CN114978431A - 微型无人机数字图像无线传输方法 - Google Patents

微型无人机数字图像无线传输方法 Download PDF

Info

Publication number
CN114978431A
CN114978431A CN202210643911.0A CN202210643911A CN114978431A CN 114978431 A CN114978431 A CN 114978431A CN 202210643911 A CN202210643911 A CN 202210643911A CN 114978431 A CN114978431 A CN 114978431A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
information
wireless transmission
digital image
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.)
Pending
Application number
CN202210643911.0A
Other languages
English (en)
Inventor
李铁
陈松
谢乐平
孙鹏飞
关宗瑞
宋博浩
王成军
薛艳峰
江南
郝晓夜
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.)
Beijing Qingyun Zhichuang Technology Co ltd
Original Assignee
Beijing Qingyun Zhichuang Technology Co ltd
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 Beijing Qingyun Zhichuang Technology Co ltd filed Critical Beijing Qingyun Zhichuang Technology Co ltd
Priority to CN202210643911.0A priority Critical patent/CN114978431A/zh
Publication of CN114978431A publication Critical patent/CN114978431A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0015—Systems modifying transmission characteristics according to link quality, e.g. power backoff characterised by the adaptation strategy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0041—Arrangements at the transmitter end
    • H04L1/0042—Encoding specially adapted to other signal generation operation, e.g. in order to reduce transmit distortions, jitter, or to improve signal shape
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0045—Arrangements at the receiver end
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0056—Systems characterized by the type of code used
    • H04L1/0071—Use of interleaving
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/18502—Airborne stations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了一种微型无人机数字图像无线传输方法，包括：微型摄像头采集目标图像信息；对采集到的信息进行压缩编码；对压缩后的码流进行纠错编码；通过基于扩频技术的高频信号发射电路，将处理后的图像信息实时地传回地面指挥站，进行目标图像信息处理与识别；将处理后的有用控制信息远程无线传回机载设备，使机载设备和地面控制中心实现不断的信息通信。本申请对信道具有良好的抗噪性能，频带利用率高，因此本方案适合用于微型无人机的特殊侦察任务。

