CN116299163A - 无人机航迹规划方法、装置、设备及介质 - Google Patents
无人机航迹规划方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116299163A CN116299163A CN202310261539.1A CN202310261539A CN116299163A CN 116299163 A CN116299163 A CN 116299163A CN 202310261539 A CN202310261539 A CN 202310261539A CN 116299163 A CN116299163 A CN 116299163A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- optimization model
- phase difference
- receiving device
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000005259 measurement Methods 0.000 claims abstract description 64
- 238000005457 optimization Methods 0.000 claims abstract description 57
- 230000006870 function Effects 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 230000003416 augmentation Effects 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 230000005855 radiation Effects 0.000 description 26
- 230000008901 benefit Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了无人机航迹规划方法、装置、设备及介质,该方法包括获取当前时刻的第一接收设备和第二接收设备相位差测量数据;根据相位差测量值计算代价表面,再以无人机初始位置为中心进行预设范围的网格搜索,找到无人机初始估计位置;在对应的网格点的局部邻域上进行迭代最小二乘收敛,完成对无人机的定位,得到无人机在当前时刻的定位估计结果;以无人机的航向角为状态向量,以最小化克拉美罗下界的迹为目标函数,建立优化模型,采用罚函数乘子法,将有约束优化模型转化为无约束优化模型;求解无约束优化模型得到无人机在当前时刻的最优航向角;根据当前无人机速度和最优航向角,计算出下一个最优航迹点。本发明提高了定位精度和灵敏度。
Description
技术领域
本发明属于无人机航迹规划技术领域,尤其涉及无人机航迹规划方法、装置、设备及介质。
背景技术
在传统的面向辐射源定位的航迹规划技术中,多采用到达角度(Angle ofArrival,AOA)定位方法、到达时差(Time Difference of Arrival,TDOA)定位、到达频率差(Frequency Difference of Arrival,FDOA)定位、接收信号强度(Received SignalStrength Indicator,RSSI)定位等方法。航迹规划的流程可总结为:基于对定位精度衡量指标的分析,以该指标为目标函数,建立无人机航迹优化模型,将无人机航迹规划问题表述为一个非线性规划问题。通过选取最优的观测位置,在不改变系统精度的基础上,使无人机能够在较短时间内获取高质量的有效数据,从而提高辐射源定位精度。同时考虑无人机的物理条件约束,为无人机规划出一条合理、高效的航迹。
传统的面向辐射源定位的航迹规划方案局限性在于,针对多机平台AOA、TDOA等定位体制下的无人机航迹规划技术已经相对成熟,能够改善定位精度,为无人机规划出有效可飞的航迹。而在针对单无人机平台长基线定位方法的场景中,仅提出了一种“普遍最优”的轨迹,没有考虑到无人机物理条件限制对转弯角等因素的影响,在实际应用中,无人机的机动性能一般难以完成文中所提出的螺旋轨迹,航迹的实际可飞性不严谨。
