CN117269885B - 基于机会信号融合的飞行器定位方法及装置 - Google Patents
基于机会信号融合的飞行器定位方法及装置 Download PDFInfo
- Publication number
- CN117269885B CN117269885B CN202311569498.9A CN202311569498A CN117269885B CN 117269885 B CN117269885 B CN 117269885B CN 202311569498 A CN202311569498 A CN 202311569498A CN 117269885 B CN117269885 B CN 117269885B
- Authority
- CN
- China
- Prior art keywords
- moment
- matrix
- signal
- opportunistic
- determining
- 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 85
- 230000004927 fusion Effects 0.000 title claims abstract description 72
- 239000011159 matrix material Substances 0.000 claims abstract description 406
- 238000001914 filtration Methods 0.000 claims abstract description 124
- 238000005259 measurement Methods 0.000 claims description 66
- 230000006870 function Effects 0.000 claims description 61
- 230000008569 process Effects 0.000 claims description 19
- 238000005070 sampling Methods 0.000 description 24
- 238000004590 computer program Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01S5/0257—Hybrid positioning
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本公开提供一种基于机会信号融合的飞行器定位方法及装置，涉及无线电导航技术领域，可应用于飞行器接收端收到多个异构机会信号时，对多个异构机会信号进行融合并对飞行器进行定位的场景下。具体实现方案包括：获取飞行器接收端收到的至少两种机会信号；确定每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵；根据每种机会信号在第一时刻的权重和每种机会信号在第一时刻的状态滤波值，确定所有机会信号在第一时刻的融合滤波值；根据所有机会信号在第一时刻的融合滤波值，确定飞行器的位置。本公开可以对飞行器接收端接收到多个异构机会信号进行融合，实现不改动原有同构机会信号机载导航设备下的信息融合，从而提高定位的准确性。
Description
技术领域
本公开涉及无线电导航技术领域，尤其涉及一种基于机会信号融合的飞行器定位方法及装置，可应用于在飞行器接收端接收到多个异构机会信号时，对多个异构机会信号进行融合并对飞行器位置进行定位的场景下。
背景技术
基于全球卫星定位系统的定位、导航等技术已经发展成熟，机会信号导航成为全球卫星定位系统拒止状态下的一种有效的定位、导航技术手段。机会信号指存在于空间域中的各类无线电信号，具有不同的频段和传输介质。利用机会信号定位、导航大多是小范围进行的，通过接收环境中已有的多频段随机信号来实现。
目前利用机会信号定位的方法是当飞行器接收到多个机会信号时，对接收到的同构机会信号进行信号处理以实现通过机会信号导航。
但目前的利用机会信号定位的方法无法解决多个异构机会信号的处理问题，从而影响定位的准确性。
发明内容
本公开提供了一种基于机会信号融合的飞行器定位方法及装置，能够对飞行器接收端接收到多个异构机会信号进行融合，实现不改动原有同构机会信号机载导航设备下的信息融合，从而提高定位的准确性。
根据本公开的第一方面，提供了一种基于机会信号融合的飞行器定位方法，所述方法包括：获取飞行器的接收端收到的至少两种机会信号；确定每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵；根据每种机会信号在第一时刻的权重和每种机会信号在第一时刻的状态滤波值，确定所有机会信号在第一时刻的融合滤波值；根据所有机会信号在第一时刻的融合滤波值，确定飞行器的位置。
一些可能的实现方式中，确定每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵，包括：获取每种机会信号对应的机载定位设备在第二时刻的状态预报值和预报误差协方差近似矩阵，第二时刻为第一时刻之前的时刻；根据每种机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种机会信号在第一时刻的状态预报值；根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种机会信号在第一时刻的预报误差协方差近似矩阵；根据每种机会信号在第一时刻的测量值、每种机会信号对应的机载定位设备的滤波增益矩阵，对每种机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵分别进行更新，得到每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵。
一些可能的实现方式中，确定每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵，包括：获取每种机会信号对应的机载定位设备在第二时刻的状态预报值和预报误差协方差近似矩阵，第二时刻为第一时刻之前的时刻；根据每种机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种机会信号在第一时刻的状态预报值；根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种机会信号在第一时刻的预报误差协方差近似矩阵；针对每种机会信号，将机会信号在第一时刻的状态预报值作为机会信号在第一时刻的状态滤波值，将机会信号在第一时刻的预报误差协方差近似矩阵作为机会信号在第一时刻的滤波误差协方差近似矩阵。
一些可能的实现方式中，根据每种机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种机会信号在第一时刻的状态预报值，包括：根据每种机会信号对应的机载定位设备在第二时刻的状态预报值和状态更新矩阵的乘积，与控制增益矩阵的和，确定每种机会信号在第一时刻的状态预报值。
一些可能的实现方式中，根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种机会信号在第一时刻的预报误差协方差近似矩阵，包括：根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵、状态更新矩阵、状态更新矩阵的转置矩阵的乘积，与过程噪声的协方差矩阵的和，确定每种机会信号在第一时刻的预报误差协方差近似矩阵。
一些可能的实现方式中，根据每种机会信号在第一时刻的测量值、每种机会信号对应的机载定位设备的滤波增益矩阵，对每种机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵分别进行更新，得到每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵之前，方法还包括：针对每种机会信号对应的机载定位设备，确定机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵、与机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵的乘积，得到第一矩阵；确定机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵、机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵、机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵的乘积，与测量噪声的协方差矩阵的和，得到第二矩阵；确定第一矩阵和第二矩阵的比值，得到机载定位设备在第一时刻的卡尔曼增益矩阵，作为机载定位设备的滤波增益矩阵。
一些可能的实现方式中，根据每种机会信号在第一时刻的测量值、每种机会信号对应的机载定位设备的滤波增益矩阵，对每种机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵分别进行更新，得到每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵，包括：针对每种机会信号，确定机会信号在第一时刻的测量值和机会信号在第一时刻的测量函数的第一差值；确定机会信号对应的机载定位设备的滤波增益矩阵与第一差值的第一乘积；确定机会信号对应的机载定位设备在第一时刻的状态预报值和第一乘积的和，得到机会信号在第一时刻的状态滤波值；确定机会信号的测量函数在第一时刻的雅克比矩阵和机会信号对应的机载定位设备的滤波增益矩阵的第二乘积；确定单位矩阵与第二乘积的第二差值；确定第二差值和机会信号在第一时刻的预报误差协方差近似矩阵的第三乘积，得到机会信号在第一时刻的滤波误差协方差近似矩阵。