Description

微型无人机数字图像无线传输方法
技术领域
本发明属于无人机领域，具体而言，涉及一种微型无人机数字图像无线传输方法。
背景技术
微型无人机(MAV)是指尺寸只有手掌大小(约15cm)的飞行器。它将作为士兵可携带的一种战场侦察设备，其潜在的作用包括空中监视、生物战剂探测、目标识别、通信中继，它甚至能探测到大型建筑物和大型设施的内部情况，因此，为士兵增添了“空中之眼”。目前微型无人机数字图像无线传输方法还不能满足实际应用的需要。
发明内容
本申请提供了一种微型无人机数字图像无线传输方法，该技术对信道具有良好的抗噪性能，频带利用率高，因此本方案适合用于微型无人机的特殊侦察任务。
本申请微型无人机数字图像无线传输方法包括：微型摄像头采集目标图像信息；对采集到的信息进行压缩编码；对压缩后的码流进行纠错编码；通过基于扩频技术的高频信号发射电路，将处理后的图像信息实时地传回地面指挥站，进行目标图像信息处理与识别；将处理后的有用控制信息远程无线传回机载设备，使机载设备和地面控制中心实现不断的信息通信。
其中，对采集到的信息进行压缩编码，包括：采用基于5/3提升小波的改进SPECK编码算法实时压缩采集到的信息。
其中，改进的SPECK编码算法为原算法基础上引入误差比特数和绝对零系数。
其中，对压缩后的码流进行纠错编码，包括：利用Turbo码对压缩码流进行纠错编码。
其中，随机交织器是Turbo编码器的重要部分，其交织长度会影响Turbo码的性能，交织长度越长，Turbo码的性能越好，但随着交织长度的增加，会导致帧长及编码时延增大，进而导致译码时延增加，故具体实现时需根据设计要求综合考虑，折衷选择其最佳长度。
其中，包括：压缩码流编码时对重要信息采用码率R＝1/3的Turbo码进行重点编码；对非重要信息，因为其差错放大率小，故只需用码率R＝1/2的删余Turbo进行保护即可。
其中，包括：码流采用基于4PSK调制的扩频技术传输。
本申请实施例微型无人机数字图像无线传输方法具有如下有益效果：
本申请微型无人机数字图像无线传输方法包括：微型摄像头采集目标图像信息；对采集到的信息进行压缩编码；对压缩后的码流进行纠错编码；通过基于扩频技术的高频信号发射电路，将处理后的图像信息实时地传回地面指挥站，进行目标图像信息处理与识别；将处理后的有用控制信息远程无线传回机载设备，使机载设备和地面控制中心实现不断的信息通信。本申请对信道具有良好的抗噪性能，频带利用率高，因此本方案适合用于微型无人机的特殊侦察任务。
附图说明
图1为微型无人机数字图像无线传输系统整体结构示意图；
图2为导航算法流程图；
图3为蜂群系统分组时变编队与分组时变编队跟踪示意图；
图4为蜂群系统分组时变编队跟踪示意图；
图5为蜂群系统分组时变编队跟踪控制器设计和分析示意图。
具体实施方式
下面结合附图和实施例对本申请进行进一步的介绍。
如图1所示，微型无人机数字图像无线传输系统整体结构主要由机载探测与发射和地面接收与识别两大子系统组成。其基本原理是:微型摄像头采集目标图像信息；对采集到的信息进行压缩编码,为实时、准确地传输感兴趣图像信息,需选择性能好、易于硬件实现的图像压缩算法,对压缩后的码流进行渐进传输,即优先传输重要的特征信息,以便目标识别，为了避免在恶劣电磁环境传输中产生误码和码间干扰需对压缩后的码流进行纠错编码；然后通过基于扩频技术的高频信号发射电路,将处理后的图像信息实时快速地传回地面指挥站,进行目标图像信息处理与识别；将处理后的有用控制信息远程无线传回机载设备,使机载设备和地面控制中心实现不断的信息通信。
微型摄像头输出的图像数据量甚大,而无线信道带宽窄，误码率高，故需对其进行图像压缩。根据本文图像压缩的特点可采用D9/7小波或5/3小波提取其重要特征信息。具体实现采用提升方案,步骤分为分裂、预测和更新3步。预测和更新实现信号高低频的分离仅需移位、加减运算，简单快捷,同址运算可节省大量存储资源，易于硬件实现。针对本系统图像压缩的高实时性要求若给定一幅LXW图像,分别采用D9/7和5/3提升小波实现其性能。通过对比可知，D9/7小波算法较复杂占硬件资源较多,运算时间较长,硬件实现复杂；相比D9/7,5/3小波算法简单，占硬件资源少,运算量少。