发明内容
本发明的目的在于,为克服现有技术缺陷,提供了无人机航迹规划方法、装置、设备及介质,一方面,采用基于长基线干涉仪的定位方法,能够完成对远距离目标的快速、高精度的定位,另一方面,通过对无人机实行实时的航迹规划,能够提升无人机的工作效率和生存能力,结合无人机平台和长基线定位方法的优点,最大限度地发挥无人机的作战效益,提高侦察定位的精度和灵敏度。
本发明目的通过下述技术方案来实现:
一种无人机航迹规划方法,所述方法基于长基线定位实现,包括在所述无人机上设置第一接收设备,在所述第一接收设备的通讯范围内设置第二接收设备,所述方法包括:
获取当前时刻的第一接收设备和第二接收设备相位差测量数据;
根据所述相位差测量值计算代价表面,再以无人机初始位置为中心进行预设范围的网格搜索,找到无人机的初始估计位置;
在所述初始估计位置对应的网格点的局部邻域上进行迭代最小二乘收敛,完成对无人机的定位,得到无人机在当前时刻的定位估计结果;
以无人机的航向角为状态向量,以最小化克拉美罗下界的迹为目标函数,建立优化模型,采用罚函数乘子法,将有约束优化模型转化为无约束优化模型;
求解所述无约束优化模型得到无人机在当前时刻的最优航向角;
根据当前无人机速度和所述最优航向角,计算出下一个最优航迹点。
进一步的,所述方法还包括在获取当前时刻的第一接收设备和第二接收设备相位差测量值步骤前设置无人机的初始位置、速度、最大角速度、测量步长和基线长度。
进一步的,所述获取当前时刻的第一接收设备和第二接收设备相位差测量数据具体包括:
在当前时刻获得第一接收设备和第二接收设备的相位差测量值,并结合从初始时刻到当前时刻的所有测量值,得到相位差测量序列。
进一步的,所述根据所述相位差测量值计算代价表面,再以无人机初始位置为中心进行预设范围的网格搜索,找到无人机的初始估计位置具体包括:
在预设范围内划分网格点并设置搜索步长,代价表面的计算式包括:
其中,[x,y]T∈S,S表示网格上每个可能的辐射源位置点的集合,φ0为通过校准已知的系统误差,ti表示第i个测量值所对应的测量时刻,xa1(ti)表示第一接收设备在ti时刻的横坐标,xa2(ti)表示第二接收设备在ti时刻的横坐标,ya1(ti)表示第一接收设备在ti时刻的纵坐标,ya2(ti)表示第二接收设备在ti时刻的纵坐标;
当实际的相位差测量值等于某一位置上的无噪声相位差时,代价表面的值将被最小化,表明该位置即为无人机所在位置。
进一步的,所述以无人机的航向角为状态向量,以最小化克拉美罗下界的迹为目标函数,建立优化模型,采用罚函数乘子法,将有约束优化模型转化为无约束优化模型具体包括:
将待优化的状态向量设置为无人机在当前时刻的航向角;
对无人机的角速度进行约束,根据所述测量步长计算无人机在当前时刻的角速度大小,约束条件为无人机在当前时刻的角速度大小小于等于所述最大角速度;
采用所述定位估计结果近似计算最小化克拉美罗下界,得到有约束优化模型;
采用罚函数乘子法,构造增广目标函数,将有约束优化模型转化为无约束优化模型。
进一步的,所述求解所述无约束优化模型得到无人机在当前时刻的最优航向角具体包括:
对所述无约束优化模型采用PHR算法进行求解,对所述无约束优化模型中的无约束子问题采用拟牛顿法求解。
进一步的,所述第一接收设备和所述第二接收设备包括天线。
另一方面,本发明还提供了一种无人机航迹规划装置,所述装置用于实现前述任一种无人机航迹规划方法,所述装置包括:
相位差测量数据获取模块,所述相位差测量数据获取模块获取当前时刻的第一接收设备和第二接收设备相位差测量数据;
初始估计位置计算模块,所述初始估计位置计算模块根据所述相位差测量值计算代价表面,再以无人机初始位置为中心进行预设范围的网格搜索,找到无人机的初始估计位置;
无人机定位模块,所述无人机定位模块在所述初始估计位置对应的网格点的局部邻域上进行迭代最小二乘收敛,完成对无人机的定位,得到无人机在当前时刻的定位估计结果;
模型建立模块,所述模型建立模块以无人机的航向角为状态向量,以最小化克拉美罗下界的迹为目标函数,建立优化模型,采用罚函数乘子法,将有约束优化模型转化为无约束优化模型;
最优航向角计算模块,所述最优航向角计算模块求解所述无约束优化模型得到无人机在当前时刻的最优航向角;