一些可能的实现方式中，根据每种机会信号在第一时刻的权重和每种机会信号在第一时刻的状态滤波值，确定所有机会信号在第一时刻的融合滤波值，包括：按照每种机会信号在第一时刻的权重，对所有机会信号在第一时刻的状态滤波值进行求和，得到第一求和结果；对所有机会信号在第一时刻的权重进行求和，得到第二求和结果；确定第一求和结果和第二求和结果的比值，得到所有机会信号在第一时刻的融合滤波值。
一些可能的实现方式中，所述方法还包括：按照每种机会信号在第一时刻的权重，对所有机会信号在第一时刻的滤波误差协方差近似矩阵进行求和，得到第三求和结果；确定第三求和结果和第二求和结果的比值，得到所有机会信号在第一时刻的融合误差协方差近似矩阵。
本公开的第一方面至少具备如下有益效果：可以在飞行器接收端接收到多个异构机会信号时，对飞行器接收端接收到的多个异构机会信号进行融合，实现不改动原有同构机会信号机载导航设备下的信息融合，便于自由地增加或减少机载导航设备，避免整体机载导航设备的软硬件重置，从而提高定位的准确性和效率。
根据本公开的第二方面，提供了一种基于机会信号融合的飞行器定位装置，所述装置包括：获取单元、确定单元。
获取单元，用于获取飞行器的接收端收到的至少两种机会信号；
确定单元，用于确定每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵。
确定单元，还用于根据每种机会信号在第一时刻的权重和每种机会信号在第一时刻的状态滤波值，确定所有机会信号在第一时刻的融合滤波值。
确定单元，还用于根据所有机会信号在第一时刻的融合滤波值，确定飞行器的位置。
可选地，确定单元，具体用于获取每种机会信号对应的机载定位设备在第二时刻的状态预报值和预报误差协方差近似矩阵，第二时刻为第一时刻之前的时刻；根据每种机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种机会信号在第一时刻的状态预报值；根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种机会信号在第一时刻的预报误差协方差近似矩阵；根据每种机会信号在第一时刻的测量值、每种机会信号对应的机载定位设备的滤波增益矩阵，对每种机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵分别进行更新，得到每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵。
可选地，确定单元，具体用于获取每种机会信号对应的机载定位设备在第二时刻的状态预报值和预报误差协方差近似矩阵，第二时刻为第一时刻之前的时刻；根据每种机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种机会信号在第一时刻的状态预报值；根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种机会信号在第一时刻的预报误差协方差近似矩阵；针对每种机会信号，将机会信号在第一时刻的状态预报值作为机会信号在第一时刻的状态滤波值，将机会信号在第一时刻的预报误差协方差近似矩阵作为机会信号在第一时刻的滤波误差协方差近似矩阵。
可选地，确定单元，具体用于根据每种机会信号对应的机载定位设备在第二时刻的状态预报值和状态更新矩阵的乘积，与控制增益矩阵的和，确定每种机会信号在第一时刻的状态预报值。
可选地，确定单元，具体用于根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵、状态更新矩阵、状态更新矩阵的转置矩阵的乘积，与过程噪声的协方差矩阵的和，确定每种机会信号在第一时刻的预报误差协方差近似矩阵。
可选地，确定单元，还用于针对每种机会信号对应的机载定位设备，确定机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵、与机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵的乘积，得到第一矩阵；确定机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵、机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵、机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵的乘积，与测量噪声的协方差矩阵的和，得到第二矩阵；确定第一矩阵和第二矩阵的比值，得到机载定位设备在第一时刻的卡尔曼增益矩阵，作为机载定位设备的滤波增益矩阵。
可选地，确定单元，具体用于针对每种机会信号，确定机会信号在第一时刻的测量值和机会信号在第一时刻的测量函数的第一差值；确定机会信号对应的机载定位设备的滤波增益矩阵与第一差值的第一乘积；确定机会信号对应的机载定位设备在第一时刻的状态预报值和第一乘积的和，得到机会信号在第一时刻的状态滤波值；确定机会信号的测量函数在第一时刻的雅克比矩阵和机会信号对应的机载定位设备的滤波增益矩阵的第二乘积；确定单位矩阵与第二乘积的第二差值；确定第二差值和机会信号在第一时刻的预报误差协方差近似矩阵的第三乘积，得到机会信号在第一时刻的滤波误差协方差近似矩阵。
可选地，确定单元，具体用于按照每种机会信号在第一时刻的权重，对所有机会信号在第一时刻的状态滤波值进行求和，得到第一求和结果；对所有机会信号在第一时刻的权重进行求和，得到第二求和结果；确定第一求和结果和第二求和结果的比值，得到所有机会信号在第一时刻的融合滤波值。
可选地，求和单元，用于按照每种机会信号在第一时刻的权重，对所有机会信号在第一时刻的滤波误差协方差近似矩阵进行求和，得到第三求和结果；确定单元，还用于确定第三求和结果和第二求和结果的比值，得到所有机会信号在第一时刻的融合误差协方差近似矩阵。
根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行根据第一方面所述的方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面所述的方法。
本公开第二方面至第五方面所具备的有益效果可以参考第一方面所具备的有益效果，不再赘述。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开实施例提供的基于机会信号融合的飞行器定位方法的流程示意图；
图2为本公开实施例提供的图1中S102的一种实现流程示意图；
图3为本公开实施例提供的图1中S102的另一实现流程示意图；
图4为本公开实施例提供的基于机会信号融合的飞行器定位方法的另一流程示意图；
图5为本公开实施例提供的图2中S204的一种实现流程示意图；
图6为本公开实施例提供的图1中S103的一种实现流程示意图；
图7为本公开实施例提供的基于机会信号融合的飞行器定位方法的另一流程示意图；
图8为本公开实施例提供的基于机会信号融合的飞行器定位装置的组成示意图；
图9为可以用来实施本公开的实施例的示例电子设备900的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例作出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
应当理解，在本公开各实施例中，字符“/”一般表示前后关联对象是一种“或”的关系。术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。
基于全球卫星定位系统的定位、导航等技术已经发展成熟，机会信号定位、导航成为全球卫星定位系统拒止状态下的一种有效的定位、导航技术手段。机会信号指存在于空间域中的各类无线电信号，具有不同的频段和传输介质。利用机会信号定位、导航大多是小范围进行的，通过接收环境中已有的多频段随机信号来实现。
目前利用机会信号定位的方法是当飞行器接收到多个机会信号时，对接收到的同构机会信号进行信号处理以实现通过机会信号导航。
但目前的利用机会信号定位的方法无法解决多个异构机会信号的处理问题，从而影响定位的准确性。
示例性地，基于全球卫星定位系统的定位、导航等技术已经发展成熟，但在室内、隧道、建筑密集区等复杂环境中的定位效果并不理想。尤其是卫星信号较弱，或是受到干扰和攻击情况下，会出现全球卫星定位系统拒止状态，无法实现定位、导航等功能。在这样的情况下，机会信号定位、导航成为全球卫星定位系统拒止状态下的一种有效的定位、导航技术手段。机会信号指存在于空间域中的各类无线电信号，具有不同的频段和传输介质，是广泛分布在空间域中的。常见的机会信号包括广播、移动通信、导航、电视和卫星等多种军、民用信号。
同构机会信号可以理解为同一类型的机会信号，异构机会信号可以理解为不同类型的机会信号。目前利用机会信号定位的方法是当飞行器接收到多个同构机会信号时，可以对接收到的同构机会信号进行融合以实现通过机会信号导航，当飞行器接收到多个异构机会信号时，可以从接收到的多个异构机会信号中选取同构机会信号进行融合以实现通过机会信号导航，或者通过改动原有机会信号机载导航设备实现通过机会信号导航。但目前的利用机会信号定位的方法无法对多个异构机会信号进行融合，从而会影响定位的准确性。
