CN113759982B - 一种仅基于视线测量信息的无人机编队相对状态估计方法 - Google Patents

Abstract

本发明属于无人机集群编队技术领域，提供一种仅基于视觉测量新息的固定翼无人机编队的相对状态估计方法。首先测量相邻无人机的视线高低角q_ε和方位角q_β；搜索与锁定目标固定翼无人机，测量观测固定翼无人机飞行状态和吊舱框架角并依据所得数据计算视线角；观测固定翼无人机主动机动，估计目标固定翼无人机初始状态；利用观测固定翼无人机视线测量信息，实时刷新无人机相对状态；观测固定翼无人机主动机动，矫正目标固定翼无人机高度估计值；若无人集群编队完成预定任务或者恢复正常通信后，则算法终止。本发明极大的降低了相对状态估计对视觉信息测量的要求，提高了视觉作为集群获取协同信息重要补充手段的实用性。

Description

一种仅基于视线测量信息的无人机编队相对状态估计方法

技术领域

本发明属于无人机集群编队技术领域，特别是涉及一种仅基于视觉测量新息的固定翼无人机编队的相对状态估计方法。

背景技术

信息的感知与交互是无人集群编队协同的基础。当前集群编队协同的研究主要集中于实现各无人机飞行时间、空间位置和任务功能的协同，其中时间协同侧重于各飞行器飞行时间的交互，空间协同侧重于各飞行器位置、速度等状态的交互，而功能协同则侧重于各无人平台载荷特性互补与增强的协同。通信是集群编队协同所需信息的主要手段，目前编队稳定条件下的通信拓扑约束和有限通信带宽条件下的编队协同已得到深入研究，基于通信的集群编队协同技术有效性也在试验和应用中得到广泛验证。但在实际应用中无人机集群商演坠机等事件也暴漏了通信在电磁干扰环境下易受干扰，信息交互可靠性降低的缺点，严重影响了集群协同的效果。

视觉感知是集群编队获取空间协同需要信息的重要补充手段。相比于通信，视觉感知信息不受电磁干扰，可显著提高集群编队对复杂环境的适应能力。此外，通信作为一种典型的信息有源感知和交互手段，在敏感争议地区执行任务的通信集群容易暴漏，视觉感知具有较强的隐蔽性，且可同时完成对合作目标与非合作目标的信息感知，实现编队协同和目标搜索侦察等多项任务。目前视觉已广泛应用于无人***的导航，但在编队协同领域的应用还较少，这主要受限于目前的视觉图像处理算法主要用于目标辨识，而编队空间协同依赖于相对状态的估计，需要利用图像完成相邻无人机状态的估计，这不仅仅要完成目标的辨识，还要完成目标外形特征部位的辨识后，并结合目标外形先验信息、视觉传感器等先验信息才能准确结算相对状态。为保证相对状态的估计精度，目标视觉成像质量和目标先验信息可信度都要满足较高的要求，同时无人机运动时可能会引起机身特征部分遮挡，降低了该方法的可用性。

发明内容

本发明结合固定翼无人机的运动特性，提出了基于仅基于视线的目标相对状态信息估计方法。与现有基于视觉图像辨识特征部分结算相对运动状态的思路不同，本发明只需要测量相邻无人机的视线高低角和方位角信息，极大的降低了相对状态估计对视觉信息测量的要求，提高了视觉作为集群获取协同信息重要补充手段的实用性。

为达到上述目的，本发明的技术方案如下：

一种基于视线测量信息的无人机编队相对状态估计方法，包括如下步骤：

第一步：配置视觉传感器，准确测量相邻无人机的视线高低角q_ε和方位角q_β；

第二步：搜索与锁定目标固定翼无人机，确保目标固定翼无人机在观测固定翼无人机见光吊舱图像下；

第三步：测量观测固定翼无人机飞行状态和吊舱框架角；

第四步：根据步骤三所得数据计算视线角；

第五步：观测固定翼无人机主动机动，估计目标固定翼无人机初始状态；

固定翼无人机执行任务时，飞行速度大小、航向角变化率和高度在短时间内视为常值，基于此，令观测固定翼无人机保持其当前巡航水平飞行速度的情况下，以常爬升率机动；在机动期间不断解算其与目标固定翼无人机的视线，依次记为

