分布式相對定位技術(shù)的研究.pdf_第1頁
已閱讀1頁,還剩131頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、具備坐標感知能力的無線設備通過獲取自身的(或目標的)坐標信息,可以提供各種基于位置信息的應用和服務。分布式相對定位是實現(xiàn)多個無線設備間坐標感知的主要方式。目前針對特定復雜環(huán)境(例如室內(nèi)環(huán)境、高動態(tài)飛行環(huán)境等)的分布式相對定位技術(shù)研究仍然是解決坐標感知問題的熱點。本文依托多飛行體協(xié)同工作和組網(wǎng)雷達穿墻探測兩個典型應用環(huán)境,開展了以下研究工作:
   (1)、飛行器協(xié)同工作場合中的分布式相對定位問題研究,分為兩飛行器間的定位和多飛行

2、器間的定位。
   在兩飛行器間相對定位問題的研究中,本文利用精確的測距信息對兩飛行器慣導系統(tǒng)的相對誤差進行修正,然后基于測距信息進行相對機動狀態(tài)的檢測,并根據(jù)檢測結(jié)果對狀態(tài)濾波模型進行選擇和切換,實現(xiàn)了飛行器間的動態(tài)相對定位。此外,本文針對飛行器間的運動特性,提出了修正的差分雙向測距協(xié)議,并據(jù)此建立了飛行器間的測距誤差模型,和測距誤差與兩飛行器相對坐標間的線性約束,最后利用拉格朗日乘子法確定出飛行器間的相對坐標。
  

3、 在多飛行器間相對定位問題的研究中,本文針對三飛行器間測量信息的欠冗余問題,提出了基于多假設的最小均方估計算法。該算法首先建立不同飛行器間慣性導航信息相對誤差的分布函數(shù)及其多假設模型,并依據(jù)不同模型對飛行器的相對位置進行最小均方估計。然后基于Bayes框架對各模型的估計結(jié)果進行加權(quán)濾波,從而實現(xiàn)三飛行器間的動態(tài)相對定位。為了進一步提高相對定位的精度和穩(wěn)定性,本文依據(jù)最優(yōu)線性估計模型,在相關程度未知的情況下,實現(xiàn)三飛行器各自定位結(jié)果的有效

4、融合。
   (2)、組網(wǎng)雷達穿墻探測中的定位問題研究,分為雷達網(wǎng)絡的自定位和組網(wǎng)探測中的多目標定位與跟蹤。
   在探測雷達網(wǎng)絡的自定位問題的研究中,為了消除墻體遮蔽對雷達間測距信息和定位算法性能的影響,本文提出了一種距離加權(quán)定位算法。該算法根據(jù)探測雷達間距離信息所滿足的幾何關系建立代價函數(shù),然后利用序貫二次型優(yōu)化算法對雷達間測距結(jié)果的有偏誤差進行估計,然后根據(jù)誤差的估計結(jié)果對測距信息進行修正,最后利用修正的測距信息完

5、成組網(wǎng)雷達的自定位。
   在穿墻探測雷達的多目標定位跟蹤問題的研究中,本文分別研究了多個擴展目標的數(shù)據(jù)管理和動態(tài)跟蹤。針對數(shù)據(jù)的“量測-量測”關聯(lián)問題,首先提出基于聚類質(zhì)量函數(shù)的聚類算法,該算法通過引入聚類質(zhì)量函數(shù)來實現(xiàn)單站數(shù)據(jù)的快速和可靠聚類。然后提出了兩級m-best S-D分配算法,該算法利用m-best S-D和多級結(jié)構(gòu)有效抑制了有偏測量誤差的影響,實現(xiàn)了目標數(shù)據(jù)的全局配對。同時進一步提出了動態(tài)的“量測-航跡”配對方法

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論