在此背景技术下，本公开提供了一种基于机会信号融合的飞行器定位方法，能够对飞行器接收端接收到多个异构机会信号进行融合，实现不改动原有同构机会信号机载导航设备下的信息融合，从而提高定位的准确性。
示例性地，本公开提供的基于机会信号融合的飞行器定位方法，可以应用于在飞行器接收端接收到多个异构机会信号时，对多个异构机会信号进行融合并对飞行器位置进行定位的场景下。
示例性地，本公开实施例提供的基于机会信号融合的飞行器定位方法的执行主体可以是计算机或服务器，或者还可以是其他具有数据处理能力的设备，或者还可以是飞行器上的数据处理芯片、数据处理器等。在此对该方法的执行主体不作限制。
一些实施例中，服务器可以是单独的一个服务器，或者，也可以是由多个服务器构成的服务器集群。部分实施方式中，服务器集群还可以是分布式集群。本公开对服务器的具体实现方式也不作限制。
图1为本公开实施例提供的基于机会信号融合的飞行器定位方法的流程示意图。如图1所示，该方法可以包括S101-S104。
S101、获取飞行器的接收端收到的至少两种机会信号。
示例性地，飞行器的接收端收到的机会信号类型可以包括：接收的信号强度指示（received signal strength indication，RSSI）信号、时间到达定位（time of arrival，TOA）信号、到达时间差（time difference of arrival，TDOA）信号、多普勒频率差信号、到达角度测距（angle of arrival，AOA）信号。
S102、确定每种所述机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵。
示例性地，第一时刻可以是任意一个采样时刻。在获取到飞行器的接收端收到的不同类型的机会信号后，可以建立带有离散化误差的飞行器运动与机会信号测量方程：
公式（1）
公式（2）
公式（3）
公式（4）
公式（5）
公式（6）
其中，X k 为第k个采样时刻的飞行器状态向量，其中，飞行器状态包括飞行器的位置和速度。为离散化误差，w k 为零均值、协方差Q k 的过程噪声，Y k,i 为第i个机载定位设备中的机会信号在第k个采样时刻的测量值，G i （·）表示第i个机载定位设备中的机会信号测量函数，（p x， p y， p z ）为飞行器位置坐标，d 0 为标称距离量，为飞行器与发射源距离为d 0 时的信号接收v功率，为信道衰减系数，f 0 为信号发射频率，c为信号传播速度，为号信号发射源对于飞行器的相对速度,为信号发射源的坐标，为1号信号发射源的坐标；为2号信号发射源的坐标。为第j个机载定位设备的RSSI测量函数，为第j个机载定位设备的TOA测量函数，为第j个机载定位设备的TDOA测量函数，为第j个机载定位设备的多普勒信号差测量函数，为第j个机载定位设备的AOA相对方位角测量函数，为第j个机载定位设备的AOA相对俯仰角测量函数。矩阵A与B k 满足如下表达式：
其中，A为状态更新矩阵，B k 为控制增益矩阵，为分别为飞行器在X轴方向、Y轴方向、Z轴方向上的加速度分量。
可以通过上述建立的方程对获取到的每种机会信号进行滤波计算，得到每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵。
示例地，以采样间隔时间为0.1秒为例，为0.1，，X k 为第k个采样时刻的飞行器状态向量，矩阵与满足下列表达式：
在一个具体的示例中，各参数的值可以记为 根据上述公式可以得出RSSI、TOA、TDOA、多普勒频率差、AOA信息测量噪声方差分别为1、0.5、0.5、1、0.05，系统方程中位移过程噪声方差为1。
S103、根据每种机会信号在第一时刻的权重和每种机会信号在第一时刻的状态滤波值，确定所有机会信号在第一时刻的融合滤波值。
S104、根据所有机会信号在第一时刻的融合滤波值，确定飞行器的位置。
示例性地，可以通过方程计算出每种机会信号在第一时刻的权重，可以用k+1表示第一时刻，k表示第二时刻。其中，W k,i 为设计融合权重矩阵，可以理解为第i个机载定位设备第k+1个采样时刻的融合权重矩阵；p k,i,j 为S102中得到的滤波误差协方差近似矩阵的第j个对角线元素，表示对角线元素依次为的对角阵。根据计算出的每种机会信号在第一时刻的权重和S102中得到的每种机会信号在第一时刻的状态滤波值，可以通过预设算法确定出所有机会信号在第一时刻的融合滤波值，最后根据所有机会信号在第一时刻的融合滤波值确定飞行器的位置。
本公开实施例通过获取飞行器的接收端收到的至少两种机会信号，确定每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵，然后根据每种机会信号在第一时刻的权重和每种机会信号在第一时刻的状态滤波值，确定出所有机会信号在第一时刻的融合滤波值，最后根据所有机会信号在第一时刻的融合滤波值，确定飞行器的位置。可以在飞行器接收端接收到多个异构机会信号时，对飞行器接收端接收到的多个异构机会信号进行融合，实现不改动原有同构机会信号机载定位设备下的信息融合，便于自由地增加或减少机载定位设备，避免了整体机载定位设备的软硬件重置，从而提高了对飞行器定位的准确性和效率。
图2为本公开实施例提供的图1中S102的一种实现流程示意图。如图2所示，图1中的S102可以包括S201-S204。
S201、获取每种机会信号对应的机载定位设备在第二时刻的状态预报值和预报误差协方差近似矩阵。
其中，第二时刻为第一时刻之前的时刻。
示例地，第二时刻可以为第一时刻的前一时刻，也可以为第一时刻前的某一时刻，当有T0、T1、T2、T3这四个时刻，第一时刻为T3时，第二时刻可以为T2，也可以为T0或T1。
S202、根据每种机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种机会信号在第一时刻的状态预报值。
S203、根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种机会信号在第一时刻的预报误差协方差近似矩阵。
示例性地，可以通过机载定位设备的定位预报模块，根据第二时刻的传输的每种机会信号对应的机载定位设备的状态预报值和预报误差协方差近似矩阵计算出每种机会信号在第一时刻的状态预报值和每种机会信号在第一时刻的预报误差协方差近似矩阵。具体的计算方式可以参考上述实施例中建立的带有离散化误差的飞行器运动与机会信号测量方程，得到方程，其中：为第i个机载定位设备在第k+1个采样时刻的状态预报值，为第i个机载定位设备在第k+1个采样时刻的预报误差协方差近似矩阵；Q k 为过程噪声的协方差矩阵，过程噪声表示滤波过程中产生的噪声；A为状态更新矩阵，B k 控制增益矩阵，为A的转置矩阵，各类协方差近似矩阵初始值可以选取为对角元等于10的对角阵。
S204、根据每种机会信号在第一时刻的测量值、每种机会信号对应的机载定位设备的滤波增益矩阵，对每种机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵分别进行更新，得到每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵。
示例性地，在确定出每种机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵后，可以获取每种机会信号在第一时刻的测量值，计算出每种机会信号对应的机载定位设备的滤波增益矩阵，然后根据每种机会信号在第一时刻的测量值、每种机会信号对应的机载定位设备的滤波增益矩阵，对每种机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵分别进行更新，得到每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵。
本实施例通过获取每种机会信号对应的机载定位设备在第二时刻的状态预报值和预报误差协方差近似矩阵，根据每种机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种机会信号在第一时刻的状态预报值；然后根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种机会信号在第一时刻的预报误差协方差近似矩阵；最后根据每种机会信号在第一时刻的测量值、每种机会信号对应的机载定位设备的滤波增益矩阵，对每种机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵分别进行更新，得到每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵。可以计算出在实际无法获取与的情况下每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵，为后续工作提供数据支撑。
图3为本公开实施例提供的图1中S102的另一实现流程示意图。如图3所示，图1中的S102可以包括S301-S304。
S301、获取每种机会信号对应的机载定位设备在第二时刻的状态预报值和预报误差协方差近似矩阵。
其中，第二时刻为第一时刻之前的时刻。
S302、根据每种机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种机会信号在第一时刻的状态预报值。
S303、根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种机会信号在第一时刻的预报误差协方差近似矩阵。
示例性地，确定每种机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵的具体方法可以参考S202-S203中确定每种机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵的具体方法，此处不再赘述。