因本文中研究的图像需在带宽窄、误码率高的无线信道中实时传输,故图像压缩需采用高效率和压缩性能好的编码技术。目前SPIHT(set partitio-ning inhierarchical trees)、SPECK和SPBLS(setpartitioning based on line scanning)算法具有良好的压缩特性。由分析得知SPIHT运算量大，运行时间慢、硬件实现复杂；SPECK算法简单，占存储量小，信噪比高；SPBLS性能与SPECK相似但硬件实现复杂，选取大小为512X512的坦克图像为实验对象，从峰值信噪比(Rrsv)、压缩比和编码速度对这3种算法作比较,小波基选择5/3提升小波，运用MATLAB对其进行压缩和解压缩处理，其实验结果如表2所示。
表2坦克图像的RPSN比较
Tah 2 RPSN comparison of taak picture
Figure BDA0003685175600000041
由表2知SPIHT和SPECK压缩性能相当,SPBLS算法在压缩比大于32:1的情况下具有明显的优势，但在小于32:1的情况下与SPIHT和SPECK算法压缩性能接近。从编码速度考虑SPECK编码速度最快，SPIHT次之,SPBLS较慢。因此，本方案采用SPECK算法进行图像压缩编码。
然而,针对上述坦克图像，采用SPECK约需1152KB存储空间,占存储资源仍很大,故在基本不影响图像质量情况下对SPECK编码算法进行改进,即在原算法基础上引入误差比特数和绝对零系数降低其存储量。如上述坦克图像,若采用改进SPECK算法约需115KB存储空间,效率提高了10倍,且其Rrsx值基本接近。因此本方案采用基于5/3提升小波的改进SPECK编码算法进行实时压缩。
由于复杂战场环境存在强电磁干扰,噪声及障碍物等,故微型无人机图像传输易产生码间干扰,误码率高,且改进SPECK算法产生的压缩码流在该信道下对差错特别敏感,故需对压缩图像进行纠错编码,使其可靠传输。由于Turbo码的纠错编码能力强，故非常适合复杂环境下的远距离传输。此外具有删余特性的Turbo码适合对压缩码流进行非平等纠错保护UEP(unequal error protection)。故针对微型无人机数字图像无线传输的特点,利用Turbo码对压缩码流进行纠错编码，不仅能实现较高的峰值信噪比,且能在变化的噪声环境中更稳健,更可靠地传输。
随机交织器是Turbo编码器的重要部分,其交织方式,特别是交织长度会影响Turbo码的性能,交织长度越长,Turbo码的性能越好。但随着交织长度的增加，会导致帧长及编码时延增大,进而导致译码时延增加,故具体实现时需根据设计要求综合考虑,折衷选择其最佳长度。
基于扩频技术的数字图像信号调制及高频发射欲提高图像传输距离,需提高发射功率及接收灵敏度,因此数字图像信号调制与高频发射非常关键。
据以上关键技术及对策分析,结合微型无人机对图像无线传输的要求,要实现图像信息实时压缩、可靠传输等目的,主要有以下两点技术难点：①图像压缩算法的改进及其硬件实现由于图像数据量巨大,无线信道带宽较窄,而微型无人机要求图像实时和精确地传输,故图像压缩过程是至关重要的环节.据以上分析知,图像信息能量集中的地方包含重要信息其余是次要的边界信息。故图像压缩时应对重要信息实现无损压缩,而对次要信息进行有损压缩或不压缩，以利于提高其硬件处理速度.就微型无人机而言,在图像压缩中为减少功耗、提高实时性,需考虑其算法结构的复杂度。②解决减小误码率与提高实时性的矛盾。
影响Turbo码性能的参数除前述分析的交织长度外,还有迭代次数、编码效率和分量编码器结构等。分析知,压缩码流编码时对重要信息采用码率R＝1/3的Turbo码进行重点编码；对非重要信息,因为其差错放大率小,故只需用码率R＝1/2的删余Turbo进行保护即可。此外Turbo码的译码是利用附加信息在两个译码器间进行多次迭代的,迭代次数越多,误码率越低,但这同时也造成其延时,势必会降低实时性。因此在进行信道编码时降低误码率和减少延时是一对相互制约的矛盾,在具体设计过程中应综合平衡考虑结合微型无人机的实际情况来实现图像的实时、无失真地传输。码流采用基于4PSK调制的扩频技术传输，验证结果表明，该技术对信道具有良好的抗噪性能，频带利用率高。因此本方案适合用于微型无人机的特殊侦察任务。
1)融合算法
