基于距离测量的无人机群分布式相对定位方法技术

本发明专利技术提出了一种基于距离测量的无人机群分布式相对定位方法，实现步骤为：对无人机群进行分簇；构建每个簇的距离信息矩阵并对其进行修正；基于多维标度分析算法对每个簇中的无人机进行局部相对定位；对局部相对定位结果进行全局坐标融合以获取无人机群相对定位结果。本发明专利技术在对局部相对定位结果进行全局坐标融合的过程中，根据不同簇的局部相对定位结果计算坐标融合的误差函数的权重，并采用迭代的加权最小二乘坐标融合方法，迭代计算所有簇进行坐标融合时的最优旋转矩阵、平移向量，避免了串行的坐标融合方式带来的误差传递，减小了由于不同簇的局部相对定位误差导致的坐标融合时的误差累计对定位结果准确性的影响，提升了集群的相对定位精度。了集群的相对定位精度。了集群的相对定位精度。

【技术实现步骤摘要】
基于距离测量的无人机群分布式相对定位方法


[0001]本专利技术属于无线定位
，涉及一种无人机群相对定位方法，具体涉及一种基于距离测量的无人机群分布式相对定位方法，可用于无人机群编队控制、编队飞行、部署空中网络等场景下获取无人机之间的相对位置，为无人机群路径规划、安全飞行及协作完成任务提供保障。

技术介绍

[0002]随着5G通信和无人机自动驾驶技术的发展，无人机的市场需求急速上升。因其具有成本低、体积小、机动性强等优点被广泛应用于快递运输、灾害救援、农业生产等。由于单个无人机的生存能力差，无法完成复杂的任务，无人机集群协同作业则是当前科技现代化的任务要求，能有效提高整体工作效能。作为无人机群技术中的关键技术，定位技术引起了广泛关注，是无人机群路径规划、安全飞行以及任务分配的重要保障。全球定位系统广泛用于获取无人机绝对位置，而卫星信号在恶劣环境中会受到路径衰减和建筑遮挡的影响，定位误差甚至会超过十米。现有的无人机的相对定位研究较少，而获取无人机之间的相对位置更适合于无人机群执行协作任务，如编队控制、编队飞行、目标跟踪等。得益于无线定位技术的发展，使无人机之间的精准相对定位成为了可能，尤其是基于超宽带测距的定位技术，其测距精度可达厘米级。在无人机群中，无人机之间通过无线通信进行相互测距和协同定位，提升定位精度。因此对无人机群的相对定位方法研究具有重要意义。
[0003]无人机群的相对定位算法分为集中式和分布式。分布式相对定位是集群中的无人机利用自身测量信息以及相邻无人机的交互信息，去获取自己的位置。首先，分布式相对定位方法利用集群内部相互测量实现相对定位，无需依赖于卫星导航信息，可以确保集群编队构型和内部拓扑空间关系的稳定性；而且，实际中无人机群数量的大规模和拓扑结构的不规则性，处于边缘的无人机之间的长距离而无人机的无线通信范围有限会导致数据包丢失，使测量信息不完整，导致定位定位精度下降，而分布式相对定位系统基于通信感知与相邻无人机动态组网，并在局部完成相对定位从而在很大程度上克服了这一问题；另外，分布式相对定位方法不需要一个全局的中心无人机收集全局信息并完成相应解算，而是将整个集群进行了划分，相比于集中式方法，分摊了中心单元的存储和运算，即使某些无人机出现异常，整个集群的定位系统仍能运行。
[0004]基于距离测量的无人机群分布式相对定位方法的基本思路是：首先，对集群进行分簇，分簇依据有基于连通度、基于聚类分析和基于节点的剩余能量等；然后，各个簇内的无人机通过其与相邻无人机之间的测距信息，基于凸规划算法、自定位算法或多维尺度分析算法等完成簇内局部相对定位；最后，基于不同簇之间的公共节点，通过最小化空间构型误差求得最优坐标旋转变换参数，将不同簇的局部相对定位结果融合到全局坐标系下，完成对整个无人机群相对定位。
[0005]定位精度是衡量定位算法的一个非常重要的指标之一，提升基于距离测量的无人机群分布式相对定位精度的难点在于：首先，无人机群分布式定位方法需要利用无人机之
间的相互测距信息完成局部相对定位，基于无线通信技术测量无人机之间的距离信息的过程中，无线信号容易受到多径衰落、非视距传播和设备间时钟不同步等影响从而产生测距误差，因此如何对存在误差的测距值进行识别或修正，是减小测距误差对定位结果的干扰从而提升定位精度的难点；然后，在分布式全局坐标融合过程中，由于每个簇的局部相对定位结果误差不同，串行融合方式会出现误差累计问题，而且，全局融合过程中对不同的簇的局部相对定位结果平等看待会出现误差传递问题，因此，如何设计并行的融合方式且考虑不同簇的局部相对定位误差并赋予不同的权重，是进一步提高定位精度的难点。
[0006]在Y.Liu,Y.Wang,J.Wang,and Y.Shen,“Distributed 3D relative localization of UAVs,”IEEE Trans.Veh.Technol.,vol.69,no.10,pp.11756
–
11770,Oct.2020.中，提出了一种基于测距的无人机群分布式相对定位方法：该方法首先基于连通度从大到小的对无人机群进行分簇，然后在簇内采用基于加权半定规划的优化算法完成局部相对位置估计，最后基于统计信息对每个簇的局部相对位置估计结果进行全局坐标融合，得到整个无人机群的相对定位结果。由于测距误差与无线信号的信噪比和实际距离有关，该方法基于无线信号的测距误差模型，将信噪比和测距值引入权重表达式，基于加权半定规划算法对测距值进行优化，相比于直接使用原始测距值的相对定位方法在精度方面有显著提升；并且在全局融合过程中基于统计信息对不同簇赋予权重，进一步提升了精度。缺点是：由于每个簇的局部相对定位结果的误差不同，在全局坐标融合过程中，对不同的簇的局部相对定位结果平等看待以及采取串行融合方式，会导致误差累计问题，从而影响定位精度。