S304、针对每种机会信号，将机会信号在第一时刻的状态预报值作为机会信号在第一时刻的状态滤波值，将机会信号在第一时刻的预报误差协方差近似矩阵作为机会信号在第一时刻的滤波误差协方差近似矩阵。
示例性地，针对每种机会信号，在确定出上述机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵后，可以直接将上述机会信号在第一时刻的状态预报值作为上述机会信号在第一时刻的状态滤波值，将上述机会信号在第一时刻的预报误差协方差近似矩阵作为上述机会信号在第一时刻的滤波误差协方差近似矩阵。
本实施例通过获取每种机会信号对应的机载定位设备在第二时刻的状态预报值和预报误差协方差近似矩阵，根据每种机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种机会信号在第一时刻的状态预报值；然后根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种机会信号在第一时刻的预报误差协方差近似矩阵；针对每种机会信号，将机会信号在第一时刻的状态预报值作为机会信号在第一时刻的状态滤波值，将机会信号在第一时刻的预报误差协方差近似矩阵作为机会信号在第一时刻的滤波误差协方差近似矩阵。可以直接将上述机会信号在第一时刻的状态预报值作为上述机会信号在第一时刻的状态滤波值，将上述机会信号在第一时刻的预报误差协方差近似矩阵作为上述机会信号在第一时刻的滤波误差协方差近似矩阵，减少了对机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵再次更新的过程，从而提高了对飞行器定位的效率。
一些实施例中，上述根据每种机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种机会信号在第一时刻的状态预报值，可以包括：根据每种机会信号对应的机载定位设备在第二时刻的状态预报值和状态更新矩阵的乘积，与控制增益矩阵的和，确定每种机会信号在第一时刻的状态预报值。
示例性地，可以先计算出每种机会信号对应的机载定位设备在第二时刻的状态预报值和状态更新矩阵的乘积，再将得到的每种机会信号对应的机载定位设备在第二时刻的状态预报值和状态更新矩阵的乘积，与控制增益矩阵相加，得到第一值，第一值即为每种机会信号在第一时刻的状态预报值，其中，第二时刻为第一时刻之前的时刻。
示例地，每种机会信号在第一时刻的状态预报值为：
公式（7）
公式（7）中，表示第i个机载定位设备第k+1个采样时刻的状态预报值，A表示状态更新矩阵，表示第i个机载定位设备第k个采样时刻的状态预报值，B k 表示控制增益矩阵。
本实施例通过根据每种机会信号对应的机载定位设备在第二时刻的状态预报值和状态更新矩阵的乘积，与控制增益矩阵的和，确定每种机会信号在第一时刻的状态预报值。可以计算出每种机会信号在第一时刻的状态预报值，从而可以得到飞行器在第一时刻的预估位置和速度，为后续进一步对飞行器进行精准定位提供数据支撑。
一些实施例中，上述根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种机会信号在第一时刻的预报误差协方差近似矩阵，可以包括：根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵、状态更新矩阵、状态更新矩阵的转置矩阵的乘积，与过程噪声的协方差矩阵的和，确定每种机会信号在第一时刻的预报误差协方差近似矩阵。
示例性地，可以先计算出每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵与状态更新矩阵以及状态更新矩阵的转置矩阵的乘积，得到第三矩阵，在计算出第三矩阵与过程噪声的协方差矩阵的和，得到第四矩阵，第四矩阵即为每种机会信号在第一时刻的预报误差协方差近似矩阵，其中，第二时刻为第一时刻之前的时刻。
示例地，每种机会信号在第一时刻的预报误差协方差近似矩阵为：
公式（8）
公式（8）中，表示第i个机载定位设备在第k+1个采样时刻的预报误差协方差近似矩阵，P k 表示第i个机载定位设备在第k个采样时刻的预报误差协方差近似矩阵，Q k 为过程噪声的协方差矩阵。
本实施例通过根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵、状态更新矩阵、状态更新矩阵的转置矩阵的乘积，与过程噪声的协方差矩阵的和，确定每种机会信号在第一时刻的预报误差协方差近似矩阵，可以得到预报误差协方差近似矩阵，通过预报误差协方差近似矩阵对滤波过程中产生的误差进行分析，为后续分析融合算法的误差提供数据支撑。
图4为本公开实施例提供的基于机会信号融合的飞行器定位方法的另一流程示意图。如图4所示，该方法可以包括S401-S403。
S401、针对每种机会信号对应的机载定位设备，确定机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵、与机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵的乘积，得到第一矩阵。
示例性地，可以先根据机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵确定出机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵，然后计算出机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵与机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵的乘积，得到第一矩阵。
示例地，机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵为：
公式（9）
公式（9）中，表示第i个机载定位设备中的机会信号测量函数在处的雅克比矩阵，表示第i个机载定位设备第k+1个采样时刻的状态预报值，G i 表示第i个机载定位设备中的机会信号测量函数。可以根据确定出，表示第i个机载定位设备中的机会信号测量函数在处的雅克比矩阵的转置矩阵，表示第i个机载定位设备中的机会信号在第k+1个采样时刻的预报误差协方差近似矩阵，计算与的乘积可以得到第一矩阵。
S402、确定机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵、机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵、机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵的乘积，与测量噪声的协方差矩阵的和，得到第二矩阵。
S403、确定第一矩阵和第二矩阵的比值，得到机载定位设备在第一时刻的卡尔曼增益矩阵，作为机载定位设备的滤波增益矩阵。
示例性地，根据S401中得到的机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵，可以计算出机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵、机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵、机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵的乘积，得到第五矩阵，然后可以计算出第五矩阵与测量噪声的协方差矩阵的和，得到第二矩阵。计算第一矩阵和第二矩阵的比值，得到机载定位设备在第一时刻的卡尔曼增益矩阵，可以将机载定位设备在第一时刻的卡尔曼增益矩阵作为机载定位设备的滤波增益矩阵。
示例地，机载定位设备的滤波增益矩阵为：
公式（10）
公式（10）中，表示第i个机载定位设备第k+1个采样时刻的卡尔曼增益矩阵，也即，表示第i个机载定位设备的滤波增益矩阵；表示第i个机载定位设备中的机会信号在第k+1个采样时刻的预报误差协方差近似矩阵，表示第i个机载定位设备中的机会信号测量函数在处的雅克比矩阵，表示第i个机载定位设备中的机会信号测量函数在处的雅克比矩阵的转置矩阵，表示测量噪声的协方差矩阵。
本实施例通过针对每种机会信号对应的机载定位设备，确定机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵、与机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵的乘积，得到第一矩阵；然后确定机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵、机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵、机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵的乘积，与测量噪声的协方差矩阵的和，得到第二矩阵；最后确定第一矩阵和第二矩阵的比值，得到机载定位设备在第一时刻的卡尔曼增益矩阵，作为机载定位设备的滤波增益矩阵。可以计算出机载定位设备在第一时刻的卡尔曼增益矩阵，并将该卡尔曼增益矩阵作为机载定位设备的滤波增益矩阵，为实现对机会信号进行滤波提供了数据支持，也为后续对飞行器的定位提供了数据支撑，进一步提高了对飞行器定位的准确性。
图5为本公开实施例提供的图2中S204的一种实现流程示意图。如图5所示，图2中的S204可以包括S501-S506。