融合算法采用扩展卡尔曼滤波EKF。卡尔曼滤波是一种高效率的递归滤波器(自回归滤波器)，它能够从一系列的不完全包含噪声的测量(measurement)中，估计动态系统的状态。
在状态方程或测量方程为非线性时，通常采用扩展卡尔曼滤波(EKF)。EKF对非线性函数的Taylor展开式进行一阶线性化截断，忽略其余高阶项，从而将非线性问题转化为线性，可以将卡尔曼线性滤波算法应用于非线性系统中。这样一来，解决了非线性问题。EKF虽然应用于非线性状态估计系统中已经得到了学术界认可并为人广泛使用，然而该种方法也带来了两个缺点，其一是当强非线性时EKF违背局部线性假设，Taylor展开式中被忽略的高阶项带来大的误差时，EKF算法可能会使滤波发散；另外，由于EKF在线性化处理时需要用雅克比(Jacobian)矩阵，其繁琐的计算过程导致该方法实现相对困难。所以，在满足线性系统、高斯白噪声、所有随机变量服从高斯(Gaussian)分布这3个假设条件时，EKF是最小方差准则下的次优滤波器，其性能依赖于局部非线性度。
EKF的基本公式如下。
状态预测方程为：
Xk|k-1＝FXk-1|k-1
协方差预测方程为：
Pk|k-1＝FPk-1|k-1FT+Qk
卡尔曼增益计算方程为：
Figure BDA0003685175600000061
状态更新方程为：
Xk|k＝Xk|k-1+Kk[yk-hk(Xk|k-1)]
协方差更新方程为：
Pk|k＝[I-KkHk]Pk|k-1
量测矩阵计算：
Figure BDA0003685175600000071
如上述方程所示，EKF的基本公式有状态预测方程、协方差预测方程、卡尔曼增益计算、状态更新方程、协方差更新方程等，在具体的实现过程中，根据实际情况做具体调整。计算中，状态预测和更新与协方差预测和更新是并行计算的。
根据各个传感器的误差特性，各个状态变量如下表所示。
Figure BDA0003685175600000072
Figure BDA0003685175600000081
可以看出，EKF的滤波估计设计为22阶状态，玲珑飞控内部传感器融合采用INS/GPS紧耦合设计：
(1)陀螺仪数据gx、gy、gz：作为姿态预测和陀螺偏差预测的输入进行融合；
(2)加速度数据ax、ay、az：作为速度位置预测和加计偏差预测的输入进行融合；
(3)GPS数据ve、vn、vd和经纬度(lat、lon)、高度(alt)：位置和速度量测输入进行融合；
(4)磁力计数据mx、my、mz：作为磁力计机体系偏差和导航系下磁场分量的量测输入进行融合；
(5)气压高度h：作为高度估计的量测进行融合；
根据以上状态设计，结合EKF的基本方程，则成为飞控导航算法的主要组成部分。导航算法的流程图如图3所示。
先对选取的状态做一步预测，利用IMU数据进行状态更新，然后进行协方差预测更新。其后利用磁力计、GPS、气压计对相对应的物理状态进行量测，分析出量测误差及加权矩阵。最后利用量测误差对状态进行更新，输出最终导航结果。
控制算法
控制算法根据导航计算的飞机运动状态对飞机的姿态、速度、高度、位置进行反馈控制，主要包括姿态控制、纵向控制、横向控制等三个方面。
1)姿态控制
飞机在飞行时，有三个姿态控制器，分别是俯仰控制器、横滚控制器和偏航控制器。
2)纵向控制
飞机的纵向控制采用总能量法，飞机的总能量为飞机的动能与势能之和。
Figure BDA0003685175600000091
单位重量的总能量为：
Figure BDA0003685175600000092
对其进行微分可以得到：
Figure BDA0003685175600000093
由于
Figure BDA0003685175600000094
可以得到：
Figure BDA0003685175600000095
因此飞机在飞行过程中，总能量的变化主要是由于多旋翼转速的变化来控制的。为了使动能和势能具有同等的控制优先级，在多旋翼转速控制中使用了能量分配率作为控制量，它定义为势能与动能的变化率之差。
3)横向控制
横向控制通过L1算法计算飞机的横向向心加速度来控制横滚和偏航角，达到航线引导的目的。L1算法的优点有：(1)减少可配置增益的数目：横滚控制和路径误差被替换为不敏感的L1ref参考距离，这在很大程度上消除了路径跟踪的调参优化。(2)改进的扰动抑制和圆路径跟踪算法可扩展到高阶轨迹生成算法、跟踪算法，所有飞行行为可以通过引入另一个L1参考点计算函数来更新。
