本发明专利技术涉及一种基于北斗差分定位的无人飞行器的位置预测方法及装置，所述方法包括对北斗卫星数据进行差分处理以对基线的估计值进行迭代更新，得到最优估计值；分析北斗卫星数据得到最近的参考站的坐标信息及误差修正值；根据最优估计值、最近的参考站的坐标信息及误差修正值计算无人机的三维坐标信息；基于三维坐标信息的历史数据生成训练集，将训练集输入预构建的神经网络模型进行迭代训练，获得无人机三维位置预测模型。本发明专利技术利用神经网络预测未来一段时间内的无人机的三维坐标位置，可以验证无人机实时位置坐标的准确性，提升装置定位的可靠性。还可以在当北斗卫星信号短暂丢失时，跟进无人机的运行状态，避免由无人机位置丢失导致的失控。位置丢失导致的失控。位置丢失导致的失控。
【技术实现步骤摘要】
基于北斗差分定位的无人飞行器的位置预测方法及装置
[0001]本专利技术属于无人机
，具体涉及一种基于北斗差分定位的无人飞行器的位置预测方法及装置。
技术介绍
[0002]近年来，随着无人机技术的日趋成熟，在工农业生产及军事领域发挥着越来越重要的作用。无人机具有飞行灵活，隐蔽性好，生存能力强，成本低廉，使用简便，适应性强等优点，可以适应各种恶劣环境，并完成各种任务。无人机定点与导航是顺利完成各项任务的关键。
[0003]无人机的定位技术的进步经历了以下阶段，早期无人机在的视距内通过PCM无线电指令上行链路进行过定位与控制，并利用预编程的飞行规划，使无人机沿着预定的飞行航线自动爬升到使用高度，飞行高度、空速、飞行时间和航程等均由程序控制。随着无人机执行任务复杂度增加，需要实时定位并控制无人机航线，因此需要在无人机上装备GPS系统，自主导航能力的进一步提高，在半自主导航情况下，操作人员只需要发出飞行航迹要求给无人机自动驾驶仪，而不需要连续不断的使用上行链路控制程序。
[0004]相关技术中，随着我国自主研发的北斗导航系统的完善与商业户化应用，基于北斗导航的无人机定位于控制系统应用越来越广泛，在无人机搭载包括北斗定位系统在内的各种传感器系统，实时上下行链路传送数据，并与各种地面中继平台进行实时通讯，从而使无人机实现机群作战、超视距定位的功能。北斗定位技术的进步使得无人机在任务阶段定位精度提高，上行链路控制时间缩短，传输带宽增大、无人机保持“静默”时间更长，导航系统的可靠性更高、抗干扰性越强。
[0005]目前在无人飞行器定位中，一般采用视觉方法、惯性导航和GPS定位等。其中，视觉方法深度计算精度低，易受雾霾、扬尘、自然光和热辐射的影响。而惯性导航方法虽然对外界环境的抗干扰能力较强，但其误差具有累积效应，需要及时进行补偿与修正，而GPS定位只提供授时与定位功能，无法满足无人机飞行时的实时监管需求。因此，现有的无人机位置定位方法无法满足其多种需求的问题。
技术实现思路
[0006]有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种基于北斗差分定位的无人飞行器的位置预测方法及装置，以解决现有技术中无人机位置定位方法存在无法满足其多种需求的问题。
[0007]为实现以上目的，本专利技术采用如下技术方案：一种基于北斗差分定位的无人飞行器的位置预测方法，包括：
[0008]接收北斗基准站发送的北斗卫星数据；
[0009]分析所述北斗卫星数据得到最近的参考站的坐标信息及误差修正值；
[0010]对所述北斗卫星数据进行差分处理以对基线的估计值进行迭代更新，得到最优估
计值；
[0011]根据所述最优估计值、最近的参考站的坐标信息及误差修正值计算所述无人机的三维坐标信息；
[0012]基于所述三维坐标信息的历史数据生成训练集，将所述训练集输入预构建的神经网络模型进行迭代训练，获得无人机三维位置预测模型。
[0013]进一步的，所述对北斗卫星数据进行差分处理以对基线的估计值进行迭代更新，得到最优估计值，包括：
[0014]基于所述北斗卫星数据，得到伪距观测值和载波相位观测值；
[0015]基于所述伪距观测值和载波相位观测值，根据预构建的双差观测值模型进行基线解算，得到差分误差方程；
[0016]利用Adam算法对所述差分误差方程求解，更新基线的估计值，直至所述基线的估计值满足预设条件时停止更新，得到最优估计值。
[0017]进一步的，所述利用Adam算法对所述差分误差方程求解，更新基线的估计值，直至所述基线的估计值满足预设条件时停止更新，得到最优估计值，包括：
[0018]根据差分误差方程得到所述基线的估计值的一阶梯度估计表达式和二阶梯度估计表达式建立迭代公式；
[0019]通过所述迭代公式修正一阶梯度和二阶梯度偏差；
[0020]根据修正的一阶梯度和二阶梯度的偏差对基线的估计值进行更新；
[0021]判断所述基线的估计值是否符合预设要求，如果符合，输出该估计值为最优估计值，否则继续更新。
[0022]进一步的，所述差分误差方程包括：伪距差分误差方程和载波相位差分误差方程；
[0023]所述伪距差分误差方程为
[0024][0025]载波相位差分误差方程为