S501、针对每种机会信号，确定机会信号在第一时刻的测量值和机会信号在第一时刻的测量函数的第一差值。
S502、确定机会信号对应的机载定位设备的滤波增益矩阵与第一差值的第一乘积。
S503、确定机会信号对应的机载定位设备在第一时刻的状态预报值和第一乘积的和，得到机会信号在第一时刻的状态滤波值。
示例性地，可以通过公式（11）计算机会信号在第一时刻的状态滤波值，机会信号在第一时刻的状态滤波值可以为：
公式（11）
公式（11）中，表示第i个机载定位设备在第k+1个采样时刻的状态滤波值，表示第i个机载定位设备在第k+1个采样时刻的状态预报值，表示第i个机载定位设备的滤波增益矩阵，表示第k+1个采样时刻获得的测量值，表示机会信号在第k+1个采样时刻的测量函数。
S504、确定机会信号的测量函数在第一时刻的雅克比矩阵和机会信号对应的机载定位设备的滤波增益矩阵的第二乘积。
S505、确定单位矩阵与第二乘积的第二差值。
S506、确定第二差值和机会信号在第一时刻的预报误差协方差近似矩阵的第三乘积，得到机会信号在第一时刻的滤波误差协方差近似矩阵。
示例性地，可以通过公式（12）计算机会信号在第一时刻的滤波误差协方差近似矩阵，机会信号在第一时刻的滤波误差协方差近似矩阵为：
公式（12）
公式（12）中，表示第i个机载定位设备在第k+1个采样时刻的滤波误差协方差近似矩阵；I表示单位矩阵，该单位矩阵的阶数可以忽略或者根据公式（12）中的其他参数确定；表示第i个机载定位设备的滤波增益矩阵，表示第i个机载定位设备中的机会信号测量函数在处的雅克比矩阵，表示第i个机载定位设备中的机会信号在第k+1个采样时刻的预报误差协方差近似矩阵。
本实施例针对每种机会信号，首先确定机会信号在第一时刻的测量值和机会信号在第一时刻的测量函数的第一差值；确定机会信号对应的机载定位设备的滤波增益矩阵与第一差值的第一乘积；然后根据机会信号对应的机载定位设备在第一时刻的状态预报值和第一乘积的和，得到机会信号在第一时刻的状态滤波值，实现了对机会信号对应的机载定位设备的状态预报值的更新。再确定机会信号的测量函数在第一时刻的雅克比矩阵和机会信号对应的机载定位设备的滤波增益矩阵的第二乘积；确定单位矩阵与第二乘积的第二差值；根据第二差值和机会信号在第一时刻的预报误差协方差近似矩阵的第三乘积，得到机会信号在第一时刻的滤波误差协方差近似矩阵，实现了对机会信号对应的机载定位设备的预报误差协方差近似矩阵的更新。通过对机会信号对应的机载定位设备的状态预报值和预报误差协方差近似矩阵的更新，进一步实现了对机会信号的滤波，从而减少了对飞行器定位过程中的误差，提高了对飞行器定位的准确性。
图6为本公开实施例提供的图1中S103的一种实现流程示意图。如图6所示，图1中的S103可以包括S601-S603。
S601、按照每种机会信号在第一时刻的权重，对所有机会信号在第一时刻的状态滤波值进行求和，得到第一求和结果。
S602、对所有机会信号在第一时刻的权重进行求和，得到第二求和结果。
S603、确定第一求和结果和第二求和结果的比值，得到所有机会信号在第一时刻的融合滤波值。
示例性地，可以通过公式（13）计算机会信号在第一时刻的融合滤波值，机会信号在第一时刻的融合滤波值为：
公式（13）
公式（13）中，表示第k+1个采样时刻的融合滤波值，表示第i个机载定位设备第k+1个采样时刻的融合权重矩阵，表示第i个机载定位设备在第k+1个采样时刻的状态滤波值，可以先按照每种机会信号在第一时刻的权重，对所有机会信号在第一时刻的状态滤波值进行求和，得到第一求和结果，第一求和结果即为，然后对所有机会信号在第一时刻的权重进行求和，得到第二求和结果，第二求和结果即为，最后，计算第一求和结果和第二求和结果的比值，计算得到的该比值即为所有机会信号在第一时刻的融合滤波值。
本实施例按照每种机会信号在第一时刻的权重，对所有机会信号在第一时刻的状态滤波值进行求和，得到第一求和结果；然后对所有机会信号在第一时刻的权重进行求和，得到第二求和结果；最后确定第一求和结果和第二求和结果的比值，得到所有机会信号在第一时刻的融合滤波值。可以根据每种机会信号在第一时刻的权重得到所有机会信号在第一时刻的融合滤波值，考虑到了时变的融合权重矩阵对计算机会信号的融合滤波值的影响，进一步提高了对飞行器定位的准确性。
图7为本公开实施例提供的基于机会信号融合的飞行器定位方法的另一流程示意图。如图7所示，该方法可以包括S701-S702。
S701、按照每种机会信号在第一时刻的权重，对所有机会信号在第一时刻的滤波误差协方差近似矩阵进行求和，得到第三求和结果。
S702、确定第三求和结果和第二求和结果的比值，得到所有机会信号在第一时刻的融合误差协方差近似矩阵。
示例性地，可以通过公式（14）计算机会信号在第一时刻的融合误差协方差近似矩阵，机会信号在第一时刻的融合误差协方差近似矩阵为：
公式（14）
公式（14）中，表示第k+1个采样时刻的融合误差协方差近似矩阵，表示第i个机载定位设备第k+1个采样时刻的融合权重矩阵，表示第i个机载定位设备在第k+1个采样时刻的滤波误差协方差近似矩阵。可以先按照每种机会信号在第一时刻的权重，对所有机会信号在第一时刻的滤波误差协方差近似矩阵进行求和，得到第三求和结果，第三求和结果即为，然后确定第三求和结果和第二求和结果的比值，得到所有机会信号在第一时刻的融合误差协方差近似矩阵。
本实施例按照每种机会信号在第一时刻的权重，对所有机会信号在第一时刻的滤波误差协方差近似矩阵进行求和，得到第三求和结果。然后确定第三求和结果和第二求和结果的比值，得到所有机会信号在第一时刻的融合误差协方差近似矩阵，可以对误差进行分析，得到误差分析结果，基于误差方差最小化对融合算法进行优化，从而减小飞行器定位过程中的误差，进一步提高对飞行器定位的准确性。
示例性实施例中，本公开实施例还提供一种基于机会信号融合的飞行器定位装置，可以用于实现如前述实施例的基于机会信号融合的飞行器定位方法。图8为本公开实施例提供的基于机会信号融合的飞行器定位装置的组成示意图。如图8所示，该装置可以包括：获取单元801、确定单元802。
获取单元801，用于获取飞行器的接收端收到的至少两种机会信号。
确定单元802，用于确定每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵。
确定单元802，还用于根据每种机会信号在第一时刻的权重和每种机会信号在第一时刻的状态滤波值，确定所有机会信号在第一时刻的融合滤波值。
确定单元802，还用于根据所有机会信号在第一时刻的融合滤波值，确定飞行器的位置。
可选地，确定单元802，具体用于获取每种机会信号对应的机载定位设备在第二时刻的状态预报值和预报误差协方差近似矩阵，第二时刻为第一时刻之前的时刻；根据每种机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种机会信号在第一时刻的状态预报值；根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种机会信号在第一时刻的预报误差协方差近似矩阵；根据每种机会信号在第一时刻的测量值、每种机会信号对应的机载定位设备的滤波增益矩阵，对每种机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵分别进行更新，得到每种机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵。
可选地，确定单元802，具体用于获取每种机会信号对应的机载定位设备在第二时刻的状态预报值和预报误差协方差近似矩阵，第二时刻为第一时刻之前的时刻；根据每种机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种机会信号在第一时刻的状态预报值；根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种机会信号在第一时刻的预报误差协方差近似矩阵；针对每种机会信号，将机会信号在第一时刻的状态预报值作为机会信号在第一时刻的状态滤波值，将机会信号在第一时刻的预报误差协方差近似矩阵作为机会信号在第一时刻的滤波误差协方差近似矩阵。
可选地，确定单元802，具体用于根据每种机会信号对应的机载定位设备在第二时刻的状态预报值和状态更新矩阵的乘积，与控制增益矩阵的和，确定每种机会信号在第一时刻的状态预报值。
可选地，确定单元802，具体用于根据每种机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵、状态更新矩阵、状态更新矩阵的转置矩阵的乘积，与过程噪声的协方差矩阵的和，确定每种机会信号在第一时刻的预报误差协方差近似矩阵。
可选地，确定单元802，还用于针对每种机会信号对应的机载定位设备，确定机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵、与机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵的乘积，得到第一矩阵；确定机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵、机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵、机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵的乘积，与测量噪声的协方差矩阵的和，得到第二矩阵；确定第一矩阵和第二矩阵的比值，得到机载定位设备在第一时刻的卡尔曼增益矩阵，作为机载定位设备的滤波增益矩阵。
