CN108153331A - 基于Kalman滤波的无人机动态威胁规避方法、设备及存储设备 - Google Patents

基于Kalman滤波的无人机动态威胁规避方法、设备及存储设备 Download PDF

Info

Publication number
CN108153331A
CN108153331A CN201711488058.5A CN201711488058A CN108153331A CN 108153331 A CN108153331 A CN 108153331A CN 201711488058 A CN201711488058 A CN 201711488058A CN 108153331 A CN108153331 A CN 108153331A
Authority
CN
China
Prior art keywords
unmanned plane
target
kalman filter
judge
dynamic threats
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711488058.5A
Other languages
English (en)
Inventor
赵曼
宋光磊
范园
李晖
吴杰
董理君
黄梦达
潘孟琦
李贝
吴柳依
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Geosciences
Shandong Institute of Space Electronic Technology
Original Assignee
China University of Geosciences
Shandong Institute of Space Electronic Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China University of Geosciences, Shandong Institute of Space Electronic Technology filed Critical China University of Geosciences
Priority to CN201711488058.5A priority Critical patent/CN108153331A/zh
Publication of CN108153331A publication Critical patent/CN108153331A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供了一种基于Kalman滤波的无人机动态威胁规避方法、设备及存储设备，所述方法包括步骤：S1：初始化静态航迹点；S2：获取目标ADS_B数据；S3：判断垂直、东西及南北方向威胁是否在避撞判断范围内；S4：若不在，不做处理，返回S2；S5：若在，划分威胁区域并得到威胁目标轨迹；S6：对威胁目标的轨迹进行Kalman滤波得到滤波后威胁目标轨迹；S7：将滤波后威胁目标轨迹与无人机轨迹进行比较；S8：判断威胁目标是否在威胁距离之内；S9：若否，返回S8；S10：若是，采用规避策略规避威胁目标；S11：判断无人机是否规避目标；S12：若否，则返回S8；S13：若是，则完成规避。所述设备用来实现所述方法。本发明使无人机可以有效地规避动态威胁目标。