该算法主要计算两个关键值：
(1)沿所要遵循的轨迹计算参考航向点L1ref。
(2)与L1参考点相切的轨迹的横向加速度的计算。对于飞机来说，这个横向加速目标相当于一个倾斜角目标值。
首先，L1_ref根据直线或循环跟随的不同放置方式。此外，L1_ref的位置取决于飞机所在的区域。计算L1_ref点后，计算速度矢量与所需路径之间的夹角，然后计算目标横滚角(向心加速度)，将飞机置于一条圆形路径上，轨迹相切L1_ref点。
当飞机偏离航线较远时，L1参考点越往飞机与航线的垂直方向靠近，当飞机偏离航线较近时，L1参考点越往飞机与航点的平行方向靠近，如所示，这样最终不断引导飞机，使飞机最终与航线平行。
应用层主要整合导航算法、控制算法及各个设备，得到具体的飞行模式、飞行阶段或飞行任务。
所有的模式在同一函数层级中建立并且切换，根据应用需要，将固定翼无人机的无人机分为三种飞行模式：手动模式、半自主模式和全自主模式。
手动模式：可直接使用遥控器或地面控制台模式，一般用来做地面测试。飞控软件直接响应操纵指令，控制发送机和伺服舵机，不经过控制算法。
半自主模式：无操作时，飞机自动保持当前高度、速度和方向向前方飞行。当有舵面和油门输入时，飞机会改变相应的姿态、速度或爬升率。
全自主模式：飞机会按照规划好的航线自主飞行，或者全自主执行盘旋任务、返航任务等。该模式飞控系统自动控制横滚角、偏航角、俯仰角和油门。
下面介绍多机编队通信组网系统。
多机编队通信组网系统，采用工业级集群通信控制链路，保证编队无人机之间任务信息下达与信息共享。
多机编队通信组网系统，基于自研编队专用网关HY-Link，针对高密集无人系统网络，小数据包，高并发连接，低时延的特点，在MAC层和网络层提供轻量级无线信道访问策略，显著提高集群通信控制链路的网络性能瓶颈。射频部分采用SEMTECH低功耗LoRa调制解调技术，与传统wifi相比，具备高抗干扰与高并发连接支持性能。
密集编队算法
如图3-5所示，针对多机编队系统复杂环境下协同任务执行的控制需求，增强环境与任务适用性，结合多任务场景，例如多目标打击，多机集群往往需要分为多个小组，各个小组形成期望的子编队构型，以分组编队的形式协同完成多目标打击。
蜂群系统的常用编队队形包括纵横队形、楔形、菱形以及多边形等，对于大规模的蜂群编队，原则上可以分解为以上基本队形的组合。蜂群编队在执行协作任务过程中，对于不同的任务要求与环境条件，保持某种合理的编队队形，可以使得蜂群编队系统更加有效地完成任务，缩短任务的执行时间，提高编队的协作效率。为了有效地完成蜂群协同打击等典型任务，根据蜂群编队在各个阶段的任务要求与环境约束，分析各种典型编队队形的特点，进行编队队形的适用性分析，给出不同任务与环境要求下的典型编队队形。以多无人机编队飞行为例，在巡航阶段，采用人字形编队(楔形编队)进行飞行，有利于减少空气阻力的影响，达到节约能源、提高航程的目的；在山区等障碍地区，采用一字型纵队，有利于有效避开障碍物，保证编队的安全飞行；在到达目标区域之后，采用圆形旋转编队进行盘旋探测，能够有效提高探测效率与探测精度。
基于一致性的时变编队控制方法具有较强的适用性与可扩展性，采用邻居节点的相对信息构造分布式控制协议，适用于解决大规模蜂群系统的协同控制问题。在获得期望时变编队与分组编队向量的基础上，蜂群系统分组编队控制的核心是设计自组织分组编队控制器，以保证队形保持、变换与重构的精确有效实现。考虑分组时变编队跟踪问题，给出蜂群系统协同控制器的设计方法与流程。蜂群系统的分组时变编队跟踪控制器除了能够使得各个个体小组实现期望的时变编队跟踪，还需要协调各子编队之间的运动。对于每个个体小组，通过各个体的组内通信，构造自组织时变编队控制器，使得各小组的跟随者实现期望的子编队构型，并跟踪领导者的运动轨迹。同时，利用各小组之间的通信，控制各子编队领导者的运动，从而实现对蜂群各子编队之间相对运动的协调控制。
考虑如下的分布式分组时变编队控制协议：
Figure BDA0003685175600000121
其中，K表示常值增益矩阵，υi(t)表示时变编队补偿输入，
Figure BDA0003685175600000122