可选地，确定单元802，具体用于针对每种机会信号，确定机会信号在第一时刻的测量值和机会信号在第一时刻的测量函数的第一差值；确定机会信号对应的机载定位设备的滤波增益矩阵与第一差值的第一乘积；确定机会信号对应的机载定位设备在第一时刻的状态预报值和第一乘积的和，得到机会信号在第一时刻的状态滤波值；确定机会信号的测量函数在第一时刻的雅克比矩阵和机会信号对应的机载定位设备的滤波增益矩阵的第二乘积；确定单位矩阵与第二乘积的第二差值；确定第二差值和机会信号在第一时刻的预报误差协方差近似矩阵的第三乘积，得到机会信号在第一时刻的滤波误差协方差近似矩阵。
可选地，确定单元802，具体用于按照每种机会信号在第一时刻的权重，对所有机会信号在第一时刻的状态滤波值进行求和，得到第一求和结果；对所有机会信号在第一时刻的权重进行求和，得到第二求和结果；确定第一求和结果和第二求和结果的比值，得到所有机会信号在第一时刻的融合滤波值。
可选地，求和单元803，用于按照每种机会信号在第一时刻的权重，对所有机会信号在第一时刻的滤波误差协方差近似矩阵进行求和，得到第三求和结果；确定单元802，还用于确定第三求和结果和第二求和结果的比值，得到所有机会信号在第一时刻的融合误差协方差近似矩阵。
上述基于机会信号融合的飞行器定位装置所具备的有益效果，可以参考前述实施例中所述的基于机会信号融合的飞行器定位方法具备的有益效果，此处不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备。该电子设备可以是前述实施例中所述的服务器、计算机等设备，能够用于实现本公开实施例提供的基于机会信号融合的飞行器定位方法。
示例性实施例中，电子设备可以包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上实施例所述的基于机会信号融合的飞行器定位方法。
例如，图9为可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示，电子设备900可以包括计算单元901，其可以根据存储在只读存储器（ROM）中的计算机程序或者从存储单元908加载到随机访问存储器（RAM）中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可电子设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出（I/O）接口也连接至总线904。
电子设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许电子设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如基于机会信号融合的飞行器定位方法。例如，在一些实施例中，基于机会信号融合的飞行器定位方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。
在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到电子设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的基于机会信号融合的飞行器定位方法的一个或多个步骤。
备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行基于机会信号融合的飞行器定位方法。
根据本公开的实施例，本公开还提供了一种可读存储介质和一种计算机程序产品。
示例性实施例中，可读存储介质可以是存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行根据以上实施例所述的方法。
示例性实施例中，计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现根据以上实施例所述的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、包括中间件部件的计算系统（例如，应用服务器）、包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、包括这种后台部件、中间件部件、前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (16)
1.一种基于机会信号融合的飞行器定位方法，所述方法包括：
获取飞行器的接收端收到的至少两种机会信号；
确定每种所述机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵；
根据每种所述机会信号在第一时刻的权重和每种所述机会信号在第一时刻的状态滤波值，确定所有所述机会信号在第一时刻的融合滤波值；
根据所有所述机会信号在第一时刻的融合滤波值，确定所述飞行器的位置；
所述确定每种所述机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵，包括：
获取每种所述机会信号对应的机载定位设备在第二时刻的状态预报值和预报误差协方差近似矩阵，所述第二时刻为所述第一时刻之前的时刻；
根据每种所述机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种所述机会信号在第一时刻的状态预报值；
根据每种所述机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种所述机会信号在第一时刻的预报误差协方差近似矩阵；
根据每种所述机会信号在第一时刻的测量值、每种所述机会信号对应的机载定位设备的滤波增益矩阵，对每种所述机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵分别进行更新，得到每种所述机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵；或者，针对每种所述机会信号，将所述机会信号在第一时刻的状态预报值作为所述机会信号在第一时刻的状态滤波值，将所述机会信号在第一时刻的预报误差协方差近似矩阵作为所述机会信号在第一时刻的滤波误差协方差近似矩阵。
2.根据权利要求1所述的方法，所述根据每种所述机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种所述机会信号在第一时刻的状态预报值，包括：
根据每种所述机会信号对应的机载定位设备在第二时刻的状态预报值和状态更新矩阵的乘积，与控制增益矩阵的和，确定每种所述机会信号在第一时刻的状态预报值。
3.根据权利要求2所述的方法，所述根据每种所述机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种所述机会信号在第一时刻的预报误差协方差近似矩阵，包括：
根据每种所述机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵、所述状态更新矩阵、所述状态更新矩阵的转置矩阵的乘积，与过程噪声的协方差矩阵的和，确定每种所述机会信号在第一时刻的预报误差协方差近似矩阵。
4.根据权利要求1所述的方法，所述根据每种所述机会信号在第一时刻的测量值、每种所述机会信号对应的机载定位设备的滤波增益矩阵，对每种所述机会信号在第一时刻的状态预报值和所述预报误差协方差近似矩阵分别进行更新，得到每种所述机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵之前，所述方法还包括：
针对每种所述机会信号对应的机载定位设备，确定所述机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵、与所述机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵的乘积，得到第一矩阵；
确定所述机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵、所述机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵、所述机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵的乘积，与测量噪声的协方差矩阵的和，得到第二矩阵；
确定所述第一矩阵和所述第二矩阵的比值，得到所述机载定位设备在第一时刻的卡尔曼增益矩阵，作为所述机载定位设备的滤波增益矩阵。
5.根据权利要求1所述的方法，所述根据每种所述机会信号在第一时刻的测量值、每种所述机会信号对应的机载定位设备的滤波增益矩阵，对每种所述机会信号在第一时刻的状态预报值和所述预报误差协方差近似矩阵分别进行更新，得到每种所述机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵，包括：
针对每种所述机会信号，确定所述机会信号在第一时刻的测量值和所述机会信号在第一时刻的测量函数的第一差值；
确定所述机会信号对应的机载定位设备的滤波增益矩阵与所述第一差值的第一乘积；
确定所述机会信号对应的机载定位设备在第一时刻的状态预报值和所述第一乘积的和，得到所述机会信号在第一时刻的状态滤波值；
确定所述机会信号的测量函数在第一时刻的雅克比矩阵和所述机会信号对应的机载定位设备的滤波增益矩阵的第二乘积；
确定单位矩阵与所述第二乘积的第二差值；
确定所述第二差值和所述机会信号在第一时刻的预报误差协方差近似矩阵的第三乘积，得到所述机会信号在第一时刻的滤波误差协方差近似矩阵。
