 215412 Patentee after: Jiangsu Jinjing Intelligent Control Technology Co.,Ltd. Country or region after: China Address before: 86 No. 341000 Jiangxi city of Ganzhou province Zhanggong District Hongqi Avenue Patentee before: Jiangxi University of Science and Technology Country or region before: China |