技术实现思路

[0007]本专利技术的目的在于克服上述现有技术存在的缺陷，提出了一种基于距离测量的无人机群分布式相对定位方法，旨在提高无人机群相对定位的精度。
[0008]为实现上述目的，本专利技术采取的技术方案包括如下步骤：
[0009](1)对无人机群进行分簇：
[0010]构建包括分布在三维空间中配备有无线通信设备的N架无人机的无人机群分布式相对定位系统，并根据每架无人机的编号ID
n
、连通度DC
n
、邻居表NT
n
和通信范围为R，将无人机群分为K个簇G＝{G
k
|1≤k≤K}，其中，N≥4，1≤n≤N，G
k
表示包含M架无人机的第k个簇；
[0011](2)构建每个簇的距离信息矩阵并对其进行修正：
[0012](2a)第k个簇G
k
中的第m架无人机通过无线通信设备采集其与第j架无人机之间的距离信息以及采集时无线信号的信噪比并基于所有距离信息构建G
k
的距离信息矩阵基于所有信噪比构建G
k
的距离信息可信度矩阵W
k
：
[0013][0014][0015]其中，j∈M且j≠m，(
·
).
^
2表示生成对矩阵(
·
)中每一个元素求平方后的矩阵；
[0016](2b)采用基于加权的半定规划算法，并通过G
k
的距离信息可信度矩阵W
k
对G
k
的距离信息矩阵进行修正，得到G
k
的修正后的距离信息矩阵则K个簇G对应的修正后的距离信息矩阵的集合为
[0017](3)基于多维标度分析算法对每个簇中的无人机进行局部相对定位：
[0018](3a)计算去中心化矩阵J，并通过J和G
k
的修正后的距离信息矩阵计算内积矩阵B
k
，然后对B
k
进行特征值分解，得到包括M个特征值的集合和M个特征向量的集合
[001本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于距离测量的无人机群分布式相对定位方法，其特征在于，包括如下步骤：(1)对无人机群进行分簇：构建包括分布在三维空间中配备有无线通信设备的N架无人机的无人机群分布式相对定位系统，并根据每架无人机的编号ID
n
、连通度DC
n
、邻居表NT
n
和通信范围为R，将无人机群分为K个簇G＝{G
k
|1≤k≤K}，其中，N≥4，1≤n≤N，G
k
表示包含M架无人机的第k个簇；(2)构建每个簇的距离信息矩阵并对其进行修正：(2a)第k个簇G
k
中的第m架无人机通过无线通信设备采集其与第j架无人机之间的距离信息以及采集时无线信号的信噪比并基于所有距离信息构建G
k
的距离信息矩阵基于所有信噪比构建G
k
的距离信息可信度矩阵W
k
：：其中，j∈M且j≠m，(
·
).^2表示生成对矩阵(
·
)中每一个元素求平方后的矩阵；(2b)采用基于加权的半定规划算法，并通过G
k
的距离信息可信度矩阵W
k
对G
k
的距离信息矩阵进行修正，得到G
k
的修正后的距离信息矩阵则K个簇G对应的修正后的距离信息矩阵的集合为(3)基于多维标度分析算法对每个簇中的无人机进行局部相对定位：(3a)计算去中心化矩阵J，并通过J和G
k
的修正后的距离信息矩阵计算内积矩阵B
k
，然后对B
k
进行特征值分解，得到包括M个特征值的集合和M个特征向量的集合集合
其中，I
M
表示维度为M
×
M的单位矩阵，1
M
表示元素全为1的M
×
1的列向量；(3b)通过特征值集合λ
k