最优航迹点计算模块,所述最优航迹点计算模块根据当前无人机速度和所述最优航向角,计算出下一个最优航迹点。
另一方面,本发明还提供了一种计算机设备,计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现上述的任意一种无人机航迹规划方法。
另一方面,本发明还提供了一种计算机可读存储介质,所述存储介质中存储有计算机程序,所述计算机程序由处理器加载并执行以实现上述的任意一种无人机航迹规划方法。
本发明的有益效果在于:
(1)本发明采用长基线干涉仪定位方法,对远距离辐射源进行快速、高精度定位,同时引入无人机航迹规划技术,以最小化最小化克拉美罗下界(Cramer-Rao Lower Bound,CRLB)的迹为目标函数,实时求解无人机的最佳航迹点,提高了定位精度。
(2)本发明考虑了无人机的物理条件限制,将无人机的最大角速度作为约束条件,为无人机规划出一条实际可飞的航迹。
(3)本发明采用乘子法求解优化问题,不需要罚参数σ的取值趋于无穷大,算法稳定,收敛速度快。
附图说明
图1是本发明实施例提供的无人机航迹规划方法流程示意图;
图2是本发明实施例所使用的长基线定位场景图;
图3是本发明实施例无人机航迹规划结果;
图4是本发明实施例定位误差随测量时间的变化示意图;
图5是本发明实施例提供的无人机航迹规划装置结构框图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
传统的面向辐射源定位的航迹规划方案局限性在于,针对多机平台AOA、TDOA等定位体制下的无人机航迹规划技术已经相对成熟,能够改善定位精度,为无人机规划出有效可飞的航迹。而在针对单无人机平台长基线定位方法的场景中,仅提出了一种“普遍最优”的轨迹,没有考虑到无人机物理条件限制对转弯角等因素的影响,在实际应用中,无人机的机动性能一般难以完成文中所提出的螺旋轨迹,航迹的实际可飞性不严谨。
为了解决上述技术问题,提出了本发明无人机航迹规划方法、装置、设备及介质的下述各个实施例。
实施例1
参照图1,如图1所示是本实施例提供的无人机航迹规划方法流程示意图,该方法具体包括以下步骤:
步骤一:初始化系统参数,待初始化系统参数包括:无人机的初始位置,速度V,最大角速度ψmax(单位为°/sec),无人机的测量步长Δt,基线长度L。作为接收设备的天线1和天线2在时刻t的位置[xa1(t),ya1(t)]T、[xa2(t),ya2(t)]T,将天线1的位置看作无人机位置,另外,已知相位差测量噪声的标准差为δ,接收辐射源信号的频率为f0Hz,c表示电磁波传输速率。
步骤二:时刻t,无人机在当前航迹点上,得到两个天线之间的相位差测量数据。
其中,Δφi为辐射源真实位置Pe=[xt,yt]T的函数。
步骤三:根据步骤二中的相位差测量数据,计算代价表面,在一定范围内进行网格搜索,找到辐射源的初始估计位置。
具体地,由于天线间的空间间隔大于信号波长的一半,存在相位包裹效应,导致相位差测量模糊,真正的相位差Δφ∈[0,+∞)被包裹成Δφ∈[0,2π),即实际的相位差测量值,因此,在估计辐射源位置时会产生波纹状的最小二乘代价表面。
在一定范围内划分网格点,搜索步长为d,则代价表面的计算式如下:
其中,[x,y]T∈S,S表示网格上每个可能的辐射源位置点的集合,φ0为通过校准已知的系统误差,ti表示第i个测量值所对应的测量时刻。
当实际的相位差测量值等于某一位置上的无噪声相位差时,代价表面的值将被最小化,表明该位置即为目标辐射源所在的位置,为便于观察和分析,本发明中,统一将代价表面取倒数,即,由寻求代价表面最小化转换为最大化。
步骤四:根据步骤三中的初始估计位置,在该网格点的局部邻域上进行迭代最小二乘收敛,从而完成对辐射源的定位,得到无人机在当前时刻的定位结果。
具体地,无人机在每个时刻的位置数据都是已知的,相位差只是真实辐射源位置的函数。由此,形成了一个向量参数估计问题,待求参数x为辐射源位置,观测值为相位差,两者之间呈现非线性关系,采用高斯-牛顿算法,初始值使用步骤(3)中代价表面最大值处对应的网格点,进行迭代最小二乘收敛。
最小二乘收敛中,每次迭代中的辐射源位置估计值为:
其中,n是迭代时间,H的表达式如下:
H是通过取每个测量值Δφi,i=1,2…,N对xt和yt的导数来解析计算的。令