表示自适应时变耦合系数，根据各个体的邻居误差动态调整。通过对
Figure BDA0003685175600000123
的设计，可以实现上述的分组时变编队控制。当蜂群系统存在领导者时，考虑如下的分组时变编队跟踪协议：
Figure BDA0003685175600000124
其中，x0(t)表示该小组中的领导者的状态。
蜂群系统分组时变编队跟踪控制器的设计流程与方法如下。首先，蜂群利用分组时变向量对期望的子编队信息进行描述和刻画，编队信息及其变化信息都会引入到后续的分析和设计中。为了应对期望编队的时变性，还需要在编队控制器中引入时变编队信息的补偿项。然后，考虑通信约束、拓扑切换、飞行器自身约束等多约束条件的影响，根据邻居个体间的相对运动信息以及期望的分组时变编队信息，设计蜂群自组织分组时变编队跟踪控制器。在蜂群集群运动中，各个体之间的数据链通信系统中存在通信时延、数据丢包以及通信拓扑变化等问题。通信约束会严重影响分组时变编队跟踪的精度和稳定性，甚至会使分组编队队形出现振荡而导致无法实现期望的编队跟踪。飞行器自身的执行机构存在输出限制，其饱和特性也会对时变分组编队跟踪的收敛性和稳定性造成很大影响。针对数据链通信约束、作用拓扑切换以及飞行器自身约束等多种约束条件，引入多智能体一致性协同控制、自适应控制以及分段李雅普诺夫-克拉索夫斯基泛函等理论，构造自适应增益矩阵，设计多约束条件下的自组织分组时变编队跟踪控制器。最后，通过模型参数变换、状态空间分解、代数图论和稳定性理论对分组时变编队跟踪控制器的控制性能进行理论分析，确保能够满足蜂群编队集群运动的控制要求。
以上介绍仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种微型无人机数字图像无线传输方法，其特征在于，包括：
微型摄像头采集目标图像信息；
对采集到的信息进行压缩编码；
对压缩后的码流进行纠错编码；
通过基于扩频技术的高频信号发射电路，将处理后的图像信息实时地传回地面指挥站，进行目标图像信息处理与识别；
将处理后的有用控制信息远程无线传回机载设备，使机载设备和地面控制中心实现不断的信息通信。
2.根据权利要求1所述微型无人机数字图像无线传输方法，其特征在于，对采集到的信息进行压缩编码，包括：采用基于5/3提升小波的改进SPECK编码算法实时压缩采集到的信息。
3.根据权利要求2所述微型无人机数字图像无线传输方法，其特征在于，改进的SPECK编码算法为原算法基础上引入误差比特数和绝对零系数。
4.根据权利要求1-3任一项所述微型无人机数字图像无线传输方法，其特征在于，对压缩后的码流进行纠错编码，包括：利用Turbo码对压缩码流进行纠错编码。
5.根据权利要求1-3任一项所述微型无人机数字图像无线传输方法，其特征在于，随机交织器是Turbo编码器的重要部分，其交织长度会影响Turbo码的性能，交织长度越长，Turbo码的性能越好，但随着交织长度的增加，会导致帧长及编码时延增大，进而导致译码时延增加，故具体实现时需根据设计要求综合考虑，折衷选择其最佳长度。
6.根据权利要求1-3任一项所述微型无人机数字图像无线传输方法，其特征在于，包括：压缩码流编码时对重要信息采用码率R＝1/3的Turbo码进行重点编码；对非重要信息，因为其差错放大率小，故只需用码率R＝1/2的删余Turbo进行保护即可。
7.根据权利要求1-3任一项所述微型无人机数字图像无线传输方法，其特征在于，包括：码流采用基于4PSK调制的扩频技术传输。
CN202210643911.0A 2022-06-09 2022-06-09 微型无人机数字图像无线传输方法 Pending CN114978431A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210643911.0A CN114978431A (zh) 2022-06-09 2022-06-09 微型无人机数字图像无线传输方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210643911.0A CN114978431A (zh) 2022-06-09 2022-06-09 微型无人机数字图像无线传输方法

