基于改进粒子滤波的激光供能无人机跟瞄方法研究

在激光供能无人机中，激光跟瞄无人机光伏电池板的方法成为关注热点之一。针对激光跟瞄无人机存在跟踪偏差大的问题，提出基于改进蝴蝶优化的粒子滤波算法。首先在蝴蝶优化算法初始化阶段引入对立学习策略，改善算法寻优性能；其次将蝴蝶优化算法位置更新公式进行优化，提升算法寻优速度；最后将引入蝴蝶优化算法的粒子滤波算法应用于激光供能无人机的跟瞄中，实现激光对无人机光伏电池板的最优跟踪。MATLAB结果表明，基于改进蝴蝶优化的粒子滤波算法在激光跟瞄过程中可以提高激光器发射激光的准确度，有效减小跟瞄误差，改善激光跟瞄无人机光伏电池板的效果。     

无人机的航迹跟踪与航向测量技术探究

针对无人机的航迹跟踪和航向测量提出了一种基于无源定位技术实现对无人机位置解算的方法。在定位算法中,采用扩展卡尔曼滤波算法对地面测量系统测得的无线电测距、角跟踪数据进行卡尔曼滤波处理,减小了因测距和测角误差对定位精度造成的影响,可保证对无人机航迹的稳定跟踪。仿真结果表明,该技术能够有效提高对无人机航迹跟踪精度,通过对航迹数据的解析可以实现无人机的航向测量。     

激光补给无人机跟踪方法研究

激光供能无人机能实现能量实时补给,提升无人机续航时间。无人机一般情况下,飞行距离地面固定补给站较远,激光光斑增大到完全覆盖无人机机身,导致无线能量传输距离过远,以及如何实施激光跟踪瞄准。针对上述问题,本文提出了一种新的跟踪瞄准方法,根据安装在光伏电池板上光敏传感器的输出电压的对比来对无人机进行最优追踪。经计算得出东西向的偏移量为2.310 mm,与实际偏移量2 mm近似,误差0.31 mm。     

基于“当前”统计模型的IMM目标跟踪算法

机动目标跟踪一直是环境感知领域的研究重点和难点,为了实现对目标物的准确跟踪,研究了将交互多模型(interactingmultiplemodel,IMM)算法应用到无人机对目标的跟踪中。首先,根据目标的真实运动情况建立无人机的运动模型,然后搭建模拟场景,将卡尔曼滤波(kalmanfilter,KF)与IMM相结合的目标跟踪算法应用到无人机的跟踪中,并将该算法与基于"当前"统计模型的单模型目标跟踪算法进行仿真比较。结果表明IMM算法在目标跟踪方面具有较高的应用价值。     

扩展卡尔曼滤波在目标跟踪中的应用研究

扩展卡尔曼滤波在非平稳矢量信号和噪声环境下具有广泛的应用,针对机动目标运动模型的特点,采用基于扩展卡尔曼滤波的算法对运动目标进行跟踪处理,该算法首先建立了运动目标的状态模型和观测模型,然后对观测数据进行滤波和误差估计处理,最后通过计算机的蒙特卡洛仿真得到了滤波轨迹和运动目标的距离和角度误差,仿真结果表明,扩展卡尔曼滤波算法具有很好的目标跟踪性能.     

无人机激光充电跟踪瞄准精度分析

无人机激光充电相比于太阳光充电,能够提高充电能量功率及改善持续充电性能。自动跟踪瞄准精度是无人机激光充电的关键指标。结合激光充电系统的工作原理及组成部件,分析了无人机激光充电跟踪瞄准精度。通过建立无人机激光充电跟踪瞄准模型,分析了对跟踪瞄准精度产生影响的各项误差因素,以及各单项误差变化分别对方位角和天顶角瞄准综合误差的影响。在此基础上进行合理的误差分配,通过误差综合计算得出激光充电跟踪瞄准的方位角和天顶角综合误差。通过对系统瞄准精度的分析,为后续标定提供了理论参考依据。     