由此,导数的数值计算如下:
在迭代计算时,采用当前的估计结果来代替xt,yt。迭代完成后,得到时刻t辐射源位置的最终估计结果。
步骤五:根据步骤二中的相位差测量数据和天线位置,以无人机的航向角为状态向量,以长基线定位的CRLB的迹为目标函数,建立优化模型,考虑无人机的最大角速度限制,采用罚函数乘子法,将有约束优化模型转化为无约束优化模型。
具体地,将待优化的状态向量设置为无人机在当前时刻的航向角:
ρ=u(t)
对无人机的角速度进行约束,由于系统的测量步长为Δt,则无人机在t时刻的角速度大小可通过下式计算得到:
确定优化模型:求解得到的最优航向角应使无人机在t+1时刻的CRLB矩阵的迹最小。CRLB矩阵的计算公式如下:
采用时刻t的辐射源位置估计结果来代替辐射源真实位置,近似计算CRLB。
由此,得到优化模型如下:
采用罚函数乘子法,将(53)中的有约束优化问题转化为无约束优化问题。
构造增广目标函数:
由此,待解决的优化问题转化为:
minψ(x,λk,σk)
步骤六:采用PHR算法实施乘子法的求解流程,并采用拟牛顿法求解子问题,最终得到无人机在当前时刻的最优航向角。
具体地,对于步骤五中所得到的无约束优化问题,采用PHR算法进行求解:
求解子问题。以xk-1为初始点,采用拟牛顿法求解无约束子问题minψ(x,λk,σk),得到极小点xk。
检验终止条件。若βk≤ε,则停止迭代,输出xk作为原问题的近似极小点,否则转更新罚参数步骤,βk的计算式如下:
更新罚参数。若βk≥θβk-1,令σk+1=ησk,否则σk+1=σk。
更新乘子向量。λk+1=max{0,λk-g(xk)}。
令k=k+1,转求解子问题步骤。
步骤七:根据无人机速度和最优航向角,计算出下一个最优航迹点。
具体地,根据步骤六中求解出的最优航向角uopt(t),得到无人机(等同于天线1)的下一个航迹点坐标,计算式如下:
xa1(t+1)=xa1(t)+V·Δt·cos(uopt(t))
ya1(t+1)=ya1(t)+V·Δt·sin(uopt(t))
步骤八:无人机移动至步骤七中解得的航迹点,时刻t=t+1,重复步骤二~七步骤,直到测量时间结束。
本实施例采用长基线定位,根据两个天线之间的相位差测量值,在代价表面上进行网格搜索,确定辐射源所在的网格点位置,并以该点为初始值,进行最小二乘收敛,得到最终的估计位置。同时,在对辐射源定位的同时,以最小化克拉美罗下界(Cramer-RaoLower Bound,CRLB)的迹为目标函数,考虑无人机的物理条件约束,得到下一个最优航迹点,为无人机规划出一条实际可飞的航迹,使其能够在较短时间内获得高质量的有效数据,提升对目标辐射源的定位效果。一方面,采用基于长基线干涉仪的定位方法,能够完成对远距离目标的快速、高精度的定位,另一方面,通过对无人机实行实时的航迹规划,能够提升无人机的工作效率和生存能力,结合无人机平台和长基线定位方法的优点,最大限度地发挥无人机的作战效益,提高侦察定位的精度和灵敏度。
实施例2
步骤一:设置初始化参数;
无人机匀速飞行,速度设定为16m/s,最大角速度ψmax为4°/s,无人机的测量步长为1s,总测量时间为100s,两个天线之间的基线长度为5米,系统相位差测量误差为10°,服从零均值高斯分布;
步骤三:根据相位差测量数据,计算代价表面,在以坐标原点为中心,80km×80km的范围内进行网格搜索,搜索步长为320m,找到代价表面最大值所对应的网格点;
步骤四:在步骤三中搜索得到的网格点上进行迭代最小二乘收敛,得到当前时刻的辐射源定位结果;
步骤五:以当前时刻的无人机航向角作为优化向量,下一时刻的CRLB的迹为目标函数,采用当前时刻的辐射源估计位置来代替辐射源真实位置,近似计算CRLB,考虑无人机的最大角速度限制,建立优化模型如下:
采用罚函数乘子法,将有约束优化模型转化为无约束优化模型J'=minψ(u(t),λk,σk)。
步骤六:采用PHR算法进行求解,初始值x0为上一时刻的无人机航向角,各参数的取值分别为:σ1=2,λ1=0.1,θ=0.8,η=2,ε=1e-5。解得当前时刻的最优航向角uopt(t)。
步骤七:根据无人机在该时刻的速度和航向角,得到下一时刻的无人机位置。
xa1(t+1)=xa1(t)+16·Δt·cos(uopt(t))
