基于多假设的运动多站多目标AOA定位算法研究

测向角(AOAs)交叉定位是无源定位中广泛应用的经典体制,但在多站多目标场景中,特别是观测平台和目标都在运动时,测向角交叉定位存在关联错误率高,定位精度低等问题。针对该问题,该文提出一种基于多假设的运动多站多目标AOA交叉定位算法。首先对所有观测站测向角进行量测关联组合,对每个量测组合使用两步最小二乘算法进行目标位置估计。计算测向角关联的代价函数,累积前几个周期的关联代价函数选出最佳的量测配对组合,并估计目标位置。后续的量测数据与已有目标位置误差椭圆关联,得到量测关联组合,并进行目标位置估计。避免了组合爆炸,算法时效性高,降低了关联错误率,提高了定位精度。通过在搭建的演示验证系统中进行验证,验证了算法的有效性。     

多机器人系统的可观测性及协同定位精度分析

多机器人协同系统的编队队形影响系统的可观测性,应用中发现系统绝对定位能力也是影响协同定位精度的主要因素。针对系统不可观测情况下无法实现协同定位问题,提出了通过增强系统绝对定位能力实现协同定位的方法,重点分析了不同绝对定位能力的多机器人协同定位系统的可观测性对定位精度的影响,确定了系统可观测性的最佳条件。以3个机器人组成的集群为例进行仿真验证了同一观测度情况下,系统的绝对定位能力越强,协同定位精度越高。     

机载多点测向交叉定位的最优机动方向研究

针对快速运动的机载观测平台对海面舰艇进行无源定位的特定应用背景,研究了单机多点测向交叉定位问题。建立了伪线性最小二乘估计模型。通过对定位误差与目标几何分布关系的研究,分析了初始参考点选取问题。数学推导得到在目标距离和载机机动距离一定时,载机的最优机动方向的解析表达式。仿真结果表明,通过优化机动方向,减少了初始参考点的误差,提高了定位精度,增强了定位稳定性,有效改善了单机多点测向交叉定位系统的定位性能。     

双机协同定位误差分析的研究

测向交叉定位技术是协同定位常用方法,针对双机协同测向交叉定位算法及其定位精度进行理论研究和仿真分析。首先给出了交叉定位造成的模糊区的计算方法,并进行仿真;而后重点对测向定位精度进行分析,给出定位算法和误差计算公式,并针对不同载机间距和间距误差、测角误差下的目标GDOP的分布进行了仿真分析。仿真结果表明,定位误差随着间距误差、测角误差的增大而增大,随着双机间距的增大先减小而后增大。     

测向交叉定位协同信息远程传输方法研究

多被动传感器测向交叉定位精度与传感器之间协同信息的传输距离(基线长度)直接相关。被动传感器实施测向交叉定位时的基线长度较短将导致定位精度不高,无法满足武器打击的目指精度要求。针对此问题,提出了基于北斗短报文的测向交叉定位协同信息远程传输方案,并对其技术可行性和实现方法进行了研究。该方案能够极大地延长基线长度,显著提高多被动传感器的测向交叉定位精度。     

紫外光通信协作无人机最优刚性编队生成算法

稳定的编队通信网络能提高无人机(UAV)集群执行任务的能力,因此需要为编队设计一个信息交互拓扑,使无人机在保持编队队形的同时通信代价最小.针对无人机编队网络的拓扑优化问题,结合紫外光通信的优点,提出一种基于紫外光通信的无人机最优刚性编队生成算法.在分析机间紫外光通信链路模型的基础上,利用紫外半球形LED阵列协助无人机发...     

基于分层控制结构的有人/无人机编队队形控制

针对有人/无人机(MAV/UAV)系统在三维空间下的协同编队队形保持和变换问题,提出了具有分层结构的有人/无人机编队控制方法。根据有人/无人机指挥控制方式和作战流程,设计有人/无人机编队系统控制结构,其中,采用动态面控制方法设计有人机轨迹跟踪控制器,解决了反步控制中虚拟控制信号反复求导的问题;基于有限集中分布式编队控制策略设计无人机编队控制器,实现了多架无人机与有人机的协同编队飞行,并基于Lyapunov理论证明了控制器的稳定性。最后,针对三维空间下的有人/无人机编队进行仿真,仿真结果验证了所设计有人/无人机编队控制策略的有效性。     