Description

基于Kalman滤波的无人机动态威胁规避方法、设备及存储 设备
技术领域
本发明涉及智能控制领域，具体涉及一种基于Kalman滤波的无人机动态威胁规避方法、设备及存储设备。
背景技术
随着低空领域开放，航空领域将面临空中交通流量大、飞行密度高、空域结构复杂的状态，此时军用和民用无人机也将会大量涌现，对无人机的飞行安全和空中管制带来了新的挑战。如何保证战时各型无人机使用空域时互不影响，同时不危及有人机执行作战任务时的飞行安全；如何保证平时无人机的各种任务飞行、训练和科研试飞活动能够合理地使用空域，并不影响军民航有人飞机的正常飞行活动，即,无人机如何规避动态威胁目标,已经成为当前和以后若干年内亟待解决的重要问题。
发明内容
本发明提供了一种基于Kalman滤波的无人机动态威胁规避方法、设备及存储设备，无人机通过采集威胁目标的ADS_B数据对威胁目标的航迹做出预测，判断威胁目标航迹是否在避撞判断范围之内，同时采用Kalman滤波对威胁目标航迹进行处理，最后结合规避策略对威胁目标进行规避,可以有效解决上述问题。
本发明提供的技术方案是：一种基于Kalman滤波的无人机动态威胁规避方法，所述方法包括步骤：S1：初始化无人机静态航迹点；S2：获取动态威胁目标的ADS_B数据；S3：同时判断垂直、东西及南北方向威胁是否在避撞判断范围之内；S4：若不在，则不做任何处理，并返回S2继续执行；S5：若在，则进行威胁区域划分并得到与无人机进行安全距离比较的动态威胁目标的轨迹；S6：对所述动态威胁目标的轨迹进行Kalman滤波得到滤波后动态威胁目标轨迹；S7：将滤波后动态威胁目标轨迹与无人机轨迹进行比较；S8：判断动态威胁目标是否在威胁距离之内；S9：若否，则返回S8继续执行；S10：若是，则无人机采用规避策略规避动态威胁目标；S11：判断无人机是否规避动态威胁目标；S12：若否，则返回S8继续执行；S13：若是，则完成无人机对动态威胁目标的规避。存储设备，所述存储设备存储指令及数据用于实现所述一种基于Kalman滤波的无人机动态威胁规避方法。一种基于Kalman滤波的无人机动态威胁规避设备，所述设备包括处理器及所述存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现所述的一种基于Kalman滤波的无人机动态威胁规避方法。
本发明的有益效果是：本发明提供了一种基于Kalman滤波的无人机动态威胁规避方法、设备及存储设备，无人机通过采集威胁目标的ADS_B数据对威胁目标的航迹做出预测，判断威胁目标航迹是否在避撞判断范围之内，同时采用Kalman滤波对威胁目标航迹进行处理，最后结合规避策略对威胁目标进行规避，从而使无人机在飞行过程中可以有效地规避动态威胁目标。
附图说明
图1是本发明实施例中基于Kalman滤波的无人机动态威胁规避方法的整体流程图；
图2是本发明实施例中判断垂直方向威胁是否在避撞判断范围之内具体步骤流程图；
图3是本发明实施例中判断东西方向威胁是否在避撞判断范围之内具体步骤流程图；
图4是本发明实施例中判断南北方向威胁是否在避撞判断范围之内具体步骤流程图；
图5是本发明实施例中对所述动态威胁目标的轨迹进行Kalman滤波得到滤波后动态威胁目标轨迹具体步骤流程图；
图6是本发明实施例中左转策略及右转策略示意图；
图7是本发明实施例中上升策略及下降策略示意图；
图8是本发明实施例中无人机与威胁目标同向飞行状态示意图；
图9是本发明实施例中无人机与威胁目标相向飞行状态示意图；
图10是本发明实施例中无人机与威胁目标交叉飞行状态示意图；
图11是本发明实施例的硬件设备工作示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述，下文中提到的具体技术细节，如：方法，设备等，仅为使读者更好的理解技术方案，并不代表本发明仅局限于以下技术细节。
