基于交互式滤波的无人机航向估计方法、系统及电子设备技术方案

本发明专利技术提供一种基于交互式滤波的无人机航向估计方法、系统及电子设备，所述方法包括：获取所述无人机预设运动模型的参数，并得到所述预设运动模型之间的转换概率；依据所述转换概率得到各所述预设运动模型交互后的状态估计与估计协方差，并通过预设函数得到同一时刻各所述预设运动模型的占比；基于所述状态估计与所述估计协方差以及所述占比得到目标交互式滤波模型，进而得到所述无人机的航向估计。本发明专利技术的基于交互式滤波的无人机航向估计方法、系统及电子设备，可以在高精度跟踪无人机机动的同时保证无人机机动时的航向跟踪精度；此外利用本申请提出的方法可以有效降低无人机数据计算负担，提高数据处理能力。提高数据处理能力。提高数据处理能力。

【技术实现步骤摘要】
基于交互式滤波的无人机航向估计方法、系统及电子设备


[0001]本专利技术涉及无人机航向估计
，特别是涉及一种基于交互式滤波的无人机航向估计方法、系统及电子设备。

技术介绍

[0002]近年来，无人机使用的范围越来越广，如何精确地估计无人机航向是很多产业应用难点之一，由于无人机的运动特征，使用单一固定的模型很难准确描述无人机在各种气象、飞行条件下的运动状态，因此人们很自然就想到了用多个模型来描述机无人机的运动状态，如匀速(CV)、匀加速(CA)、Singer以及“当前”统计(CS)等多种模型，这类系统具有参数连续变化和动态模式随机突变的特点，因此被称为混合系统，混合系统最优估计的研究正是由此兴起，混合系统具体解决方法有两种：一是用可操纵的检测器控制滤波模型在非机动模型和机动模型之间切换，但切换过程中辨识机动所带来的延时会产生很大的跟踪误差，另外也很难确定无人机回到非机动模型的正确时间，而这种方法的实质仍然是单模(Single Mode1)算法；另一种解决方法就是在同一时刻同时使用多个模型(Multiple Mode1)，即基于不同模型的滤波器同时并行工作，然后对其输出按某种规则进行合成。
[0003]多模型估计(MME)是一种自适应估计方法，对于解决具有结构和参数不确定或变化的系统问题非常有效。在估计算法中设计一个模型集来描述系统可能的行为方式，总体估计是多个并行运行的滤波器估计的一个确定联合。1984
‑
1989年，Blom和Bar
‑
Shalom在广义伪贝叶斯方法的基础上，提出了一种具有Markov转移概率的交互式多模型(Interacting MultipleMode1，IMM)算法，这种算法在多模型算法的基础上考虑多个模型的交互作用，以此得出无人机的状态估计，与其他多模型算法相比，IMM比一阶广义伪贝叶斯方法(GPB1)自适应能力强；在估计精度相当的情况下，IMM的计算量仅为二阶广义伪贝叶斯方法(GPB2)的m 分之一(m为模型数)，交互式多模型方法被认为是迄今为止最有效的多模型方法之一，其费效比最好且结构简单，非常适合机动无人机跟踪。