电子战无人机双机无源交叉定位误差分析

双机无源协同定位是未来空战作战模式发展的必然趋势。通过对影响双机定位的误差源分析,给出了影响双机定位测量精度的误差因素。根据可协同测向范围、可协同定位区域和定位精度等仿真分析,可为无人机的飞行方式、飞行高度、航线等规划提供理论支撑,为战前对目标辐射源实施更加精确的侦察监测、测向和定位提供最佳的飞行几何态势依据。     

双基地雷达测向交叉定位算法的误差模型

利用双基地平面关系将空间三维问题降为平面二维处理;在分析影响定位精度因素前提下,采用合理的假定对定位方程泰勒展开,建立测向交叉定位算法的误差分析模型,并证明了测向交叉定位算法的空间位置最小均方差估计是无偏估计,通过仿真算例,可以看出建立的误差模型符合实际情况。     

辐射源载频对测向定位的影响

分析了三维测向交叉定位的基本原理,推导了定位误差的定量表达式,分别针对比幅法测向及干涉仪测向,分析了辐射源载频与测角精度的关系,建立了辐射源与测角精度的定量关系式,从而得到了辐射源载频与定位误差之间的定量关系,并进行了仿真分析,得出被侦察方可以提高载频,使侦察方无法精确定位的结论,在实际应用中具有一定的意义。     

基于DSP的无人机编队视频跟踪技术

无人机编队飞行可协同完成任务,比单机执行任务效率更高。队形控制是实现编队飞行的关键技术之一。视觉跟踪技术能从视频序列中获得感兴趣目标的状态参数,故在编队中可以利用视觉信息进行目标检测与跟踪来确定邻机方位及距离信息,从而实现队形控制。首先利用视觉传感器获取无人机的运动图像,然后基于DSP采用KLT算法,计算出无人机在图像上的相对位移,实现无人机的跟踪。实验证明,跟踪结果准确性较高,满足实际应用的精度要求,可用于无人机编队稳定跟踪,为进一步解决无人机相对定位问题提供位移信息。     

紫外光通信协作无人机防撞编队的控制方法

为了研究强电磁干扰环境下无人机防撞编队的避障控制效果, 采用无人机编队间紫外光通信模型, 对传统人工势场法进行改进, 给出了具体无人机编队机间和无人机与障碍物的势场函数, 实现无人机编队在飞行的同时可以进行局部避障。结果表明, 在相同条件下, 改进后的人工势场法比传统人工势场法的避障时间减少了7.38%, 避障总路径减少了5.8%, 将改进后的避障算法应用到编队中可实现无人机编队的机间避障与外部障碍物的规避, 且编队间能够保持固定队形飞行至目标点。这一结果对强电磁干扰环境下无人机编队避障的研究有一定的应用价值。     

紫外非均匀虚拟势场下无人机编队重构避碰算法

针对复杂电磁环境下无人机编队重构过程中的路径规划和机间避碰问题,该文在传统紫外虚拟势场基础上,利用距离因子对斥力函数进行了改进,构建了一种紫外非均匀虚拟势场来协助无人机进行机间避碰。改进的紫外非均匀虚拟势场可以使得无人机避碰路径更加平滑,相同时间内,无人机可以飞行更远的距离。此外,通过无线紫外光测距方法计算无人机机间距离,并结合紫外非均匀势场对传统的人工势场法进行改进,实现无人机编队重构。仿真结果表明,该文算法可以有效解决传统算法下路径振荡和局部最小值问题,同时避碰效率相比传统人工势场算法有明显提升,在预设环境中该文算法路程缩短6%,到达目标点的时间提前40%。最后在两种不同的队形重构场景下,对该文算法进行了验证,结果表明该文算法可以有效实现无人机队形重构中预期的机间避碰效果。     

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。     

基于智能算法的无人机航迹规划

文中针对多无人机在复杂约束条件下编队协同、巡航范围内覆盖率高的问题,基于K-means算法和Hop-field神经网络算法实现了一种无人机整体航迹规划方法。对任务要求的禁飞区域、目标区域建立任务区域的数字地图模型,进行模型分解合理的将有效区域分解为多个子目标点。随后采用K-means算法对无人机巡航的目标点进行聚类,并结合Hop-field神经网络算法对同类子目标点进行无人机航迹规划。以无人机在抗震救灾中的真实数据为实例,通过仿真实现了巡航区域90%的覆盖率,验证了文中方法的鲁棒性和有效性。     