本发明的实施例提供了一种基于Kalman滤波的无人机动态威胁规避方法、设备及存储设备。请参阅图1，图1是本发明实施例中基于Kalman滤波的无人机动态威胁规避方法的整体流程图，所述方法由硬件设备实现，具体步骤包括：
S101：初始化无人机静态航迹点。
S102：获取动态威胁目标的ADS_B数据。
S103：判断垂直方向威胁是否在避撞判断范围之内。
S104：判断东西方向威胁是否在避撞判断范围之内。
S105：判断东南北方向威胁是否在避撞判断范围之内。
S106：若不在，则不做任何处理，返回S102继续执行。
S107：若在，则进行威胁区域划分并得到与无人机进行安全距离比较的动态威胁目标的轨迹。
S108：对所述动态威胁目标的轨迹进行Kalman滤波得到滤波后动态威胁目标轨迹。
S109：将滤波后动态威胁目标轨迹与无人机轨迹进行比较。
S110：判断动态威胁目标是否在威胁距离之内。
S111：若否，则返回S109继续执行。
S112：若是，则无人机采用规避策略规避动态威胁目标。所述规避策略具体为：加速策略、减速策略、左转策略、右转策略、上升策略及下降策略。
S113：判断无人机是否规避动态威胁目标。
S114：若否，则返回S110继续执行。
S115：若是，则完成无人机对动态威胁目标的规避。
所述ADS_B数据的形式具体为ADS_B报文；所述ADS_B报文结构具体为：bit1至bit5为DF消息字段，bit6至bit8为CA消息字段，bit9至bit32为AA消息字段，bit33至bit88为ME消息字段，bit89至bit112为校验消息字段。ADS-B消息的112bit数据帧格式如下表1所示。
表1
本项目只解析DF字段为17的消息，DF＝17时进行后面的ME字段的解析，获取所需的速度，位置等信息。AA消息字段指示了该发射机的ICAO地址，ME字段包含了位置、速度、高度、航角、航空ID、地址等信息，校验信息暂不考虑。
ME的第1-5比特(即DF17报文的第33-37比特)是Type值，根据这个值看DF＝17的报文是什么类型的报文，再进一步解算。本项目只解析Type值为9-22的报文。其中Type值为9-18、20-22时表示空中位置报，Type为19表示飞机速度信息。
空中位置报文可获得飞机的经纬度以及高度信息，其中高度信息在ME消息的9-20比特位，纬度编码在23-29比特位，经度编码在40-56比特位。具体结构如表2所示；
表2
高度信息的位结构如下表所示：
表3
高度信息一共12位码元，每个码元都对应了一个单独名称，以便于信息的组织和解码的描述。根据Q值的不同，高度信息采用了两种不同的编码算法。如果Q位的值为0，则高度的增量是100英尺，高度信息的编码采用格雷码；如果Q位的值为1，则高度的增量是25英尺，高度信息采用自然二进制编码。也就是去掉Q位，将其它位合并到一起，作为一个完整的二进制数。
本项目采用全球解码和本地解码两种方式来解析报文中的经纬度。全球解码采用收到的偶编码(由YZ0，XZ0表示)和奇编码(由YZ1，XZ1表示)的两个位置消息，共同产生全球位置的纬度Rlat和经度Rloni。对于本地解码来说，需设置一个本地参考点，本地参考点为无人机的实时位置(假定其经纬度分别为lati、loni)，CPR解码算法将通过解码获得本地位置。
全球解码步骤如下：
1.计算纬度Zone的尺寸Dlati
2.计算纬度索引j
3.计算偶形式的纬度Rlat0和奇形式的纬度Rlat1
Rlati＝Dlati×(MOD(j，60-i)+YZi/217)
4.计算纬度数NL(Rlat0)和NL(Rlat1)
判断NL(Rlat0)和NL(Rlat1)是否相等。若相等，则计算经度Zone的尺寸Dloni，否则，等待下一个位置消息。
5.计算经度Zone的尺寸Dloni
其中ni为[NL(Rlati)-i]和1中那个较大的数。
6.采用纬度数NL，计算经度索引m
7.计算全球经度Rloni
Rloni＝Dloni×(MOD(m，ni)+XZi/217)
其中ni为[NL(Rlati)-i]和1中那个较大的数。
本地解码步骤如下：
1.计算纬度Zone的尺寸Dlati