[0026][0027]其中，W为伪距差分的误差项向量，A为伪距差分系数矩阵，为伪距差分向量，H是可测得或计算的常数项所构成的向量，V为载波相位差分的误差项向量，B为载波相位差分的系数矩阵，为载波相位差分向量，为载波相位的双差整周模糊度，L为可测得或计算的常数项所构成的向量，E为单位矩阵。
[0028]进一步的，当基线的估计值符合以下预设要求时，停止迭代更新；
[0029][0030]其中，由给定的显著性水平α和基线误差向量的维数m通过卡方分布确定，此时得到基线向量的最佳估计值为
[0031]进一步的，根据最近的参考站的三维坐标、最优估计值及所述误差修正值通过以下方式计算所述无人机的三维坐标信息，
[0032][0033]其中，x
r
为从最近的参考站获得的三维坐标向量，c为误差修正值，x为无人飞行器的实时三维坐标。
[0034]进一步的，所述预构建的神经网络模型包括生成器和判别器；所述将所述训练集输入预构建的神经网络模型进行迭代训练，获得无人机三维位置预测模型，包括：
[0035]从所述三维坐标信息的历史数据中选取第(t+1)至(t+n)历元共n个三维坐标向量{x
t+1
,x
t+2
,
…
,x
t+n
}作为正例，利用生成器输入k个噪声向量，生成k个反例，最大化损失函数并更新判别器参数；
[0036]固定所述判别器的参数，将t历元的北斗卫星数据输入生成器，得到预测的第(t+1)至(t+n)历元的三维坐标，将预测的三维坐标输入到判别器，判别器输出一个真实度参数，生成器调整参数使得这个真实度参数尽可能大，得到生成器参数；
[0037]网络训练完毕后，根据当前的北斗卫星数据利用训练好的无人机三维位置预测模型生成未来一段时间内的无人机三维坐标预测值。
[0038]进一步的，还包括：
[0039]在每一次迭代中，先固定生成器的参数，只更新判别器的参数。
[0040]本申请实施例提供一种基于北斗差分定位的无人飞行器的位置预测装置，包括：
[0041]卫星天线、通讯模块、北斗接收机主板及数据存储模块，所述卫星天线通过通讯模块与所述北斗接收机主板连接，所述数据存储模块与所述北斗接收机主板连接；
[0042]所述卫星天线用于搜索北斗卫星信号并接收北斗卫星数据；
[0043]所述通讯模块用于将所述北斗卫星数据传输至所述北斗接收机主板；
[0044]所述北斗接收机主板用于对所述北斗卫星数据差分处理，得到所述无人机的实时三维坐标信息及未来一段本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于北斗差分定位的无人飞行器的位置预测方法，其特征在于，包括：接收北斗基准站发送的北斗卫星数据；分析所述北斗卫星数据得到最近的参考站的坐标信息及误差修正值；对所述北斗卫星数据进行差分处理以对基线的估计值进行迭代更新，得到最优估计值；根据所述最优估计值、最近的参考站的坐标信息及误差修正值计算所述无人机的三维坐标信息；基于所述三维坐标信息的历史数据生成训练集，将所述训练集输入预构建的神经网络模型进行迭代训练，获得无人机三维位置预测模型。2.根据权利要求1所述的方法，其特征在于，所述对北斗卫星数据进行差分处理以对基线的估计值进行迭代更新，得到最优估计值，包括：基于所述北斗卫星数据，得到伪距观测值和载波相位观测值；基于所述伪距观测值和载波相位观测值，根据预构建的双差观测值模型进行基线解算，得到差分误差方程；利用Adam算法对所述差分误差方程求解，更新基线的估计值，直至所述基线的估计值满足预设条件时停止更新，得到最优估计值。3.根据权利要求2所述的方法，其特征在于，所述利用Adam算法对所述差分误差方程求解，更新基线的估计值，直至所述基线的估计值满足预设条件时停止更新，得到最优估计值，包括：根据差分误差方程得到所述基线的估计值的一阶梯度估计表达式和二阶梯度估计表达式建立迭代公式；通过所述迭代公式修正一阶梯度和二阶梯度偏差；根据修正的一阶梯度和二阶梯度的偏差对基线的估计值进行更新；判断所述基线的估计值是否符合预设要求，如果符合，输出该估计值为最优估计值，否则继续更新。4.根据权利要求3所述的方法，其特征在于，所述差分误差方程包括：伪距差分误差方程和载波相位差分误差方程；所述伪距差分误差方程为载波相位差分误差方程为其中，W为伪距差分的误差项向量，A为伪距差分系数矩阵，为伪距差分向量，H是可测得或计算的常数项所构成的向量，V为载波相位差分的误差项向量，B为载波相位差分的系数矩阵，为载波相位差分向量，为载波相位的双差整周模糊度，L为可测得或计算的常数项所构成的向量，E为单位矩阵。5.根据权利要求3所述的方法，其特征在于，当基线的估计值符合以下预设要求时，停止迭代更新；
其中，由给定的显著性水平α和基线误差向量的维数m通过卡方分布确定，此时得到基线向量的最佳估计值为6.根据权利要求5所述的方法，其特征在于，根据最近的参考站的三维坐标、最优估计值...
【专利技术属性】
技术研发人员：周仿荣，王一帆，马仪，马御棠，潘浩，耿浩，曹俊，文刚，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。