基于目标固定翼无人机飞行速度大小、航向角变化率和高度短时间内视为常值的假设，其运动特性由下式表示：

其中x_g,l、y_g,l和z_g,l分别表示目标固定翼无人机在东北天惯性坐标系下的位置，v_l和ψ_v,l分别表示无人机的速度大小和航向角，ω_l为无人机的航向角变化率；为避免目标固定翼无人机位置求解时因航向角速度为零出现歧义，目标固定翼无人机各时刻的位置解析表达式需分情况讨论；

(1)工况1：目标固定翼无人机直线运动

若观测固定翼无人机各时刻视线与水平面的交点共线，则目标固定翼无人机做直线运动，记观测初始时刻为0，则目标固定翼无人机各时刻的位置解析表达式为：

结合观测固定翼无人机各时刻的位置解算目标固定翼无人机的视线角，即有：

其中：

式中x_g,f、y_l,g和z_g,f为僚机状态；记各时刻观测固定翼无人机利用上式估算得到的视线信息为则目标固定翼无人机初始时刻的x_g,l,0、y_g,l,0和z_g,l,0确定，/>确定，因此各时刻视线信息视为以X₀为变量的函数：

X₀＝[x_g,l,0,y_g,l,0,z_g,l,0,v_l,0,ψ_v,l,0]^T

考虑各时刻视线单位方向矢量的测量偏差，以观测固定翼无人机各时刻的视线单位方向矢量估计值与测量值的平方差和J最小为目标，确定X₀；

即：

其中

W＝diag(W₁,W₂,...,W_n)

式中R_e为视线单位方向矢量的测量协方差，即视线高低角和方位角的测量偏差分别为σ_qε和σ_qβ，则

其中：

实际计算时，各时刻的权重W₁、W₂、…、W_n由当前时刻的视线角利用上式求得；

记为X₀的最优估计值，则各时刻的视线单位矢量测量值用下式近似：

则J中表示为：

相应有

J＝(Δe_LOS-HΔX)^TW(Δe_LOS-HΔX)

其中：

H＝diag(h₁,h₂,...,h_n)

对于一X₀，若J取值最小时，应有：

即有：

ΔX＝(H^TWH)^-1H^TWΔe_LOS

其中：

与之对应：

其中：

利用上式确定ΔX后，首先按下式更新X₀：

X₀＝X₀+ΔX

然后以更新后的X₀计算ΔX，并按上式更新得到新的X₀，不断迭代，直至|ΔX|＜ζ，其中ζ为一近似于0的小量；

(2)工况2：目标固定翼无人机曲线运动

若观测固定翼无人机各时刻视线与水平面的交点共线，则目标固定翼无人机做直线运动，记观测初始时刻为0，则目标固定翼无人机各时刻的位置解析表达式为：

其中x_g,l,0、y_g,l,0和z_g,l,0分别表示初始时刻目标固定翼无人机在东北天惯性坐标系下的位置，v_l,0和ψ_v,l,0分别表示初始时的速度大小和航向角，ω_l,0为初始时刻的航向角变化率；

采用与工况1相同的方法确定J，并得：

ΔX＝(H^TWH)^-1H^TWΔe_LOS

其中：

H＝diag(h₁,h₂,...,h_n)

X₀＝[x_g,l,0 y_g,l,0 z_g,l,0 v_l,0 ψ_l,0 ω_l,0]^T

利用上式确定ΔX后，首先按下式更新X₀：

X₀＝X₀+ΔX

然后以更新后的X₀计算ΔX，并按上式更新得到新的X₀；反复迭代，直至|ΔX|＜ζ，其中ζ为一近似于0的小量；

第六步：利用观测固定翼无人机视线测量信息，实时刷新无人机相对状态；

利用第4步估计的目标固定翼无人机高度信息，结合其实时测得的视线角信息，估计长僚机相对状态；此时不需要观测固定翼无人机进行机动；

利用观测固定翼无人机的测量信息和目标固定翼无人机高度估计值，得两无人机的相对位置测量值：

结合观测固定翼无人机的位置测量值和/>得：

记k时刻的目标无人滤波状态量为X_k＝[x_g,l,k,y_g,l,k,v_g,l,k,ψ_g,l,k,ω_g,l,k]^T，若|ω_g,l,k|＜ξ，ξ为近似于0的小量，则按下式计算k+1时刻的状态均值递推值和状态协方差递推值P_k+1|k：