2.采用参考点的纬度lati、Dlati和纬度编码的二进制值YZi计算纬度索引j
3.解码纬度位置Rlati
Rlati＝Dlati×(j+YZi/217)
4.由Rlati确定东西向经度Zone的尺寸Dloni
5.采用参考点的经度loni、Dloni和XZi计算经度索引m
6.解码经度位置Dloni
Rloni＝Dloni×(m+XZi/217)
飞机速度消息报文可获得飞机各个方向的速度大小，空中速度消息具体结构见表4：
表4
本项目解析的速度消息类型主要有两大类，分别为子字段为1或2、子字段为3或4。当TYPE子字段为1或2时，速度东西指向中0表示为东向，1为西向；速度南北指向中0表示北向，1表示南向；上升下降标识中0表示向上，1表示向下。当TYPE子字段为1时，东、西、南、北方向的速度值大小为二进制编码转换得到的十进制值，单位为哩/小时，垂直方向速度为二进制编码转换得到的十进制值减1再乘以64，单位为英尺/分。当TYPE子字段为2时，、西、南、北方向的速度值大小为二进制编码转换得到的十进制值减去1之后再乘以4，单位为哩/小时，垂直方向速度为二进制编码转换得到的十进制值减一再乘以64，单位为英尺/分。
参见图2，图2是本发明实施例中判断垂直方向威胁是否在避撞判断范围之内具体步骤流程图，包括：
S201：初始化无人机配置参数,所述配置参数具体包括：机翼长度、机身长度、机体高度、最大航程、垂直方向最大转弯角、水平方向最大转弯角、最小转弯半径及最大飞行高度。
S202：发现垂直方向的威胁目标。
S203：计算无人机垂直矢量速度和高度。
S204：计算威胁目标垂直矢量速度和高度。
S205：无人机垂直矢量速度与威胁目标垂直矢量速度做差得到速度差。
S206：无人机高度与威胁目标高度做差得到高度差。
S207：判断威胁目标的矢量速度方向是否指向无人机。
S208：若否，则返回S203继续执行。
S209：若是，则判断威胁目标是否满足威胁阈值条件。所述威胁阈值条件为：
式中，|Δh|为高度差，h为设置的垂直方向保护高度，|v|为垂直速度差的绝对值，t1为设置的垂直方向冲突时间门限。
S210：若不满足，则返回S203继续执行。
S211：若满足，则认定威胁目标在避撞判断范围之内。
参见图3，图3是本发明实施例中判断东西方向威胁是否在避撞判断范围之内具体步骤流程图，包括：
S301：初始化无人机配置参数，所述配置参数具体包括：机翼长度、机身长度、机体高度、最大航程、垂直方向最大转弯角、水平方向最大转弯角、最小转弯半径及最大飞行高度。
S302：发现东西方向的威胁目标。
S303：计算无人机经度和东西矢量速度。
S304：计算威胁目标经度和东西矢量速度。
S305：无人机经度与威胁目标经度做差得到经度差。
S306：无人机东西矢量速度与威胁目标东西矢量速度做差得到东西矢量速度差。
S307：判断威胁目标的矢量速度方向是否指向无人机。
S308：若否，则返回S303继续执行。
S309：若是，则判断威胁目标是否满足威胁阈值条件。所述威胁阈值条件为：
式中，|Δlon|为经度差，h为设置的东西方向保护经度，|v|为东西速度差的绝对值，t1为设置的东西方向冲突时间门限。
S310：若不满足，则返回S303继续执行。
S311：若满足，则认定威胁目标在避撞判断范围之内。
参见图4，图4是本发明实施例中判断南北方向威胁是否在避撞判断范围之内具体步骤流程图，包括：
S401：初始化无人机配置参数,所述配置参数具体包括：机翼长度、机身长度、机体高度、最大航程、垂直方向最大转弯角、水平方向最大转弯角、最小转弯半径及最大飞行高度。
S402：发现南北方向的威胁目标。
S403：计算无人机纬度和南北矢量速度。
S404：计算威胁目标纬度和南北矢量速度。
S405：无人机纬度与威胁目标纬度做差得到纬度差。
S406：无人机南北矢量速度与威胁目标南北矢量速度做差得到南北矢量速度差。
S407：判断威胁目标的矢量速度方向是否指向无人机。
S408：若否，则返回S403继续执行。