6.根据权利要求1所述的方法，所述根据每种所述机会信号在第一时刻的权重和每种所述机会信号在第一时刻的状态滤波值，确定所有所述机会信号在第一时刻的融合滤波值，包括：
按照每种所述机会信号在第一时刻的权重，对所有所述机会信号在第一时刻的状态滤波值进行求和，得到第一求和结果；
对所有所述机会信号在第一时刻的权重进行求和，得到第二求和结果；
确定所述第一求和结果和所述第二求和结果的比值，得到所有所述机会信号在第一时刻的融合滤波值。
7.根据权利要求6所述的方法，所述方法还包括：
按照每种所述机会信号在第一时刻的权重，对所有所述机会信号在第一时刻的滤波误差协方差近似矩阵进行求和，得到第三求和结果；
确定所述第三求和结果和所述第二求和结果的比值，得到所有所述机会信号在第一时刻的融合误差协方差近似矩阵。
8.一种基于机会信号融合的飞行器定位装置，所述装置包括：
获取单元，用于获取飞行器的接收端收到的至少两种机会信号；
确定单元，用于确定每种所述机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵；
所述确定单元，还用于根据每种所述机会信号在第一时刻的权重和每种所述机会信号在第一时刻的状态滤波值，确定所有所述机会信号在第一时刻的融合滤波值；
所述确定单元，还用于根据所有所述机会信号在第一时刻的融合滤波值，确定所述飞行器的位置；
所述确定单元，具体用于：
获取每种所述机会信号对应的机载定位设备在第二时刻的状态预报值和预报误差协方差近似矩阵，所述第二时刻为所述第一时刻之前的时刻；
根据每种所述机会信号对应的机载定位设备在第二时刻的状态预报值，确定每种所述机会信号在第一时刻的状态预报值；
根据每种所述机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵，确定每种所述机会信号在第一时刻的预报误差协方差近似矩阵；
根据每种所述机会信号在第一时刻的测量值、每种所述机会信号对应的机载定位设备的滤波增益矩阵，对每种所述机会信号在第一时刻的状态预报值和预报误差协方差近似矩阵分别进行更新，得到每种所述机会信号在第一时刻的状态滤波值和滤波误差协方差近似矩阵；或者，针对每种所述机会信号，将所述机会信号在第一时刻的状态预报值作为所述机会信号在第一时刻的状态滤波值，将所述机会信号在第一时刻的预报误差协方差近似矩阵作为所述机会信号在第一时刻的滤波误差协方差近似矩阵。
9.根据权利要求8所述的装置，所述确定单元，具体用于：
根据每种所述机会信号对应的机载定位设备在第二时刻的状态预报值和状态更新矩阵的乘积，与控制增益矩阵的和，确定每种所述机会信号在第一时刻的状态预报值。
10.根据权利要求8所述的装置，所述确定单元，具体用于：
根据每种所述机会信号对应的机载定位设备中在第二时刻的预报误差协方差近似矩阵、所述状态更新矩阵、所述状态更新矩阵的转置矩阵的乘积，与过程噪声的协方差矩阵的和，确定每种所述机会信号在第一时刻的预报误差协方差近似矩阵。
11.根据权利要求8所述的装置，所述确定单元，还用于：
针对每种所述机会信号对应的机载定位设备，确定所述机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵、与所述机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵的乘积，得到第一矩阵；
确定所述机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵、所述机载定位设备中的机会信号在第一时刻的预报误差协方差近似矩阵、所述机载定位设备中的机会信号测量函数在第一时刻的雅克比矩阵的转置矩阵的乘积，与测量噪声的协方差矩阵的和，得到第二矩阵；
确定所述第一矩阵和所述第二矩阵的比值，得到所述机载定位设备在第一时刻的卡尔曼增益矩阵，作为所述机载定位设备的滤波增益矩阵。
12.根据权利要求8所述的装置，所述确定单元，具体用于：
针对每种所述机会信号，确定所述机会信号在第一时刻的测量值和所述机会信号在第一时刻的测量函数的第一差值；
确定所述机会信号对应的机载定位设备的滤波增益矩阵与所述第一差值的第一乘积；
确定所述机会信号对应的机载定位设备在第一时刻的状态预报值和所述第一乘积的和，得到所述机会信号在第一时刻的状态滤波值；
确定所述机会信号的测量函数在第一时刻的雅克比矩阵和所述机会信号对应的机载定位设备的滤波增益矩阵的第二乘积；
确定单位矩阵与所述第二乘积的第二差值；
确定所述第二差值和所述机会信号在第一时刻的预报误差协方差近似矩阵的第三乘积，得到所述机会信号在第一时刻的滤波误差协方差近似矩阵。
13.根据权利要求8所述的装置，所述确定单元，具体用于：
按照每种所述机会信号在第一时刻的权重，对所有所述机会信号在第一时刻的状态滤波值进行求和，得到第一求和结果；
对所有所述机会信号在第一时刻的权重进行求和，得到第二求和结果；
确定所述第一求和结果和所述第二求和结果的比值，得到所有所述机会信号在第一时刻的融合滤波值。
14.根据权利要求13所述的装置，所述装置还包括：
求和单元，用于按照每种所述机会信号在第一时刻的权重，对所有所述机会信号在第一时刻的滤波误差协方差近似矩阵进行求和，得到第三求和结果；
所述确定单元，还用于：
确定所述第三求和结果和所述第二求和结果的比值，得到所有所述机会信号在第一时刻的融合误差协方差近似矩阵。
15.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行根据权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311569498.9A CN117269885B (zh) | 2023-11-23 | 2023-11-23 | 基于机会信号融合的飞行器定位方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311569498.9A CN117269885B (zh) | 2023-11-23 | 2023-11-23 | 基于机会信号融合的飞行器定位方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117269885A CN117269885A (zh) | 2023-12-22 |
| CN117269885B true CN117269885B (zh) | 2024-02-20 |
Family
ID=89204935
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311569498.9A Active CN117269885B (zh) | 2023-11-23 | 2023-11-23 | 基于机会信号融合的飞行器定位方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117269885B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2784445A2 (en) * | 2013-03-26 | 2014-10-01 | Honeywell International Inc. | Selected aspects of advanced receiver autonomous integrity monitoring application to kalman filter based navigation filter |
| EP2801838A1 (en) * | 2013-05-08 | 2014-11-12 | Astrium GmbH | Evaluating the position of an aerial vehicle |
| CN106647784A (zh) * | 2016-11-15 | 2017-05-10 | 天津大学 | 基于北斗导航系统的微小型无人飞行器定位与导航方法 |
| CN107784866A (zh) * | 2016-08-25 | 2018-03-09 | 中国飞行试验研究院 | 一种飞行管理系统横向导航精度试飞空域规划方法 |
| CN109883426A (zh) * | 2019-03-08 | 2019-06-14 | 哈尔滨工程大学 | 基于因子图的动态分配与校正多源信息融合方法 |
| CN111142559A (zh) * | 2019-12-24 | 2020-05-12 | 深圳市优必选科技股份有限公司 | 一种飞行器自主导航方法、系统及飞行器 |
| CN112762936A (zh) * | 2020-12-24 | 2021-05-07 | 中国人民解放军军事科学院国防科技创新研究院 | 一种运用于长航时无人机载荷的多源定位信息融合方法 |
| WO2022061836A1 (zh) * | 2020-09-27 | 2022-03-31 | 西门子（中国）有限公司 | 定位方法及装置 |
| CN114565020A (zh) * | 2022-01-25 | 2022-05-31 | 北京航空航天大学 | 一种基于深度置信网络和扩展卡尔曼滤波的飞行器传感器信号融合方法 |
| WO2022205526A1 (zh) * | 2021-04-01 | 2022-10-06 | 江苏科技大学 | 一种用于水下无人机器人集群的动态定位信息融合方法 |
| CN116471661A (zh) * | 2023-04-24 | 2023-07-21 | 东南大学 | 基于射线跟踪的地下管廊机会信号分析方法定位方法 |