ya1(t+1)=ya1(t)+16·Δt·sin(uopt(t))
步骤八:将无人机移动到步骤七中得到的位置,t=t+1,重复步骤二~步骤七,直到总测量时间结束。
参照图3-4,图3是本实施例无人机航迹规划结果,图4是本发明实施例定位误差随测量时间的变化示意图。
从图4中可以看出,随着测量时间增加,定位误差不断收敛,且远小于1%R,满足高精度定位要求。
运用本实施例所提出的无人机航迹规划方法,能够达到比常规直线航迹更高的定位精度。
实施例3
参照图5,如图5所示是本实施例提供的无人机航迹规划装置结构框图,该装置具体包括以下结构:
相位差测量数据获取模块,所述相位差测量数据获取模块获取当前时刻的第一接收设备和第二接收设备相位差测量数据;
初始估计位置计算模块,所述初始估计位置计算模块根据所述相位差测量值计算代价表面,再以无人机初始位置为中心进行预设范围的网格搜索,找到无人机的初始估计位置;
无人机定位模块,所述无人机定位模块在所述初始估计位置对应的网格点的局部邻域上进行迭代最小二乘收敛,完成对无人机的定位,得到无人机在当前时刻的定位估计结果;
模型建立模块,所述模型建立模块以无人机的航向角为状态向量,以最小化克拉美罗下界的迹为目标函数,建立优化模型,采用罚函数乘子法,将有约束优化模型转化为无约束优化模型;
最优航向角计算模块,所述最优航向角计算模块求解所述无约束优化模型得到无人机在当前时刻的最优航向角;
最优航迹点计算模块,所述最优航迹点计算模块根据当前无人机速度和所述最优航向角,计算出下一个最优航迹点。
实施例4
本优选实施例提供了一种计算机设备,该计算机设备可以实现本申请实施例所提供的无人机航迹规划方法任一实施例中的步骤,因此,可以实现本申请实施例所提供的无人机航迹规划方法的有益效果,详见前面的实施例,在此不再赘述。
实施例5
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。为此,本发明实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本发明实施例所提供的无人机航迹规划方法中任一实施例的步骤。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本发明实施例所提供的任一无人机航迹规划方法实施例中的步骤,因此,可以实现本发明实施例所提供的任一无人机航迹规划方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种无人机航迹规划方法,其特征在于,所述方法基于长基线定位实现,包括在所述无人机上设置第一接收设备,在所述第一接收设备的通讯范围内设置第二接收设备,所述方法包括:
获取当前时刻的第一接收设备和第二接收设备相位差测量数据;
根据所述相位差测量值计算代价表面,再以无人机初始位置为中心进行预设范围的网格搜索,找到无人机的初始估计位置;
在所述初始估计位置对应的网格点的局部邻域上进行迭代最小二乘收敛,完成对无人机的定位,得到无人机在当前时刻的定位估计结果;
以无人机的航向角为状态向量,以最小化克拉美罗下界的迹为目标函数,建立优化模型,采用罚函数乘子法,将有约束优化模型转化为无约束优化模型;
求解所述无约束优化模型得到无人机在当前时刻的最优航向角;
根据当前无人机速度和所述最优航向角,计算出下一个最优航迹点。
2.如权利要求1所述的无人机航迹规划方法,其特征在于,所述方法还包括在获取当前时刻的第一接收设备和第二接收设备相位差测量值步骤前设置无人机的初始位置、速度、最大角速度、测量步长和基线长度。
3.如权利要求2所述的无人机航迹规划方法,其特征在于,所述获取当前时刻的第一接收设备和第二接收设备相位差测量数据具体包括:
在当前时刻获得第一接收设备和第二接收设备的相位差测量值,并结合从初始时刻到当前时刻的所有测量值,得到相位差测量序列。
4.如权利要求3所述的无人机航迹规划方法,其特征在于,所述根据所述相位差测量值计算代价表面,再以无人机初始位置为中心进行预设范围的网格搜索,找到无人机的初始估计位置具体包括:
在预设范围内划分网格点并设置搜索步长,代价表面的计算式包括:
其中,[x,y]T∈S,S表示网格上每个可能的辐射源位置点的集合,φ0为通过校准已知的系统误差,ti表示第i个测量值所对应的测量时刻,xa1(ti)表示第一接收设备在ti时刻的横坐标,xa2(ti)表示第二接收设备在ti时刻的横坐标,ya1(ti)表示第一接收设备在ti时刻的纵坐标,ya2(ti)表示第二接收设备在ti时刻的纵坐标;
当实际的相位差测量值等于某一位置上的无噪声相位差时,代价表面的值将被最小化,表明该位置即为无人机所在位置。
5.如权利要求4所述的无人机航迹规划方法,其特征在于,所述以无人机的航向角为状态向量,以最小化克拉美罗下界的迹为目标函数,建立优化模型,采用罚函数乘子法,将有约束优化模型转化为无约束优化模型具体包括:
将待优化的状态向量设置为无人机在当前时刻的航向角;
对无人机的角速度进行约束,根据所述测量步长计算无人机在当前时刻的角速度大小,约束条件为无人机在当前时刻的角速度大小小于等于所述最大角速度;
采用所述定位估计结果近似计算最小化克拉美罗下界,得到有约束优化模型;
采用罚函数乘子法,构造增广目标函数,将有约束优化模型转化为无约束优化模型。
6.如权利要求5所述的无人机航迹规划方法,其特征在于,所述求解所述无约束优化模型得到无人机在当前时刻的最优航向角具体包括:
对所述无约束优化模型采用PHR算法进行求解,对所述无约束优化模型中的无约束子问题采用拟牛顿法求解。
7.如权利要求1所述的无人机航迹规划方法,其特征在于,所述第一接收设备和所述第二接收设备包括天线。
8.一种无人机航迹规划装置,其特征在于,所述装置用于实现权利要求1-7任一所述的无人机航迹规划方法,所述装置包括:
相位差测量数据获取模块,所述相位差测量数据获取模块获取当前时刻的第一接收设备和第二接收设备相位差测量数据;
初始估计位置计算模块,所述初始估计位置计算模块根据所述相位差测量值计算代价表面,再以无人机初始位置为中心进行预设范围的网格搜索,找到无人机的初始估计位置;
无人机定位模块,所述无人机定位模块在所述初始估计位置对应的网格点的局部邻域上进行迭代最小二乘收敛,完成对无人机的定位,得到无人机在当前时刻的定位估计结果;
模型建立模块,所述模型建立模块以无人机的航向角为状态向量,以最小化克拉美罗下界的迹为目标函数,建立优化模型,采用罚函数乘子法,将有约束优化模型转化为无约束优化模型;
最优航向角计算模块,所述最优航向角计算模块求解所述无约束优化模型得到无人机在当前时刻的最优航向角;
最优航迹点计算模块,所述最优航迹点计算模块根据当前无人机速度和所述最优航向角,计算出下一个最优航迹点。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现如权利要求1-7任一项所述的无人机航迹规划方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有计算机程序,所述计算机程序由处理器加载并执行以实现如权利要求1-7任一项所述的无人机航迹规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310261539.1A CN116299163A (zh) | 2023-03-17 | 2023-03-17 | 无人机航迹规划方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310261539.1A CN116299163A (zh) | 2023-03-17 | 2023-03-17 | 无人机航迹规划方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116299163A true CN116299163A (zh) | 2023-06-23 |
Family
ID=86828393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310261539.1A Pending CN116299163A (zh) | 2023-03-17 | 2023-03-17 | 无人机航迹规划方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116299163A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117249829A (zh) * | 2023-08-23 | 2023-12-19 | 湖南六九零六信息科技股份有限公司 | 一种测向交叉定位体制下的无人机平台的航迹规划方法 |