S409：若是，则判断威胁目标是否满足威胁阈值条件。所述威胁阈值条件为：
式中，|Δlat|为维度差，h为设置的南北方向保护经度，|v|为南北速度差的绝对值，t1为设置的南北方向冲突时间门限。
S410：若不满足，则返回S403继续执行。
S411：若满足，则认定威胁目标在避撞判断范围之内。
参见图5，图5是本发明实施例中对所述动态威胁目标的轨迹进行Kalman滤波得到滤波后动态威胁目标轨迹具体步骤流程图，包括：
S501：读取威胁目标轨迹的最近两条ADS_B数据。
S502：从垂直、东西及南北方向对速度进行Kalman滤波。
S503：判断威胁轨迹是否有新的ADS_B数据。
S504：若是，将新ADS_B数据与前一时刻的ADS_B数据进行Kalman滤波。
S505：若否，将预测的航迹点的第一个ADS_B数据作为本时刻的ADS_B数据与前一时刻的ADS_B数据进行Kalman滤波。
S506：将测量值作为最优航迹值赋值给本时刻的***航迹值。
S507：估算预测协方差。
S508：根据协方差和过程噪声计算偏差值。
S509：根据偏差值计算出本时刻的最优航迹值。
S510：计算出下一时刻的最优值，即经过Kalman滤波后预测到的航迹值。
S511：得到预测的航迹点，与本时刻的ADS_B数据构成新的威胁目标航迹。所述预测的航迹点个数具体为：60个。
加速策略及减速策略：在规避动态威胁飞行器的过程中，若左转右转和上升下降无法达到避撞的目的，则选择加速减速，无人机检测到威胁后，通过改变无人机飞行的步长来避过威胁。除了无人机与威胁相向飞行的情况，加速减速均适用。
参见图6，图6是本发明实施例中左转策略及右转策略示意图，包括：无人机601、威胁目标602、右转点603、左转点604、威胁区域605及威胁区域心606。无人机601检测到威胁后，计算出航迹中离威胁轨迹最近的一个点，并记录下来为威胁区域心606，并从当前检测位置向左旋转N度，左转之后的左转点604与威胁区域心606的连线垂直于原轨迹，但保持改变后的轨迹与原轨迹的Z坐标相同，直到避过威胁。右转同理，在此不再赘述。
参见图7，图7是本发明实施例中上升策略及下降策略示意图，包括：无人机701、威胁目标702、威胁区域703、威胁区域心704、下降点705及上升点706。在规避动态威胁目标702的过程中，若左右转无法达到避撞的目的，则选择上升下降，无人机701检测到威胁目标702后，计算出航迹中离威胁轨迹最近的一个点，并记录下来为威胁区域心704，并相对于原航迹向上旋转N度，上升之后的上升点706与威胁区域心704的连线垂直于原轨迹，直到避过威胁。下降同理，在此不再赘述。
参见图8，图8是本发明实施例中无人机与威胁目标同向飞行状态示意图，包括：威胁目标801、威胁目标变轨轨迹802、无人机原轨迹803、无人机804、无人机变轨轨迹805、威胁目标原轨迹806及无人机变轨角807。由图中可见，威胁目标801按威胁目标原轨迹806飞行，无人机804按无人机原轨迹803飞行，无人机原轨迹803与威胁目标原轨迹806方向相同。当无人机804检测到威胁目标801要按威胁目标变轨轨迹802飞行时，则无人机804以无人机变轨角807进行机动变轨，从而按无人机变轨轨迹805飞行。
参见图9，图9是本发明实施例中无人机与威胁目标相向飞行状态示意图，包括：无人机901、威胁目标902、威胁目标原轨迹903、威胁目标变轨轨迹904、无人机原轨迹905、无人机变轨轨迹906及无人机变轨角907。由图中可见，威胁目标902按威胁目标原轨迹903飞行，无人机901按无人机原轨迹905飞行，无人机原轨迹905与威胁目标原轨迹903平行单方向相反。当无人机901检测到威胁目标902要按威胁目标变轨轨迹904飞行时，则无人机901以无人机变轨角907进行机动变轨，从而按无人机变轨轨迹905飞行。
