主从式无人机编队协同导航算法研究.pdfVIP

主从式无人机编队协同导航算法研究

摘要

近年来随着协同任务的出现，单一无人机难以满足所有的需求，依靠自身单体导航

来执行任务的方式也变得不再可靠，而无人机编队则可以更好地完成现阶段的复杂作业。

高精度的导航系统则是保障无人机编队协同作业高效且顺利完成的前提，现阶段

GNSS/INS组合导航是常用的导航方式，但在实际应用中，各种空间上的干扰会导致无

人机群在GNSS信号受限以及噪声统计特性发生改变的复杂环境下导航精度降低，因此

利用载体之间的相对信息实现协同导航成为集群的主流导航解决方案。目前，并行式编

队结构的协同导航方法成本太大，难以实践；而主从式结构的协同导航由于适用性更广

受到了广泛关注，是当前研究的重点。为了提升主从式无人机编队的导航精度，本文深

入地研究了复杂环境下的协同导航算法。主要工作如下：

针对单主多从式编队结构，提出一种基于改进粒子滤波的信息融合算法。首先详细

介绍了几种优化重要性采样和重采样方法及其优缺点。其次以主机的高精度INS和GPS

导航信息为基准，结合从机上的低精度传感器，建立了观测模型。为了解决粒子滤波的

重要性密度函数选取和粒子退化问题，在扩展粒子滤波的基础上，引入Levenberg-

Marquardt迭代方法保证滤波的稳定性和收敛性；重采样阶段提出快速重采样策略，将

得到的粒子集进行分类，对中等权值粒子不再进行重采样，其余粒子在归一化过程中利

用自适应权重因子优化，使获得的样本粒子权重更加均匀，降低了计算复杂度。最后通

过对比实验验证了该算法在复杂环境下可以有效提升定位精度和计算效率。

针对单主模式主机出现故障致使导航精度下降情况，本文建立了多主多从式的分层

编队构型，并提出一种基于因子图理论的分布式数据融合方法，可以解决密集集群中每

架从机与相邻范围内的多架主机交互时信息量过大导致实时性差的问题。根据通讯距离

在主从无人机之间利用相关熵作为度量信息构建最大熵因子图，并结合消息传递算法以

实现信息交互，依据最大熵准则和量测信息求解最优估计，同时设计了基于观测误差的

自适应核宽度选取方法进一步提升算法稳定性。通过与其他算法的仿真对比，该算法在

异常噪声下具有鲁棒性、有效性和可靠性。

关键词：无人机；协同导航；粒子滤波；因子图；最大熵准则

主从式无人机编队协同导航算法研究

Abstract

Withtheemergenceofcooperativetasksinrecentyears,asingleunmannedaircraftvehicle

(UAV)isnotenoughtomeetalltheneeds,andrelyingonitsownindividualnavigationto

executetaskshasbecomeunreliable.Meanwhile,UAVformationcanbettercompletecomplex

operationsatcurrentstage.Ahighprecisionnavigationsystemisaprerequisitefortheefficient

andsuccessfulcompletionofUAVformationoperations.Currently,GNSS/INScombined

navigationisacommonnavigationmethod,butvariousspatialinterferencescanleadtoreduced

navigationaccuracyincomplexenvironmentswhereGNSSsignalsarelimitedandthe

statisticalcharacteristicsofnoisearechangedinpracticalapplications.Theuseofrelative

informationbetweencarrierstoachie