The invention discloses a consistent information filtering algorithm for UAV mobile sensor networks: the construction of sports ground moving target model and the UAV airborne sensor measurement model; the square root volume of information filtering, estimation of ground moving target location: ground moving target motion model to obtain information matrix and vector information based on UAV the sensor measurement model to obtain information and information based on vector increment increment matrix; the structure of UAV Communication topology based on the information obtained, respectively, the information vector matrix, information matrix, incremental information vector incremental consistency processing; according to the consistency of results, estimation of ground moving target value of state vector, updating the covariance matrix. Based on information filtering, the invention reduces the computation amount of filtering estimation, improves the computation accuracy, and considers the consistency of different fusion centers of UAVs, so it is suitable for estimating the state of moving targets in the process of motion.
【技术实现步骤摘要】
面向无人机机载移动传感器网络的一致性信息滤波算法
本专利技术属于目标估计领域,更具体的说,是涉及一种面向无人机机载移动传感器网络的一致性信息滤波算法。
技术介绍
无人机,顾名思义,无人驾驶飞机,以其良好的安全性、适应性、灵活性,有效地代替了人力去执行一些机械重复性的或危机人身安全的工作,在工业、农业、军事等行业都有广泛应用。如环境监视、协航护卫、城市作战、海上搜救、森林灭火、农药喷洒、电线检修、快递分拣配送等等。综合分析所有类型无人机的工作过程可以得知,大多的无人机都是在给定航线的基础上进行飞行控制,从而完成不同类型的任务。但是当无人机用于对未知目标的追踪、打击以及对抗任务中时,无人机在进行飞行控制前,需要对目标进行准确的识别,目标识别的精度和准确度对无人机任务的执行具有至关重要的影响。考虑到无人机受到机载传感器视野和自身机动性的影响,为了提高目标定位的精度和任务执行的成功率,多无人机协同控制受到了越来越广泛得研究。多无人机的协同控制可以有效地扩大无人机的视野和工作区域,具有更大的覆盖度和机动性。因此如何有效利用不同无人机的自身信息和测量信息,实现未知目标的准确估计是一个重要的研究问题,并且需要考虑不同无人机之间的目标估计一致性问题。此外,多无人机的机载传感器组成了一个动态的移动传感器网络,随着无人机的运动,传感器网络也在实时运动,并且由于无人机需要实时快速的运动控制,目标估计算法也需要满足一定高效性。因此鉴于传感器网络的移动性,无人机之间的通信性能,在尽量降低通信负担和计算负担的基础上,对移动传感器网络的一致性融合估计算法进行研究具有重要的理论意义和实用 ...
【技术保护点】
一种面向无人机机载移动传感器网络的一致性信息滤波算法,其特征在于,包括以下步骤:步骤一,构建地面移动目标运动模型和无人机机载传感器测量模型;步骤二,采用平方根容积信息滤波,估计地面移动目标位置:基于地面移动目标运动模型获得信息矩阵和信息向量,基于无人机机载传感器测量模型获得信息向量增量和信息增量矩阵;步骤三,一致性算法:基于无人机的通信拓扑结构,分别对获得的信息矩阵、信息向量、信息增量矩阵、信息向量增量进行一致性处理;步骤四,状态更新:根据一致性处理的结果,计算地面移动目标状态向量的估计值,更新估计误差协方差矩阵。
【技术特征摘要】
1.一种面向无人机机载移动传感器网络的一致性信息滤波算法,其特征在于,包括以下步骤:步骤一,构建地面移动目标运动模型和无人机机载传感器测量模型;步骤二,采用平方根容积信息滤波,估计地面移动目标位置:基于地面移动目标运动模型获得信息矩阵和信息向量,基于无人机机载传感器测量模型获得信息向量增量和信息增量矩阵;步骤三,一致性算法:基于无人机的通信拓扑结构,分别对获得的信息矩阵、信息向量、信息增量矩阵、信息向量增量进行一致性处理;步骤四,状态更新:根据一致性处理的结果,计算地面移动目标状态向量的估计值,更新估计误差协方差矩阵。2.根据权利要求1所述的面向无人机机载移动传感器网络的一致性信息滤波算法,其特征在于,步骤一中所述地面移动目标运动模型为:其中,xt,yt,分别表示地面移动目标x,y方向的位置、速度、加速度;α为模型参数,ω(t)表示过程噪声,其协方差矩阵为:其中,σa是与目标加速度有关的标准差参数;所述地面移动目标运动模型的离散形式为:其中,I是单位矩阵,Ts是采样时间,k表示k时刻,3.根据权利要求1所述的面向无人机机载移动传感器网络的一致性信息滤波算法,其特征在于,步骤一中所述无人机机载传感器测量模型为:其中,rk,φk,分别为k时刻无人机机载传感器与地面移动目标间的距离、水平方位角及俯仰角,xk,yk,hk表示k时刻无人机机载传感器的水平位置和高度,vk表示测量噪声,其协方差矩阵为:其中,分别表示距离、水平方位角及俯仰角三个测量值的噪声参数。4.根据权利要求1所述的面向无人机机载移动传感器网络的一致性信息滤波算法,其特征在于,步骤二中所述平方根容积信息滤波的具体过程为:A:预测更新首先,取2n个加权相同的对称的容积点:其中,n是地面移动目标状态量的维数,Sx,k-1|k-1为Pk-1|k-1的平方根,Pk-1|k-1是k-1时刻的估计误差协方差矩阵,为k-1时刻地面移动目标状态的最优估计值,ξi的取值如下:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。