基于云台摄像机的快速移动人群的检测与跟踪

为了实现校园的安全监控,提出了基于云台摄像机的快速移动人群的检测与跟踪算法。介绍了云台摄像机用于校园安全监控的基本构成。为了更好地实现云台摄像头对于移动人群的检测与跟踪,建立了基于现实的精确摄像机模型,提出了摄像机自旋转角度约束的摄像机模型。通过最新的核相关滤波器跟踪算法(KCF)实现对运动着的人群检测与跟踪。运用Matlab仿真实验比较该方法和卡尔曼滤波跟踪算法,选择最优方法和相关滤波器跟踪算法来实现检测与跟踪要求。结果表明:相比较于传统的卡尔曼滤波跟踪算法,KFC算法的跟踪精度优于传统方法,精度多数情况下能达到90%以上,高于卡尔曼滤波跟踪算法的60%,检测与跟踪效果达到要求。     

雷达目标角度跟踪环路滤波器设计新方法

角度跟踪环路在机载雷达对目标的距离、速度、角度3维联合跟踪中起着至关重要的作用。该文分析指出传统采用卡尔曼滤波算法形成角度跟踪环路对机动目标角度进行跟踪时跟踪精度低,角跟踪误差收敛速度慢的缺点,提出弯曲度检测跟踪环路滤波器(Bend Degree Tracking Loop Filter, BDTLF)设计方法,其利用弯曲度检测角度曲线拐点,自适应地调节环路滤波器环路等效噪声带宽,并以此来控制角度跟踪环路。此算法加快了角跟踪误差的收敛速度,减轻了拐点处的角度滤波扰动,保持了滤波性能的连续性。计算机仿真结果验证了该文方法相比于卡尔曼滤波算法、粒子滤波算法、-- 滤波算法及恒定系数环路滤波器方法,对弱机动目标角度跟踪具有更加出色的性能。     

无人机激光跟踪与无线供能系统

为了解决无人机工作时间短、续航能力差的问题,采用激光无线供能的方式给无人机进行续航,提出并设计了一套基于跟踪、捕获、瞄准的激光无线能量供给系统,并进行了理论分析,同时在外场200m范围内进行了无人机激光无线供能实验。结果表明,该系统整体光电转换效率约为12%,跟踪精度优于500μrad。该研究为激光跟踪与无线供能技术用于小型航天飞行器提供了参考。     

面向毫米波波束跟踪的扩展卡尔曼滤波算法研究

针对移动毫米波通信场景中收发波束存在角度偏差时接收信号质量急剧下降的问题,提出一种联合 迭代优化均方误差和扩展卡尔曼滤波(Extended Kalman Filtering,EKF)的稳健波束跟踪算法。该算法首先采用EKF算法对信道增益和波束角度进行跟踪,然后基于最小均方误差准则(Minimum Mean Square Error,MMSE)对误差进行 平滑处理,以消除EKF 线性近似引入的误差,实现对波束发射角和到达角的动态跟踪。仿真结果表明所提出的算法能够明显降低移动环境中的波束跟踪误差,并具有稳健的波束跟踪能力。     

基于激光检测的无人机探测系统与实验

现有的无人机探测通常采用以雷达扫描为主,辅以其他传感器探测的方式。但是,目前使用雷达探测的成本较高,而激光器作为一种低成本、低功耗的器件已受到人们广泛关注。以激光为载体,结合无线光通信中的捕获、瞄准、跟踪(APT)系统,设计并实现了一种基于激光探测技术的无人机扫描定位系统,并以气球模拟无人机目标的测试方式,测试了该系统的定位精度和效率。扫描试验结果表明:在激光发射器平均功率小于40mW的情况下,该系统对目标的捕获定位能达到较高的精度,误差在5%以内,最大可探测范围为45m。     

无人机激光无线能量传输APT系统跟踪设计

无人机激光无线能量传输捕获、瞄准、跟踪(APT)系统是系统接收端获得稳定能源的保障。为了解决能量传输过程中充电链路高效可靠的问题, 结合无人机激光能量传输系统特点及实际需求, 在设计中建立自适应感兴趣区域, 提高图像处理速度, 降低噪声, 准确提取目标坐标; 综合考虑多重误差后通过Kalman预测算法实现稳定跟踪, 并根据系统特点提出了系统功率传输效率的计算方案。结果表明, 当无人机飞行速率在18km/h内, 该APT系统能够在300m~500m距离准确跟踪无人机, 跟踪精度在320μrad内。该方案能够保证激光能量传输过程的跟踪精度与可靠性。     

基于单片机的无人机真空速测量系统设计

为了测量无人机真空速,设计了基于单片机的无人机真空速测量系统。根据真空速和动压静压的关系式,采用分段线性插值的算法,测试了0-5 000 m高度的实际真空速值,得到的结果相对误差均不大于4%,能够满足系统精度要求。测试结果表明:该系统具有良好的稳定性,能实时准确地测量出真空速值。     