参见图10，图10是本发明实施例中无人机与威胁目标交叉飞行状态示意图，包括：无人机1001、威胁目标1002、威胁目标原轨迹1003、无人机原轨迹1004、无人机变轨轨迹1005、威胁目标变轨轨迹1006及无人机变轨角1007。由图中可见，威胁目标1002按威胁目标原轨迹1003飞行，无人机1001按无人机原轨迹1004飞行，无人机原轨迹1004与威胁目标原轨迹1003有交叉。当无人机1001检测到威胁目标1002要按威胁目标变轨轨迹1004飞行时，则无人机1001以无人机变轨角1007进行机动变轨，从而按无人机变轨轨迹1005飞行。
参见图11，图11是本发明实施例的硬件设备工作示意图，所述硬件设备具体包括：一种基于Kalman滤波的无人机动态威胁规避设备1101、处理器1102及存储设备1103。
基于Kalman滤波的无人机动态威胁规避设备1101：所述一种基于Kalman滤波的无人机动态威胁规避设备1101实现所述一种基于Kalman滤波的无人机动态威胁规避方法。
处理器1102：所述处理器1102加载并执行所述存储设备1103中的指令及数据用于实现所述的一种基于Kalman滤波的无人机动态威胁规避方法。
存储设备1103：所述存储设备1103存储指令及数据；所述存储设备1103用于实现所述的一种基于Kalman滤波的无人机动态威胁规避方法。
通过执行本发明的实施例，本发明权利要求里的所有技术特征都得到了详尽阐述。
区别于现有技术，本发明的实施例提供了一种基于Kalman滤波的无人机动态威胁规避方法、设备及存储设备，无人机通过采集威胁目标的ADS_B数据对威胁目标的航迹做出预测，判断威胁目标航迹是否在避撞判断范围之内，同时采用Kalman滤波对威胁目标航迹进行处理，最后结合规避策略对威胁目标进行规避，从而使无人机在飞行过程中可以有效地规避动态威胁目标。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于Kalman滤波的无人机动态威胁规避方法，所述方法由硬件设备实现，其特征在于：包括以下步骤：S1：初始化无人机静态航迹点；S2：获取动态威胁目标的ADS_B数据；S3：同时判断垂直、东西及南北方向威胁是否在避撞判断范围之内；S4：若不在，则不做任何处理，并返回S2继续执行；S5：若在，则进行威胁区域划分并得到与无人机进行安全距离比较的动态威胁目标的轨迹；S6：对所述动态威胁目标的轨迹进行Kalman滤波得到滤波后动态威胁目标轨迹；S7：将滤波后动态威胁目标轨迹与无人机轨迹进行比较；S8：判断动态威胁目标是否在威胁距离之内；S9：若否，则返回S8继续执行；S10：若是，则无人机采用规避策略规避动态威胁目标；S11：判断无人机是否规避动态威胁目标；S12：若否，则返回S8继续执行；S13：若是，则完成无人机对动态威胁目标的规避。
2.如权利要求1所述的基于Kalman滤波的无人机动态威胁规避方法，其特征在于：所述ADS_B数据的形式具体为ADS_B报文；所述ADS_B报文结构具体为：bit1至bit5为DF消息字段，bit6至bit8为CA消息字段，bit9至bit32为AA消息字段，bit33至bit88为ME消息字段，bit89至bit112为校验消息字段。
3.如权利要求1所述的基于Kalman滤波的无人机动态威胁规避方法，其特征在于：判断垂直方向威胁是否在避撞判断范围之内具体步骤包括：初始化无人机配置参数,所述配置参数具体包括：机翼长度、机身长度、机体高度、最大航程、垂直方向最大转弯角、水平方向最大转弯角、最小转弯半径及最大飞行高度；发现垂直方向的威胁目标；计算无人机垂直矢量速度和高度；计算威胁目标垂直矢量速度和高度；无人机垂直矢量速度与威胁目标垂直矢量速度做差得到速度差；无人机高度与威胁目标高度做差得到高度差；判断威胁目标的矢量速度方向是否指向无人机；若否，则返回计算无人机垂直矢量速度和高度的步骤继续执行；若是，则判断威胁目标是否满足威胁阈值条件；若不满足，则返回计算无人机垂直矢量速度和高度的步骤继续执行；若满足，则认定威胁目标在避撞判断范围之内。
