【无人机】无人机平台的非移动 GPS 干扰器进行位置估计的多种传感器融合算法的性能分析(Matlab代码实现)

简介: 【无人机】无人机平台的非移动 GPS 干扰器进行位置估计的多种传感器融合算法的性能分析(Matlab代码实现)

💥 💥 💞 💞 欢迎来到本博客 ❤️ ❤️ 💥 💥



🏆 博主优势: 🌞 🌞 🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。



⛳ 座右铭:行百里者,半于九十。


📋 📋 📋 本文目录如下: 🎁 🎁 🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、数据、详细文章


💥1 概述

诸如美国全球定位系统(GPS)的全球导航卫星系统(GNSS)已经在民用应用和军事中变得普遍。GNSS应用是多种多样的,因为这样的系统提供精确的全球定位和时间同步。然而,GPS的一个主要弱点是它容易受到干扰,因为来自环绕地球运行的GPS卫星的GPS信号是非常低的信号,约为-130dBm,如[1]所述市场上各种各样的民用GPS干扰器都可以以实惠的价格买到。如[2]所示,民用GPS干扰机通常是具有近似固定发射功率的简单全向单极天线,其扫描主GPS频带(约1.57GHz的L1频率)。最近的事件,如盗窃和机场事件,暴露了GPS的脆弱性和日益增长的干扰环境,如[3]所示。因此,当局正在采取措施防止其扩散,并尝试开发抗干扰的GPS接收机,以及检测和定位这些干扰的新方法无线电频率(RF)发射器的被动定位(也称为地理定位)是一个日益增长的研究领域,这得益于无人机(UAV)在民用和军用搜索救援和目标跟踪任务中的日益使用。这些平台在地理定位方面有几个优势,包括更小的平台、更强的耐力和灵活性、团队搜索以及可能降低的成本


本文是作为传感器融合模块的一部分创建的,该模块由克兰菲尔德大学的Hyo-Sang Shin博士为自动驾驶汽车动力学与控制硕士课程的学生举办。该存储库包含 MATLAB 软件,用于对来自无人机平台的非移动 GPS 干扰器进行位置估计的多种传感器融合算法的性能分析。


任务的障碍是在 MATLAB/Simulink 提供的合成环境中开发和实现不同的传感器融合算法。提供的问题定义分为两个子部分。第一部分侧重于在具有各向同性干扰器行为的环境中开发某些传感器融合算法。本节重点介绍扩展卡尔曼、无迹卡尔曼和粒子滤波算法的实现,以估计非移动 GPS 干扰平台的位置。在第二部分中,干扰器模式在扩散过程中是各向异性的 行为。应使用先前开发的算法(扩展卡尔曼、无迹卡尔曼和粒子滤波器)来分析它们使用新干扰器模式的行为。作为任务的最后一部分,应该已经实现了新的 abd 未呈现的传感器融合算法。该算法的目标是改进各向异性干扰器行为情况下的位置估计


GPS干扰器定位方法


GPS干扰车的位置不能直接观察到,因此必须利用观测测量来观察。为了定位混淆GPS信号的目标,使用干扰信号的功率测量。这种方法称为接收信号强。


无人机制导方法


用于无人机制导的制导方法是基于矢量场的路径跟踪。其中无人机首先遵循直线方法到达目标的估计位置。当无人机到达一定距离时,它开始沿着徘徊路径行驶。


传感器融合算法


该任务的目标是为各向同性和各向异性GPS干扰器模式开发和实现不同的传感器融合算法。实现了以下算法:


扩展卡尔曼滤波器


昂森特卡尔曼滤波器


粒子过滤器


扩展粒子过滤器


无厘头粒子过滤器


H-无限滤光片


自适应卡尔曼滤波


H-无限粒子过滤器


粒子过滤器重采样


已经采用了一套潜在的重新采样方法。该分析的目的是比较重采样方法在同一环境中的不同性能,并选择性能最佳的算法。已实施并调查了以下方法:


多项重采样


系统重采样


残余重采样


残差系统重采样


局部选择重采样


分层重采样


📚2 运行结果


7040fef6edf21bb31723ef6599234af9.jpg


【无人机】无人机平台的非移动 GPS 干扰器进行位置估计的多种传感器融合算法的性能分析(Matlab代码实现)


仅展现部分结果:


7865e5d66519c50f1a0ccf8d426540ea.png

f0e5e6b1a68bd6687fac06a5093dddf8.png

4699807cfdf1e48922f77dc377b29088.png

823f3baae47e77d93d9fd2eec177ccf6.png


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。


de48c537da0e2db42b7d42e1ec44f6b3.png


🌈4 Matlab代码、数据、详细文章


相关文章
|
16天前
|
机器学习/深度学习 并行计算 算法
【超级棒的算法改进】融合鱼鹰和柯西变异的麻雀优化算法研究(Matlab代码实现)
【超级棒的算法改进】融合鱼鹰和柯西变异的麻雀优化算法研究(Matlab代码实现)
|
13天前
|
传感器 算法 数据挖掘
基于协方差交叉(CI)的多传感器融合算法matlab仿真,对比单传感器和SCC融合
基于协方差交叉(CI)的多传感器融合算法,通过MATLAB仿真对比单传感器、SCC与CI融合在位置/速度估计误差(RMSE)及等概率椭圆上的性能。采用MATLAB2022A实现,结果表明CI融合在未知相关性下仍具鲁棒性,有效降低估计误差。
124 15
|
17天前
|
传感器 算法 Shell
【使用卡尔曼滤波器将陀螺仪和加速度计的读数融合,以获取IMU的姿态(四元数)】实现了所谓的“零速度更新”算法,用于行人跟踪(步态跟踪)(Matlab代码实现)
【使用卡尔曼滤波器将陀螺仪和加速度计的读数融合,以获取IMU的姿态(四元数)】实现了所谓的“零速度更新”算法,用于行人跟踪(步态跟踪)(Matlab代码实现)
|
17天前
|
传感器 机器学习/深度学习 算法
【室内导航通过视觉惯性数据融合】将用户携带的智能手机收集的惯性数据与手机相机获取的视觉信息进行融合研究(Matlab代码实现)
【室内导航通过视觉惯性数据融合】将用户携带的智能手机收集的惯性数据与手机相机获取的视觉信息进行融合研究(Matlab代码实现)
|
17天前
|
传感器 数据采集 存储
【无线传感器】使用 MATLAB和 XBee连续监控温度传感器无线网络研究(Matlab代码实现)
【无线传感器】使用 MATLAB和 XBee连续监控温度传感器无线网络研究(Matlab代码实现)
|
17天前
|
传感器 算法 定位技术
【GPS+INS在MAV导航上融合】基于间接卡尔曼滤波的IMU与GPS融合MATLAB仿真(IMU与GPS数据由仿真生成)
【GPS+INS在MAV导航上融合】基于间接卡尔曼滤波的IMU与GPS融合MATLAB仿真(IMU与GPS数据由仿真生成)
|
9天前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
|
11天前
|
传感器 机器学习/深度学习 算法
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
|
10天前
|
传感器 机器学习/深度学习 算法
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
|
9天前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
91 14

热门文章

最新文章