新型激光多波束系统供能无人机集群方案研究

由于单无人机执行任务量有限、整体效率低,故而无人机集群运动以其稳定性好,执行任务多样性,易操作,易控制等特点受到越来越多的关注。在激光供能无人机集群中,针对无人机的机载能量限制了任务的范围和时长、传统供能方式仅能完成一对一供能导致供能效率较低等问题,本文提出了一种基于光学相控阵技术的新型激光多波束供能系统,包括整体的激光无线能量传输方案、系统工作的整体流程、基于领航跟随法的无人机集群编队控制等,此方案可完成一对多的自调节供能,满足整个无人机集群的能量需求,提高传能距离及传输效率,并通过对无人机集群进行算法控制精准到达预设供能区域。对未来激光无线能量传输应用的领域和方式具有参考价值。     

无人飞行器扩频角跟踪技术研究与应用

单通道单脉冲角跟踪技术因其精度高、工作信噪比较低、动态响应快以及实现简单、可靠,在无人飞行器测控领域得到广泛应用。通过分析单通道单脉冲扩频角跟踪技术的工作原理,给出了该技术在工程中的实现方案;同时考虑到工程应用中的具体需求,对传统的解扩方法进行了改进,以适应单通道单脉冲扩频角跟踪技术在无人飞行器测控领域的应用。     

智能化无人机入侵检测与跟踪拦截系统设计与实现

近年来民用无人机领域发展迅猛,导致无人机“黑飞”事件频出,给国家安全及社会稳定带来了不小的挑战,迫切需要发展反无人机技术。对此,提出一种跟随式定向干扰方案,设计了一套基于视觉的无人机入侵检测与自动跟踪拦截系统。采用HOG+非线性SVM方案来识别无人机,加入ViBe运动目标检测算法来提高识别速度,并通过KCF算法实现无人机目标跟踪。设计制作无人机拦截系统的硬件设备主要包括跟踪伺服系统、底座和托盘等。实验表明,该系统的识别准确率达到90.54%,识别速度为20.56 fps,拦截平台能够在0.5 s内实现对目标无人机的瞄准,跟踪效果良好。在搭建的实物平台上进行系统测试,结果表明,该系统可实现对入侵无人机的运动检测、识别、跟踪与干扰,且识别准确率高,实时性好,能够对入侵的无人机进行自动拦截。     

自适应时空正则的无人机目标跟踪算法

针对无人机跟踪场景中目标分辨率较低且易受无人机(unmanned aerial vehicle,UAV)飞行姿态、速度变化等因素的影 响而难以对目标进行鲁棒跟踪的问题,提出了一种自适应时空正则的无人机目标跟踪算法以 有效解决上述问题。在时空正则相关滤波器(spatial temporal regularized correlation filter,STRCF)算法基础上引入AutoTrack中的空间正则性代价并利用峰值 旁瓣比和局部响应变化量,在线动态更新时空正则化参数以提升跟踪器的准确性,通过在跟踪 器中嵌入遮挡处理模块解决目标遭遮挡后跟踪漂移的问题。在多个无人机基准数据集上进行 了测试,实验结果表明,与基准算法AutoTrack相比,本文算法具有更高的精确度和更快的 处理速度。其中在DTB70数据集上跟踪精度和速度分别提升了1.5% 和74.4%;在UAVDT 数据集上9个属性的分类对比中,本文算法在尺度变化(scale variation,SV)、目标模糊(object blur,OB)等7个属 性上取得较高的性能,均排在第一位。由此可见本文算法可以更好地满足无人机应用需求。     

无人机中磁航向自修正应用

以无人机组合导航系统为研究背景,针对磁传感器的误差校准方法,以及校准后磁航向误差进行研究。通过分析磁传感器误差来源,给出水平面内椭圆直接拟合模型。考虑磁传感器修正后的磁航向与GPS航迹角之间存在一定误差,建立航向误差角与磁航向之间的学习函数,从而辅助在GPS丢失情况下,采用学习后的磁航向来辅助无人机导航。飞行实验结果表明,利用该文采用的椭圆模型以及自学习函数,能够提高磁航向精度,从而可以辅助无人机在GPS丢失情况下航向解算。