4.如权利要求1所述的基于Kalman滤波的无人机动态威胁规避方法，其特征在于：判断东西方向威胁是否在避撞判断范围之内具体步骤包括：初始化无人机配置参数,所述配置参数具体包括：机翼长度、机身长度、机体高度、最大航程、垂直方向最大转弯角、水平方向最大转弯角、最小转弯半径及最大飞行高度；发现东西方向的威胁目标；计算无人机经度和东西矢量速度；计算威胁目标经度和东西矢量速度；无人机经度与威胁目标经度做差得到经度差；无人机东西矢量速度与威胁目标东西矢量速度做差得到东西矢量速度差；判断威胁目标的矢量速度方向是否指向无人机；若否，则返回计算无人机经度和东西矢量速度的步骤继续执行；若是，则判断威胁目标是否满足威胁阈值条件；若不满足，则返回计算无人机经度和东西矢量速度的步骤继续执行；若满足，则认定威胁目标在避撞判断范围之内。
5.如权利要求1所述的基于Kalman滤波的无人机动态威胁规避方法，其特征在于：判断南北方向威胁是否在避撞判断范围之内具体步骤包括：初始化无人机配置参数,所述配置参数具体包括：机翼长度、机身长度、机体高度、最大航程、垂直方向最大转弯角、水平方向最大转弯角、最小转弯半径及最大飞行高度；发现南北方向的威胁目标；计算无人机纬度和南北矢量速度；计算威胁目标纬度和南北矢量速度；无人机纬度与威胁目标纬度做差得到纬度差；无人机南北矢量速度与威胁目标南北矢量速度做差得到南北矢量速度差；判断威胁目标的矢量速度方向是否指向无人机；若否，则返回计算无人机纬度和南北矢量速度的步骤继续执行；若是，则判断威胁目标是否满足威胁阈值条件；若不满足，则返回计算无人机纬度和南北矢量速度的步骤继续执行；若满足，则认定威胁目标在避撞判断范围之内。
6.如权利要求1所述的基于Kalman滤波的无人机动态威胁规避方法，其特征在于：所述对所述动态威胁目标的轨迹进行Kalman滤波得到滤波后动态威胁目标轨迹具体步骤包括：读取威胁目标轨迹的最近两条ADS_B数据；从垂直、东西及南北方向对速度进行Kalman滤波；判断威胁轨迹是否有新的ADS_B数据；若是，将新ADS_B数据与前一时刻的ADS_B数据进行Kalman滤波；若否，将预测的航迹点的第一个ADS_B数据作为本时刻的ADS_B数据与前一时刻的ADS_B数据进行Kalman滤波；将测量值作为最优航迹值赋值给本时刻的***航迹值；估算预测协方差；根据协方差和过程噪声计算偏差值；根据偏差值计算出本时刻的最优航迹值；计算出下一时刻的最优值，即经过Kalman滤波后预测到的航迹值；得到预测的航迹点，与本时刻的ADS_B数据构成新的威胁目标航迹。
7.如权利要求6所述的基于Kalman滤波的无人机动态威胁规避方法，其特征在于：所述预测的航迹点个数具体为：60个。
8.如权利要求1所述的基于Kalman滤波的无人机动态威胁规避方法，其特征在于：所述规避策略具体为：加速策略、减速策略、左转策略、右转策略、上升策略及下降策略。
9.存储设备，其特征包括：所述存储设备存储指令及数据用于实现权利要求1～8所述的任意一种方法。
10.基于Kalman滤波的无人机动态威胁规避设备，其特征在于：包括：处理器及所述存储设备；所述处理器加载并执行权利要求9中所述存储设备中的指令及数据用于实现权利要求1～8所述的任意一种方法。
CN201711488058.5A 2017-12-29 2017-12-29 基于Kalman滤波的无人机动态威胁规避方法、设备及存储设备 Pending CN108153331A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711488058.5A CN108153331A (zh) 2017-12-29 2017-12-29 基于Kalman滤波的无人机动态威胁规避方法、设备及存储设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711488058.5A CN108153331A (zh) 2017-12-29 2017-12-29 基于Kalman滤波的无人机动态威胁规避方法、设备及存储设备