主动干扰辅助下的无人机隐蔽通信功率与位置联合优化

利用友好干扰节点发送人工噪声是无线隐蔽通信中一种常见实现方法,可以增加监听者做出判断的不确定性,从而实现隐蔽传输。为此,考虑在无人机隐蔽通信网络中,部署一个空中的友好干扰节点,发射人工噪声干扰地面监听者的检测。对无人机与地面用户之间实现无线隐蔽传输进行了研究,分析了其有效隐蔽性能,联合优化了2架无人机的发送功率和位置部署以最大化隐蔽传输速率,使用粒子群优化算法与功率位置交替迭代算法2种优化方法得到最优的无人机部署位置及功率分配方案。仿真结果表明,联合优化方案相比于固定位置只优化功率的基准方案可以显著地提高系统隐蔽传输性能,且交替迭代算法所得结果要优于粒子群优化算法。     

基于重叠联盟博弈的无人机侦察时间资源分配优化

在利用多无人机进行多目标侦察时,需要进行合理的任务分配。优化无人机资源与任务重要程度之间的关系,才能充分发挥多无人机侦察的优势。为了实现多无人机协同侦察时的时间资源分配优化,首先根据任务点和无人机的位置分布情况对多无人机进行预分配,然后对预分配后的空闲无人机进行协同时间资源优化。将空闲无人机协同时间资源分配问题建模为重叠联盟博弈模型,通过对所构建模型的求解,得出多无人机的协同侦察时间资源分配方案。仿真结果表明,优化时间资源后侦察系统的收益得到了提升。     

一种无人机集群安全高效的分区集结控制策略

针对无人机集群在特定场景下需要在指定区域安全、快速集结成指定队形的需求,该文提出了一种分区集结的控制策略。考虑无人机(UAV)的初始分布位置、集结区域以及编队图案等约束,为每架UAV分配目标集结点并使总航程尽量小。将近集结点区域等分为多个分区,不同分区内的UAV均按一定规则依次沿直线向所分配目标集结点航行,无多余航路能耗且互不影响。UAV间通过紫外光进行稳定的机间通信并共享已知信息实现集群内部信息共享。实验结果表明：随着分区数的增多,集群的集结时间呈阶梯型下降,阶梯高度与各分区所含UAV数目的最大值呈近似线性关系,预测碰撞概率逐渐降低接近于0,验证了所提方法的可行性和有效性。另外,根据实验结果得出的规律提出了一种依据不同需求选择最佳分区数的方法。     

基于卷积神经网络的反无人机系统图像识别方法

针对无人机的无证飞行和随意飞行严重影响和威胁公共安全的问题,提出了反无人机系统。识别无人机是反无人机系统实现的关键之一,为此提出了一种基于卷积神经网络的图像识别无人机方法。运用自制光学系统采集设备采集了不同型号的无人机图片以及鸟类图片,设计了针对无人机小样本识别的卷积神经网络和支持向量机。运用设计的卷积神经网络分别对MNIST数据集、无人机图片以及鸟的图片进行了识别,同时也运用支持向量机识别无人机和鸟的图片,进行了对比实验。实验结果表明,设计的卷积神经网络在MNIST数据集上识别准确率为91.3%,识别无人机准确率为95.9%,支持向量机识别准确率为88.4%。对比实验表明,提出的方法可以识别无人机和鸟以及不同类型的无人机并且识别结果优于支持向量机,可用于反无人机系统识别无人机,给同类研究提供了借鉴。     

基于参数重构的非直达波混合定位算法

在蜂窝无线定位中,非视距(non-line-of-sight,NLOS)误差是影响定位精度的主要因素之一,故如何减轻NLOS误差影响是无线定位研究的热点。本文针对NLOS环境下的定位问题,提出基于参数重构的混合定位算法。首先利用波达角（angle-of-arrival,AOA）重构方法重构直达波AOA,随后充分利用AOA的重构结果,以最大似然估计法迭代估计直达波的波达时延（time-of-arrival,TOA）,最后利用这两个重构后的参数以视距（line-of-sight,LOS）混合定位方法估计出移动台的位置,以实现NLOS环境下的单基站定位,并获取较高的定位精度。这种方式无需视距与非视距识别,改进了传统的单目标参数重构模式。仿真结果验证了该算法的有效性。