Publications (1)

Publication Number Publication Date
CN114978431A true CN114978431A (zh) 2022-08-30

Family

ID=82962303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210643911.0A Pending CN114978431A (zh) 2022-06-09 2022-06-09 微型无人机数字图像无线传输方法

Country Status (1)

Country Link
CN (1) CN114978431A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101582169A (zh) * 2009-06-26 2009-11-18 西安电子科技大学 基于三维小波变换的分布式超光谱图像压缩方法
CN101583031A (zh) * 2009-06-26 2009-11-18 西安电子科技大学 基于小波的图像压缩传输方法
CN202713292U (zh) * 2012-07-30 2013-01-30 深圳市明生通讯科技有限公司 一种基于无线扩频技术的传输模块、图像实时传输系统
CN108777796A (zh) * 2018-05-31 2018-11-09 深圳市易飞方达科技有限公司 一种基于无人机的图像传输方法及装置
CN112291726A (zh) * 2020-09-22 2021-01-29 中国电子科技集团公司第二十九研究所 一种基于公用无线通信网络的无人机集群通信传输系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101582169A (zh) * 2009-06-26 2009-11-18 西安电子科技大学 基于三维小波变换的分布式超光谱图像压缩方法
CN101583031A (zh) * 2009-06-26 2009-11-18 西安电子科技大学 基于小波的图像压缩传输方法
CN202713292U (zh) * 2012-07-30 2013-01-30 深圳市明生通讯科技有限公司 一种基于无线扩频技术的传输模块、图像实时传输系统
CN108777796A (zh) * 2018-05-31 2018-11-09 深圳市易飞方达科技有限公司 一种基于无人机的图像传输方法及装置
CN112291726A (zh) * 2020-09-22 2021-01-29 中国电子科技集团公司第二十九研究所 一种基于公用无线通信网络的无人机集群通信传输系统

Similar Documents

Publication Publication Date Title
CN114690799B (zh) 基于信息年龄的空天地一体化无人机物联网数据采集方法
Shiri et al. Communication-efficient massive UAV online path control: Federated learning meets mean-field game theory
CN109871032B (zh) 一种基于模型预测控制的多无人机编队协同控制方法
CN109286913B (zh) 基于蜂窝网联的无人机移动边缘计算系统能耗优化方法
Mardani et al. Communication-aware UAV path planning
CN110543185A (zh) 一种基于最小化信息年龄的无人机数据收集方法
CN110908395A (zh) 改进的无人机航迹实时规划方法
CN110456825B (zh) 一种基于改进快速随机搜索树的无人机在线运动规划方法
CN110673649A (zh) 基于拓扑优化的时变信道下无人机编队一致性控制方法、系统、装置及存储介质
Cai et al. UAVs formation flight control based on behavior and virtual structure
CN114142908B (zh) 一种面向覆盖侦察任务的多无人机通信资源分配方法
CN110703795A (zh) 一种基于切换拓扑的无人机群协同安全控制方法
CN110414722A (zh) 基于能耗公平的无人机协同侦察路径规划方法
Ali et al. A Leader‐Follower Formation Control of Multi‐UAVs via an Adaptive Hybrid Controller
CN113406965A (zh) 一种基于强化学习的无人机能耗优化方法
CN114791743A (zh) 一种考虑通信时延的无人机集群协同航迹规划方法
CN115060263A (zh) 一种考虑低空风和无人机能耗的航迹规划方法
CN110825112B (zh) 基于多无人机的油田动态侵入目标追踪系统与方法
CN116132944A (zh) 无人机通信网络中拓扑与功率联合控制方法
CN113552898B (zh) 一种非确定干扰环境下的无人机鲁棒轨迹规划方法
CN117369516A (zh) 一种接续式无人机机场巡检调度方法
CN114978431A (zh) 微型无人机数字图像无线传输方法
CN115599123B (zh) 一种用于无人机集群多着陆区协同着陆的分布式方法
Lu et al. Distributed multi-UAV cooperation for path planning by an NTVPSO-ADE algorithm
Quan et al. Interpretable and Secure Trajectory Optimization for UAV-Assisted Communication

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