Publications (1)

Publication Number Publication Date
CN108153331A true CN108153331A (zh) 2018-06-12

Family

ID=62460130

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711488058.5A Pending CN108153331A (zh) 2017-12-29 2017-12-29 基于Kalman滤波的无人机动态威胁规避方法、设备及存储设备

Country Status (1)

Country Link
CN (1) CN108153331A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886116A (zh) * 2019-01-21 2019-06-14 中国人民解放军战略支援部队信息工程大学 基于ads-b的辐射源个体识别方法及装置
CN112327923A (zh) * 2020-11-19 2021-02-05 中国地质大学（武汉） 一种多无人机协同路径规划方法
CN113031008A (zh) * 2021-03-12 2021-06-25 中国电子科技集团公司第二十研究所 一种具有主动探测海面威胁的前视预测告警方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103869822A (zh) * 2014-04-01 2014-06-18 西北工业大学 多旋翼无人机感知与规避***及其规避方法
EP2858061A1 (en) * 2013-10-02 2015-04-08 The Boeing Company Prediction of flight path privacy

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2858061A1 (en) * 2013-10-02 2015-04-08 The Boeing Company Prediction of flight path privacy
CN103869822A (zh) * 2014-04-01 2014-06-18 西北工业大学 多旋翼无人机感知与规避***及其规避方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
倪育德等: ""基于ADS－B 意图信息的航迹预测改进算法"", 《电讯技术》 *
张军: "《空地协同的空域监视新技术》", 31 March 2011, 航空工业出版社 *
罗文田等: ""基于ADS-B的飞机预警避撞算法研究"", 《控制工程》 *
魏潇龙等: ""基于路径规划的无人机飞行冲突解脱技术"", 《火力与指挥控制》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886116A (zh) * 2019-01-21 2019-06-14 中国人民解放军战略支援部队信息工程大学 基于ads-b的辐射源个体识别方法及装置
CN109886116B (zh) * 2019-01-21 2021-03-09 中国人民解放军战略支援部队信息工程大学 基于ads-b的辐射源个体识别方法及装置
CN112327923A (zh) * 2020-11-19 2021-02-05 中国地质大学（武汉） 一种多无人机协同路径规划方法
CN112327923B (zh) * 2020-11-19 2022-04-01 中国地质大学（武汉） 一种多无人机协同路径规划方法
CN113031008A (zh) * 2021-03-12 2021-06-25 中国电子科技集团公司第二十研究所 一种具有主动探测海面威胁的前视预测告警方法

Similar Documents

Publication Publication Date Title
Guo et al. Covert spoofing algorithm of UAV based on GPS/INS-integrated navigation
Narain et al. Security of GPS/INS based on-road location tracking systems
CN105931497B (zh) 通航空中冲突检测方法、装置和通用航空器
Zeng et al. All your {GPS} are belong to us: Towards stealthy manipulation of road navigation systems
US11043133B2 (en) Method and system to improve safety concerning drones
Feng et al. An efficient uav hijacking detection method using onboard inertial measurement unit
Javaid et al. Analysis of global positioning system-based attacks and a novel global positioning system spoofing detection/mitigation algorithm for unmanned aerial vehicle simulation
US9691288B2 (en) System and method for sending in-flight weather alerts
CN108153331A (zh) 基于Kalman滤波的无人机动态威胁规避方法、设备及存储设备
WO2006113104A2 (en) Map-based trajectory generation
CN102542848A (zh) 空中目标短期冲突告警方法及装置
CN103076017A (zh) 基于可观测度分析的火星进入段自主导航方案设计方法
Panyov et al. Indoor positioning using Wi-Fi fingerprinting pedestrian dead reckoning and aided INS
Ostroumov et al. Performance Modeling of Aircraft Positioning System
Gebre-Egziabher et al. Design and performance analysis of a low-cost aided dead reckoning navigation system
Gellerman et al. A terrain avoidance algorithm based on the requirements of terrain awareness and warning systems
Rathinam et al. A multiple vehicle path covering problem with localization constraints: Formulation and algorithms
Wang et al. Same-track uas separation requirement evaluation with monte-carlo based collision risk modeling
Louart et al. Detection of AIS messages falsifications and spoofing by checking messages compliance with TDMA protocol
Kauffman et al. Simulation study of UWB-OFDM SAR for navigation with INS integration
Naeem et al. Formal approach to thwart against drone discovery attacks: A taxonomy of novel 3D obfuscation mechanisms
Bhatti Sensor deception detection and radio-frequency emitter localization
Trefilov et al. Simulation modeling of strapdown inertial navigation systems functioning as a means to ensure cybersecurity of unmanned aerial vehicles navigation systems for dynamic objects in various correction modes
Xiong et al. A time domain-based iterative method for helicopter maritime search area planning and construction of the simulation environment
Marks Quantum positioning system steps in when GPS fails

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180612