-
2023
- 2023-03-17 CN CN202310261539.1A patent/CN116299163A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117249829A (zh) * | 2023-08-23 | 2023-12-19 | 湖南六九零六信息科技股份有限公司 | 一种测向交叉定位体制下的无人机平台的航迹规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109548141B (zh) | 基于卡尔曼滤波算法的室内环境基站坐标位置标定方法 | |
CN110174643B (zh) | 一种无需噪声功率信息的基于到达时间差的定位方法 | |
CN110058205B (zh) | 一种基于迭代最近点算法的警戒雷达系统误差校正方法 | |
CN105547297A (zh) | 一种基于uwb定位系统的室内定位方法 | |
CN109917333B (zh) | 融合aoa观测量与tdoa观测量的无源定位方法 | |
CN109856616B (zh) | 一种雷达定位相对系统误差修正方法 | |
CN111123341A (zh) | 无人机群三维协同定位方法 | |
CN110081905B (zh) | 一种基于单站光电经纬仪的光波大气折射误差计算方法 | |
CN113342059B (zh) | 基于位置和速度误差的多无人机跟踪移动辐射源方法 | |
CN113238072B (zh) | 一种适用于车载光电平台的运动目标解算方法 | |
Xu et al. | An improved indoor localization method for mobile robot based on WiFi fingerprint and AMCL | |
CN116299163A (zh) | 无人机航迹规划方法、装置、设备及介质 | |
CN109507635A (zh) | 利用两个未知方位辅助源的阵列幅相误差估算方法 | |
CN114509069B (zh) | 基于蓝牙aoa和imu融合的室内导航定位系统 | |
CN113156418B (zh) | 基于蒙特卡洛仿真的雷达目标跟踪精度预测方法 | |
CN107613458A (zh) | 一种tdoa条件下最优联合时间同步与定位的定位方法 | |
CN109856619B (zh) | 一种雷达测向相对系统误差修正方法 | |
CN112163052A (zh) | 一种信息缺失量测下的多传感器空间配准方法 | |
Li et al. | A novel single satellite passive location method based on one-dimensional cosine angle and Doppler rate of changing | |
CN113933798A (zh) | 一种基于相似性原理的全局传感器系统误差分区配准算法 | |
CN109001670A (zh) | 一种联合时差和角度的分布式无源定位方法及装置 | |
CN115200608A (zh) | 一种水上激光雷达与惯性导航安装误差标定的方法 | |
Liu et al. | Joint 2-D angle estimation using TDOA in distributed multi-antenna system | |
CN109884582B (zh) | 利用一维测向快速确定目标三维坐标的方法 | |
Wan et al. | Joint Rigid Body Localization and Wireless Signal Transmission Parameter Estimation Under NLOS Environment |
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 |