| KR20230115027A (ko) * | 2022-01-26 | 2023-08-02 | 부경대학교 산학협력단 | Uwb 및 amcl 기반 모바일 로봇의 실내 위치 측위 정확도를 높이기 위한 장치 및 방법 |
| CN116567531A (zh) * | 2023-04-07 | 2023-08-08 | 浙江大学 | 基于粒子滤波算法的传感器融合室内定位方法及系统 |
| CN116660948A (zh) * | 2023-01-16 | 2023-08-29 | 中国人民解放军战略支援部队航天工程大学 | 一种改进的容积卡尔曼在低轨机会信号定位中的应用方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8560234B2 (en) * | 2008-05-13 | 2013-10-15 | The United States Of America, As Represented By The Secretary Of The Navy | System and method of navigation based on state estimation using a stepped filter |
| KR102201649B1 (ko) * | 2016-07-28 | 2021-01-12 | 한국전자통신연구원 | 분산 융합 필터 기반 자세 인식 장치 및 방법 |
-
2023
- 2023-11-23 CN CN202311569498.9A patent/CN117269885B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2784445A2 (en) * | 2013-03-26 | 2014-10-01 | Honeywell International Inc. | Selected aspects of advanced receiver autonomous integrity monitoring application to kalman filter based navigation filter |
| EP2801838A1 (en) * | 2013-05-08 | 2014-11-12 | Astrium GmbH | Evaluating the position of an aerial vehicle |
| CN107784866A (zh) * | 2016-08-25 | 2018-03-09 | 中国飞行试验研究院 | 一种飞行管理系统横向导航精度试飞空域规划方法 |
| CN106647784A (zh) * | 2016-11-15 | 2017-05-10 | 天津大学 | 基于北斗导航系统的微小型无人飞行器定位与导航方法 |
| CN109883426A (zh) * | 2019-03-08 | 2019-06-14 | 哈尔滨工程大学 | 基于因子图的动态分配与校正多源信息融合方法 |
| CN111142559A (zh) * | 2019-12-24 | 2020-05-12 | 深圳市优必选科技股份有限公司 | 一种飞行器自主导航方法、系统及飞行器 |
| WO2022061836A1 (zh) * | 2020-09-27 | 2022-03-31 | 西门子（中国）有限公司 | 定位方法及装置 |
| CN112762936A (zh) * | 2020-12-24 | 2021-05-07 | 中国人民解放军军事科学院国防科技创新研究院 | 一种运用于长航时无人机载荷的多源定位信息融合方法 |
| WO2022205526A1 (zh) * | 2021-04-01 | 2022-10-06 | 江苏科技大学 | 一种用于水下无人机器人集群的动态定位信息融合方法 |
| CN114565020A (zh) * | 2022-01-25 | 2022-05-31 | 北京航空航天大学 | 一种基于深度置信网络和扩展卡尔曼滤波的飞行器传感器信号融合方法 |
| KR20230115027A (ko) * | 2022-01-26 | 2023-08-02 | 부경대학교 산학협력단 | Uwb 및 amcl 기반 모바일 로봇의 실내 위치 측위 정확도를 높이기 위한 장치 및 방법 |
| CN116660948A (zh) * | 2023-01-16 | 2023-08-29 | 中国人民解放军战略支援部队航天工程大学 | 一种改进的容积卡尔曼在低轨机会信号定位中的应用方法 |
| CN116567531A (zh) * | 2023-04-07 | 2023-08-08 | 浙江大学 | 基于粒子滤波算法的传感器融合室内定位方法及系统 |
| CN116471661A (zh) * | 2023-04-24 | 2023-07-21 | 东南大学 | 基于射线跟踪的地下管廊机会信号分析方法定位方法 |
Non-Patent Citations (6)
| Title |
|---|
| Junyuan Liu et al..Homography Matrix-Based Local Motion Consistent Matching for Remote Sensing Images.remote sensing.2023,第15卷全文. * |
| 刘俊妧等.捷联惯性导航系统下运载体典型作战动作的航迹仿真.现代导航.2019,第10卷(第04期),全文. * |
| 周琳 ; 李晓明 ; 江先志 ; .基于UKF的环境自适应UWB/DR室内定位方法.计算机系统应用.2020,(05),全文. * |
| 多传感器信息融合的目标跟踪研究;朱安福;景占荣;;计算机工程与应用(25);全文 * |
| 红外/毫米波双模制导数据融合方法;何益民;周军;;弹箭与制导学报(01);全文 * |
| 马旭 ; 程咏梅 ; 郝帅 ; .面向无人机高度融合估计的自适应S滤波方法.中国惯性技术学报.2013,(05),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117269885A (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107659893A (zh) | 一种误差补偿方法、装置、电子设备及可读存储介质 | |
| CN103925925A (zh) | 一种用于多点定位系统的实时高精度位置解算方法 | |
| CN108872932B (zh) | 基于神经网络的超视距目标直接定位结果纠偏方法 | |
| CN108054522B (zh) | 室内gnss天线阵列、定位系统、定位方法及装置 | |
| CN113532428B (zh) | 数据处理方法、装置、动中通终端和计算机可读存储介质 | |
| CN115164936A (zh) | 高精地图制作中用于点云拼接的全局位姿修正方法及设备 | |
| CN113177980B (zh) | 用于自动驾驶的目标对象速度确定方法、装置及电子设备 | |
| US20210349176A1 (en) | Positioning system and method | |
| CN117269885B (zh) | 基于机会信号融合的飞行器定位方法及装置 | |
| CN113219505A (zh) | 用于车路协同隧道场景的采集gps坐标的方法、装置和设备 | |
| US20160247392A1 (en) | A method and system for 3d position estimation of an object using time of arrival measurements | |
| CN115021800B (zh) | 使用无人机查找Ka频段卫星终端的方法、装置和电子设备 | |
| CN109282819B (zh) | 基于分布式混合滤波的超宽带定位方法 | |
| CN113970773B (zh) | 定位方法、装置及电子设备 | |
| CN109115219B (zh) | 一种基于场景系数的室内三维定位方法 | |
| CN115278524A (zh) | 一种传感器网络节点的定位方法、装置、设备及存储介质 | |
| CN113329416B (zh) | 无人机载天线阵列的波束对准方法、系统 | |
| Ma et al. | A TDOA localization method for complex environment localization | |
| CN112824936B (zh) | 一种地物高度确定方法、装置、电子设备和介质 | |
| CN114199220A (zh) | 一种无人机空中在线磁罗盘校准方法和装置 | |
| Yang et al. | Robust sequential adaptive Kalman filter algorithm for ultrashort baseline underwater acoustic positioning | |
| CN110207699B (zh) | 一种定位方法和装置 | |
| CN115096304B (zh) | 延时误差修正方法、装置、电子设备和存储介质 | |
| JP6320029B2 (ja) | 測位装置及び測位方法 | |
| Wei et al. | Experimental verification of bias reduction in TDOA based localization |
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 |