技术实现思路

[0004]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于交互式滤波的无人机航向估计方法、系统及电子设备，用于解决现有技术中无人机追踪精度低且不够灵敏的问题。
[0005]为实现上述目的及其他相关目的，本专利技术提供一种基于交互式滤波的无人机航向估计方法，所述方法包括：获取所述无人机预设运动模型的参数，并得到所述预设运动模型之间的转换概率；依据所述转换概率得到各所述预设运动模型交互后的状态估计与估计协方差，并通过预设函数得到同一时刻各所述预设运动模型的占比；基于所述状态估计与所述估计协方差以及所述占比得到目标交互式滤波模型，进而得到所述无人机的航向估计。
[0006]于本专利技术的一实施例中，所述方法还包括对所述预设运动模型进行条件滤波。
[0007]于本专利技术的一实施例中，所述预设运动模型具体包括无人机当前统计运动模型以
及匀速运动模型。
[0008]于本专利技术的一实施例中，所述匀速运动模型的参数包括所述匀速运动模型的状态向量以及其转移矩阵，其中，所述匀速运动模型的状态向量计算式如下：
[0009][0010]所述匀速运动模型的转移矩阵计算式如下：
[0011][0012]于本专利技术的一实施例中，所述无人机当前统计运动模型参数包括所述无人机当前统计运动模型的状态向量以及其转移矩阵，其中，所述无人机当前统计运动模型的状态向量计算式如下：
[0013][0014]所述无人机当前统计运动模型的转移矩阵计算式如下：
[0015][0016]其中，α为所述无人机的机动频率。
[0017]于本专利技术的一实施例中，所述转换概率的计算式如下：
[0018][0019]其中，M＝{m
i
,i＝1,2,
…
r}为所述预设运动模型集，m
i
(k)表示k时刻所述预设运动模型为m
i
模型；m
j
(k+1)来表示k时刻所述预设运动模型为m
j
模型。
[0020]于本专利技术的一实施例中，所述预设函数采用似然函数。
[0021]为实现上述目的及其他相关目的，本专利技术提供一种上述的基于交互式滤波的无人机航向估计系统，包括：
[0022]获取模块，用于获取所述无人机预设运动模型的参数，并得到所述预设运动模型之间的转换概率；
[0023]计算模块，用于依据所述转换概率得到各所述预设运动模型交互后的状态估计与估计协方差，并通过预设函数得到同一时刻各所述预设运动模型的占比；
[0024]估计模块，用于基于所述状态估计与所述估计协方差以及所述占比得到目标交互式滤波模型，进而得到所述无人机的航向估计。
[0025]为实现上述目的及其他相关目的，本专利技术提供一种上述的计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述基于交互式滤波的无人机航向估计方法。
[0026]为实现上述目的及其他相关目的，本专利技术提供一种上述的电子设备，所述电子设备包括：所述存储器用于存储计算机程序，所述处理器用于加载执行所述计算机程序，以使所述电子设备执行所述的基于交互式滤波的无人机航向估计方法。
[0027]如上所述，本专利技术的基于交互式滤波的无人机航向估计方法、系统及电子设备，可
以在高精度跟踪无人机机动的同时保证无人机非机动时的航向跟踪精度；此外利用本申请提出的方法可以有效降低无人机数据计算负担，提高数据处理能力。
附图说明
[0028]图1显示为本专利技术的基于交互式滤波的无人机航向估计方法于一实施例中的方法步骤图；
[0029]图2显示为本专利技术的基于交互式滤波的无人机航向估计方法于一实施例中的滤波前后误差对比示意图；
[0030]图3显示为本专利技术的基于交互式滤波的无人机航向估计方法于一实施例中的模型概率时间变化示意图；
[0031]图4显示为本专利技术的基于交互式滤波的无人机航向估计系统于一实施例中的结构示意图；
[0032]图5显示为本专利技术一实施例中电子设备的结构示意图。
具体实施方式
[0033]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0034]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于交互式滤波的无人机航向估计方法，其特征在于，包括：获取所述无人机预设运动模型的参数，并得到所述预设运动模型之间的转换概率；依据所述转换概率得到各所述预设运动模型交互后的状态估计与估计协方差，并通过预设函数得到同一时刻各所述预设运动模型的占比；基于所述状态估计与所述估计协方差以及所述占比得到目标交互式滤波模型，进而得到所述无人机的航向估计。2.根据权利要求1所述的基于交互式滤波的无人机航向估计方法，其特征在于，还包括对所述预设运动模型进行条件滤波。3.根据权利要求1所述的基于交互式滤波的无人机航向估计方法，其特征在于，所述预设运动模型具体包括无人机当前统计运动模型以及匀速运动模型。4.根据权利要求3所述的基于交互式滤波的无人机航向估计方法，其特征在于，所述匀速运动模型的参数包括所述匀速运动模型的状态向量以及其转移矩阵，其中，所述匀速运动模型的状态向量计算式如下：所述匀速运动模型的转移矩阵计算式如下：5.根据权利要求3所述的基于交互式滤波的无人机航向估计方法，其特征在于，所述无人机当前统计运动模型参数包括所述无人机当前统计运动模型的状态向量以及其转移矩阵，其中，所述无人机当前统计运动模型的状态向量计算式如下：所述无人机当前统计运动模型的转移矩阵计算式如下：其中，α为所述无人机的机动频率。6.根据权利要求1所述的基于交互式滤波的无人机航向估计方法，其特征在于，所述转换概率的计算式如...

【专利技术属性】
技术研发人员：楼根铨，张文俊，郭剑辉，张国华，高治，阚正佳，汪彦斌，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：