其中σ_a和σ_ω对应为以白噪声近似速度大小变化率和航向角加速度特性的标准方差；

若|ω_g,l,k|＞ξ，则按下式计算k+1时刻的状态均值递推值和状态协方差递推值P_k+1|_k结合观测固定翼无人机各时刻的位置解算目标固定翼无人机的视线角，即有：

J_P(:,1)＝[1,0,0,0,0,0]^T

J_P(:,2)＝[0,1,0,0,0,0]^T

J_P(3,5)＝0,J_P(4,5)＝T,J_P(5,5)＝1

利用相对位置在x和y方向的侧量值，对状态均值和协方差进行更新：

K_k＝P_k+1|kH^T(HP_k+1|kH^T+R_{r_xy})

P_k＝(I₅-K_kH)P_k+1|k

其中

则k+1时刻的相对位置和速度估计值为：

第七步，观测固定翼无人机主动机动，矫正目标固定翼无人机高度估计值；

为避免第五步执行过程中，目标固定翼无人机高度发生变化，引起相对状态估计偏差，应在一定矫正时间间隔后进行主动机动，重新矫正高度估计值，然后继续执行第六步。待固定翼无人机速度大小估计值再次发生明显变化后，再执行第五步，保持循环。矫正时间间隔定义为上一次主动机动结束至检测到目标固定翼无人机速度大小估计值发生显著变化的时间区间，若固定翼无人机速度大小估计值始终稳定在某个值附近，则无需主动机动执行高度矫正。

第八步，任务结束

根据任务设置，若无人集群编队完成预定任务或者恢复正常通信后，则算法终止。

本发明的有效收益：

本发明针对固定翼无人机集群编队提出了一种仅基于视线角测量信息的相对状态估计方法，有助于降低集群内固定翼无人机相对状态协调对通信的依赖，提高固定翼无人机集群对复杂电磁环境的适应性。同时，视觉感知相对于通信具有隐蔽性强、装置功耗低、平台适应性强等多种优势，所提方法操作简单，在未来军民领域具有显著的应用潜力。

附图说明

图1为东北天坐标系下的视线角示意图；

图2为机体坐标系到吊舱坐标系的几何变换关系示意图；

图3为本发明无人机编队相对状态估计方法实现流程图。

具体实施方式

下面结合附图对本发明的实现过程进行详细的解释和说明。

第一步：配置测量装置

根据集群编队规模的大小，确定状态估计时无人机的相对间距。以此为视觉传感器的作用距离确定视觉传感器型号，确保集群正常编队规模情况下，各无人机可采用该视觉传感器准确测量相邻无人机的视线高低角q_ε和方位角q_β。定义东北天坐标系O_gX_gY_gZ_g为参考惯性坐标系，即X_g轴指向正东，Y_g轴指向正北，Z_g轴垂直当地水平面指向正上，原点O_g取为无人机起飞点。视线高低角和方位角在东北天惯性坐标系下如图1所示。

第二步：搜索与锁定目标无人机，确保目标无人机在观测无人机可见光吊舱图像下。

确保目标无人机在观测无人机可见光吊舱图像下是实现两无人机相对状态估计的基本前提。可见光吊舱是目前固定翼无人机挂载的常规视觉传感器，当目标无人机在其作用距离范围内时，它可在飞手操作下或者自主完成目标无人机的搜索和锁定。稳定锁定情况下，吊舱将会自动调整其框架角，使得目标位于其视场中心，即目标在无人吊舱成像的中心。

第三步：测量观测无人机飞行状态和吊舱框架角

无人机飞行状态通常可采用无人机的惯性导航***或者GPS测得，具体测量包括观测无人机姿态俯仰角偏航角ψ_b和滚转角γ_b，飞行速度在惯性参考坐标系三轴的分量v_x,g,f、v_y,g,f和v_z,g,f，飞行位置在惯性参考坐标系三轴的分量x_g,f、y_g,f和z_g,f。无人机姿态角主要用于描述无人机体系o_bx_by_bz_b与惯性参考坐标系间的转换惯性。无人机体系o_b原点定义为无人机质心，x_b由质心指向机头，y_b位于机身纵平面内垂直x_b轴指向上，z_b轴由x_b和y_b指向按右手定则确定。