中前三个最大特征值和作为对角元素构成的对角矩阵和对应的三个特征向量构成的矩阵计算每个簇G
k
中的M架无人机的局部相对定位坐标矩阵并取的第m列向量作为簇G
k
中第m架无人机的局部相对定位结果，则K个簇G对应的局部相对定位坐标矩阵构成的的集合为个簇G对应的局部相对定位坐标矩阵构成的的集合为个簇G对应的局部相对定位坐标矩阵构成的的集合为个簇G对应的局部相对定位坐标矩阵构成的的集合为个簇G对应的局部相对定位坐标矩阵构成的的集合为其中，diag(
·
)表示生成由(
·
)作为主对角元素且其余元素为零的对角矩阵，()
:,m
表示取矩阵()的第m列向量，(
·
)
T
表示求转置操作；(4)对局部相对定位结果进行全局坐标融合以获取无人机群相对定位结果：(4a)将N架无人机中同时被划分在K个簇G中的H架无人机作为公共无人机，则每个簇G
k
中的M架无人机可被划分为包括H架公共无人机的集合和包括L架非公共无人机的集合其中，L＝M
‑
H，分别表示第k个簇G
k
中的第h架公共无人机、第l架非公共无人机；(4b)通过每个簇G
k
中公共无人机集合每架公共无人机对应的局部相对定位结果构成公共无人机局部相对坐标矩阵并通过和修正后测距信息矩阵计算权重ψ
k
，再通过K个簇G对应的公共无人机的局部相对坐标矩阵构成的集合和权重集合Ψ＝{ψ
k
|1≤k≤K}计算初始最优坐标矩阵Z
opt
：：：：其中，v∈H，v≠h，||
·
||2表示求向量2范数，∑(
·
)表示求和操作，(
·
)
h,v
表示取矩阵第h行第v列对应的元素，arg max{}表示取集合{}中元素值最大时对应的元素序号；(4c)采用迭代的加权最小二乘坐标融合方法，并通过P
common
、Ψ和Z
opt
计算最优坐标矩
阵Z
i+1
、旋转矩阵集合平移向量集合并将Z
i+1
作为K个簇G中对应的H个公共无人机的相对定位结果，其中，分别表示第k个簇G
k
中对应的公共无人机局部相对定位坐标矩阵变换到Z
i+1
的旋转矩阵、平移向量；(4d)通过旋转矩阵集合R
i+1
和平移向量集合t
i+1
，对每个簇G
k
中非公共无人机集合中每架非公共无人机对应的局部相对定位结果进行全局坐标融合，得到第l架非公共无人机的相对定位结果并将L架非公共无人机的相对定位结果构成非公共无人机相对坐标矩阵则K个簇对应的非公共无人机的相对定位结果构成的坐标矩阵为最优坐标矩阵Z
i+1
和的联合矩阵即N架人机构成的无人机群的相对定位结果：果：果：2.根据权利要求1所述的基于距离测量的无人机群分布式相对定位方法，其特征在于，步骤(1)中所述的将无人机群分为K个簇，实现步骤为：(1a)每架无人机通过无线通信模块周期性地广播包含自己编号ID
n
的消息，并接收通信范围R内其他无人机的广播消息，每架无人机通过接收到的来自第n'架无人机的广播消息中的无人机编号ID
n'
，计算得到其自身的邻居表即NT
n
＝{ID
n'
|d
nn'
≤R}，则N架无人机的邻居表构成集合NT＝{NT
n
|1≤n≤N}，其中，n'∈N，n'≠n，d
nn'
表示第n架无人机到第n'架无人机之间的距离；(1b)令k＝1，通过集合NT，计算每架无人机的连通度则N架无人机的连通度构成...

【专利技术属性】
技术研发人员：王勇，刘运松，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：