拒止环境下的多无人机自身定位与目标定位方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113721188A(43)申请公布日2021.11.30(21)申请号202110903143.3(22)申请日2021.08.06(71)申请人北京理工大学地址100081北京市海淀区中关村南大街5号(72)发明人张福彪杨希雯林德福王亚凯陈祺周天泽(74)专利代理机构北京康思博达知识产权代理事务所(普通合伙)11426代理人刘冬梅范国锋(51)Int.Cl.G01S5/02(2010.01)G01S5/00(2006.01)权利要求书2页说明书9页附图4页(54)发明名称拒止环境下的多无人机自身定位与目标定位方法(57)摘要本发明公开了一种拒止环境下的多无人机自身定位与目标定位方法，该方法中，通过在地面设立绝对位置已知的基站，并由基站提供与其通信的无人机之间的相对距离和角度信息，将基站提供的信息与无人机之间测量的相对位置信息以及无人机探测得到的目标信息用卡尔曼滤波算法进行融合，从而获得无人机、目标位置信息，再解算出观测无人机和中转无人机的航向角，并据此控制无人机进一步调整位置，再次得到新的探测信息，持续重复该过程，逐步提升获得的无人机、目标位置信息精度，以使得满足使用需求。CN113721188ACN113721188A权利要求书1/2页1.一种拒止环境下的多无人机自身定位与目标定位方法，其特征在于，该方法中：设置至少两个观测无人机、至少一个中转无人机和一个已知位置的基站，所述观测无人机用于探测获得：每个观测无人机和目标之间的距离、任意两个观测无人机彼此之间的距离；所述中转无人机用于探测获得：中转无人机和每个观测无人机之间的距离；所述基站用于探测获得：基站与中转无人机之间的距离、基站与每个观测无人机之间的距离、基站与中转无人机之间的视线角；该方法包括如下步骤：步骤1，通过观测无人机、中转无人机和基站探测得到观测向量；步骤2，用卡尔曼滤波算法对观测向量做融合处理，得到状态向量步骤3，获得观测无人机和中转无人机的航向角，并根据航向角分别控制观测无人机和中转无人机到达新的航点；步骤4，重复上述步骤1、步骤2和步骤3，直至状态估计的误差方差矩阵的对角线元素之和减小到设定阈值。2.根据权利要求1所述的拒止环境下的多无人机自身定位与目标定位方法，其特征在于，在步骤3中，在k时刻预测第k+n时刻的状态估计误差方差矩阵Pk+n的逆矩阵，即信息矩阵Jk+n，求解使得信息矩阵Jk+n最大化的观测无人机和中转无人机的航向角。3.根据权利要求2所述的拒止环境下的多无人机自身定位与目标定位方法，其特征在于，在步骤3中，通过下式(一)获得观测无人机和中转无人机的航向角；其中.表示包含三个航向角的向量；Jk+n表示信息矩阵，通过下式(二)获得：其中，所述P0表示卡尔曼滤波算法中状态估计误差方差矩阵的初值；所述Ii表示i时刻的观测向量中与待估计的状态向量相关的信息量，通过下式(三)获得：其中，Hi为观测向量对状态向量求偏导得到的雅可比矩阵，通过下式(四)获得：所述观测向量包括每个观测无人机和目标之间的距离、任意两个观测无人机彼此之间的距离、中转无人机和每个观测无人机之间的距离、基站与中转无人机之间的距离、基站与2CN113721188A权利要求书2/2页每个观测无人机之间的距离、基站与中转无人机之间的视线角；所述状态向量包括目标的位置、中转无人机的位置和每个观测无人机的位置；所述Xi表示第i时刻的状态向量，包含无人机和目标的位置信息；所述Xb表示基站位置；所述R表示观测传感器的噪声方差矩阵。4.根据权利要求1所述的拒止环境下的多无人机自身定位与目标定位方法，其特征在于，在步骤4中，所述状态估计的误差方差P通过下式(五)获得：‑其中，Pk表示k时刻的状态估计的误差方差，Pk表示预测的k时刻状态误差方差矩阵；A表示系统状态转移矩阵，Q表示状态误差方差矩阵，表示预测的k‑1时刻状态误差方差矩阵；Kk表示卡尔曼增益：5.根据权利要求1所述的拒止环境下的多无人机自身定位与目标定位方法，其特征在于，在步骤4中，所述设定阈值为50～80。3CN113721188A说明书1/9页拒止环境下的多无人机自身定位与目标定位方法技术领域[0001]本发明涉及通过无人机对其自身及目标定位的方法，具体涉及一种在拒止环境下的多无人机自身定位与目标定位方法。背景技术[0002]多旋翼无人机由于具有机动性、灵活性好的特点，现已被广泛应用于军事和民用领域。对地面目标的侦查与定位技术是目前多旋翼无人机应用的关键技术之一。[0003]随着多机协同技术的发展，基于多个无人机的定位问题已成为目前的研究热点。多机定位问题可分为多机自身定位问题和多机目标定位问题。其中多机自身定位问题解决的是在拒止环境下，各无人机通过测量与基