APP下载

无人机对地目标多帧融合定位与误差收敛特性分析*

2021-04-09鲁亚飞吴岸平陈清阳

国防科技大学学报 2021年2期
关键词:卡尔曼滤波方法

鲁亚飞,吴岸平,2,陈清阳

(1. 国防科技大学 空天科学学院, 湖南 长沙 410073;2. 中国空气动力研究与发展中心 超高速空气动力研究所, 四川 绵阳 621000)

无人机凭借隐蔽性好、造价低廉、起降简单、生命力强、不惧伤亡等特点在现代军事和民用方面受到青睐[1-3]。世界上各军事强国竞相发展无人机,美国已经研制了上百种无人机,并能够完成诸如电子战、情报监视与侦察、目标指示等任务。民用方面,无人机同样能够胜任诸多任务,包括航拍摄影、地质勘探、地区搜索等[4]。

在无人机执行区域搜索、火力引导、效能评估等任务过程中,对目标的精确定位和状态估计是任务完成的关键因素之一。无人机通过机载的光学侦察载荷得到目标的相应参数,结合无人机测量设备所得到的无人机位置参数、姿态参数求解得到目标的位置信息,定位精度高低决定了对目标的状态信息的掌控。追求高精度的定位方法,不仅需要搭载的载荷技术成熟完善,同样也需要采取误差小、计算可靠、收敛特性好的定位估计方法。

基于无人机侦察图像的目标定位问题已有持续的研究,并逐步应用于实践,然而受到误差因素多、传递链长等因素的制约,无人机对地目标定位的精度不高,难以满足高精度定位、精确导引等任务要求[5-8]。在载机特征和传感器性能有限的情况下,如何通过最优估计算法提高精度成为当前研究的热点。根据目标的性质、运动特性的不同,有不同的最优估计算法,常用的有最小二乘法、加权最小二乘法、极大似然估计方法、几何定位法、测量子集优化定位算法等。……

登录APP查看全文

猜你喜欢

卡尔曼滤波方法
学习方法
改进的扩展卡尔曼滤波算法研究
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
用对方法才能瘦
基于模糊卡尔曼滤波算法的动力电池SOC估计
基于扩展卡尔曼滤波的PMSM无位置传感器控制
四大方法 教你不再“坐以待病”!
赚钱方法
捕鱼
基于EMD和卡尔曼滤波的振荡信号检测