城市密集不规则障碍空间无人机航路规划

随着国家低空开放和民用无人机的普及,小型无人机在城市空间的使用将会越来越广泛,城市空间的密集不规则障碍环境对无人机的安全提出了严峻挑战.针对传统的全局航路规划方法在密集不规则障碍环境中容易陷入局部"死区"而导致飞行危险的问题,通过设计当前航点到无人机视界的航路代价函数,建立了局部视界范围内的最优回溯模型,提出基于局部回溯和广度优先思想相结合的综合路径规划方法.仿真对比实验表明,本文提出的航路规划方法避免了传统的全局规划方法存在的局部"死区"问题,可在密集障碍环境中为无人机规划出安全可飞的航路,使无人机能够规避任意不规则形状的危险障碍,提高了无人机在城市低空环境中飞行的安全性.     

多路GNSS欺骗干扰互相关噪声模型

为开展GNSS欺骗干扰源定位研究，构建了多路GNSS欺骗干扰互相关噪声模型。首先分析了欺骗干扰原理并给出了信号模型；通过对噪声构成和规律的分析，研究建立了PRN码间互相关噪声模型；最后利用信噪比和欺骗信号方位角分布进行描述。仿真结果显示，多路GNSS欺骗干扰中码间互相关噪声，在接收通道噪声中的比重随欺骗信号功率增加趋于100%。这表明测向精度与多路GNSS欺骗信号功率是一组矛盾，实际测向结果可通过欺骗信号信噪比寻优。     

多目标跟踪的观测站最优机动策略

在多目标跟踪问题中,观测站的有效机动可以提高观测信息的质量,从而提升目标跟踪的精度。对此,文中提出一种基于高斯混合概率假设密度(GM-PHD)滤波器的观测站最优机动马尔可夫决策方法。首先,用Fisher信息矩阵(FIM)行列式建立代价函数;然后,计算出马尔可夫链的转移矩阵,利用马尔可夫决策过程(MDP)来获得观测站最优机动策略。其中,利用GM-PHD滤波器来估计目标的实际位置和为每一决策周期提供概率假设密度(PHD)。通过实验仿真,验证了该机动策略在提高多目标跟踪精度方面的有效性。