无人机吊舱框架角主要用于描述吊舱光轴的指向与无人机体系间的关系，具体包含方位框架角β_c和高低框架角ε_c，可由吊舱自带伺服***的传感器测得。吊舱安装时，通过会通过校准使得其光轴指向与机体x_g轴指向平行，吊舱基准平面与无人机体系o_bx_by_b平面平行。当吊舱通过调整框架角使得目标位于视场中心时，目标无人机相对于观测无人机的视线角与吊舱光轴指向平行。

第四步：计算视线角

吊舱稳定锁定目标无人机时，目标位于其视场中心，因此观测无人机与目标无人机的视线与吊舱光轴指向平行。据此，可结合无人机姿态角和吊舱框架角解算无人机长僚机视线方向，具体如下：

其中e_LOS,c＝[1,0,0]^T，M_g2b为东北天惯性坐标系到无人机体系的余弦转换矩阵，可由俯仰角ψ_b和γ_b确定，/>为无人机机体坐标系到吊舱坐标系的余弦转换矩阵，可由高低框架角ε_c和方位框架角β_c确定。/>

同样e_LOS,g可由视线高低角q_ε和方位角q_β表示为：

e_LOS,g＝[cos q_ε cos q_β cos q_ε sin q_β sin q_ε]^T

相应可由e_LOS,g解得：

为避免视线角解算时出现歧义性，可直接利用e_LOS,g等价描述视线信息。

第五步：观测无人机主动机动，估计目标无人机初始状态

固定翼无人机执行任务时，飞行速度大小、航向角变化率和高度在短时间内可视为常值，基于此，可令观测固定翼无人机保持其当前巡航水平飞行速度的情况下，以常爬升率机动。在机动期间不断解算其与目标无人机的视线，依次记为

基于目标固定翼无人机飞行速度大小、航向角变化率和高度短时间内可视为常值的假设，其运动特性可由下式表示：

其中x_g,l、y_g,l和z_g,l分别表示目标无人机在东北天惯性坐标系下的位置，v_l和ψ_v,l分别表示无人机的速度大小和航向角，ω_l为无人机的航向角变化率。为避免目标固定翼无人机位置求解时因航向角速度为零出现歧义，目标无人机各时刻的位置解析表达式需分情况讨论。

(1)工况1：目标无人机直线运动

若观测无人机各时刻视线与水平面的交点共线，则目标无人机做直线运动。记观测初始时刻为0，则目标无人机各时刻的位置解析表达式为：

结合观测无人机各时刻的位置可解算目标无人机的视线角，即有：

其中：

式中x_g,f、y_l,g和z_g,f为僚机状态。记各时刻观测无人机利用上式估算得到的视线信息为可以看出若目标无人机初始时刻的x_g,l,0、y_g,l,0和z_g,l,0确定，则/>确定，因此各时刻视线信息可视为以X₀为变量的函数。

X₀＝[x_g,l,0,y_g,l,0,z_g,l,0,v_l,0,ψ_v,l,0]^T

考虑各时刻视线单位方向矢量的测量偏差，以观测无人机各时刻的视线单位方向矢量估计值与测量值的平方差和J最小为目标，确定X₀。

即：

其中

W＝diag(W₁,W₂,...,W_n)

式中R_e为视线单位方向矢量的测量协方差。即视线高低角和方位角的测量偏差分别为σ_qε和σ_qβ，则

其中：

实际计算时，各时刻的权重W₁、W₂、…、W_n可由当前时刻的视线角利用上式求得。

记为X₀的最优估计值，则各时刻的视线单位矢量测量值可用下式近似：

则J中可表示为：

相应有

J＝(Δe_LOS-HΔX)^TW(Δe_LOS-HΔX)

其中：

H＝diag(h₁,h₂,...,h_n)

对于一X₀，若J取值最小时，应有：

/>

即有：

ΔX＝(H^TWH)^-1H^TWΔe_LOS

其中：

与之对应：

其中：

利用上式确定ΔX后，首先按下式更新X₀：

X₀＝X₀+ΔX

然后以更新后的X₀计算ΔX，并按上式更新得到新的X₀。不断迭代，直至|ΔX|＜ζ，其中ζ为一近似于0的小量。

(2)工况2：目标无人机曲线运动

若观测无人机各时刻视线与水平面的交点共线，则目标无人机做直线运动。记观测初始时刻为0，则目标无人机各时刻的位置解析表达式为：

/>

其中x_g,l,0、y_g,l,0和z_g,l,0分别表示初始时刻目标无人机在东北天惯性坐标系下的位置，v_l,0和ψ_v,l,0分别表示初始时的速度大小和航向角，ω_l,0为初始时刻的航向角变化率。

采用与工况1相同的方法确定J，并可得：

ΔX＝(H^TWH)^-1H^TWΔe_LOS

其中：

H＝diag(h₁,h₂,...,h_n)

X₀＝[x_g,l,0 y_g,l,0 z_g,l,0 v_l,0 ψ_l,0 ω_l,0]^T

利用上式确定ΔX后，首先按下式更新X₀：

X₀＝X₀+ΔX

然后以更新后的X₀计算ΔX，并按上式更新得到新的X₀。不断迭代，直至|ΔX|＜ζ，其中ζ为一近似于0的小量。

第六步：利用观测无人机视线测量信息，实时刷新无人机相对状态

考虑到目标无人机正常执行任务时，高度变化很小，因此可利用第四步估计的目标无人机高度信息，结合其实时测得的视线角信息，估计长僚机相对状态。此时不需要观测无人机进行机动。

利用观测无人机的测量信息和目标无人机高度估计值，可得两无人机的相对位置测量值：

结合观测无人机的位置测量值和/>可得：

记k时刻的目标无人滤波状态量为X_k＝[x_g,l,k,y_g,l,k,v_g,l,k,ψ_g,l,k,ω_g,l,k]^T，若|ω_g,l,k|＜ξ，ξ为近似于0的小量，则按下式计算k+1时刻的状态均值递推值和状态协方差递推值P_k+1|k：

/>

其中σ_a和σ_ω对应为以白噪声近似速度大小变化率和航向角加速度特性的标准方差。

若|ω_g,l,k|＞ξ，则按下式计算k+1时刻的状态均值递推值和状态协方差递推值P_k+1|k结合观测无人机各时刻的位置可解算目标无人机的视线角，即有：

J_P(:,1)＝[1,0,0,0,0,0]^T

J_P(:,2)＝[0,1,0,0,0,0]^T

J_P(3,5)＝0,J_P(4,5)＝T,J_P(5,5)＝1

利用相对位置在x和y方向的侧量值，对状态均值和协方差进行更新：

K_k＝P_k+1|kH^T(HP_k+1|kH^T+R_{r_xy})

P_k＝(I₅-K_kH)P_k+1|k

其中

则k+1时刻的相对位置和速度估计值为：

第七步，观测无人机主动机动，矫正目标无人机高度估计值

为避免第五步执行过程中，目标无人机高度发生变化，引起相对状态估计偏差，应在一定间隔时间后返回第五步，重新矫正高度估计值，然后继续执行第六步。一定时间后，再执行第五步，保持循环。

第八步，任务结束

根据任务设置，若无人集群编队完成预定任务或者恢复正常通信后，则算法终止。

Claims (4)

1.一种仅基于视线测量信息的无人机编队相对状态估计方法，其特征在于，包括如下步骤：

第一步：根据视觉集群编队规模，确定视觉传感器型号；

第二步：搜索并锁定目标固定翼无人机，确保目标固定翼无人机在观测固定翼无人机见光吊舱图像下；

第三步：测量观测固定翼无人机飞行状态、视线角、吊舱框架角；

第四步：根据步骤三计算观测固定翼无人机与目标固定翼无人机视线角；

第五步：观测固定翼无人机主动机动，估计目标固定翼无人机初始状态；

固定翼无人机执行任务时，飞行速度大小、航向角变化率和高度在短时间内视为常值，基于此，令观测固定翼无人机保持其当前巡航水平飞行速度的情况下，以常爬升率机动；在机动期间不断解算其与目标固定翼无人机的视线，依次记为，/>

基于目标固定翼无人机飞行速度大小、航向角变化率和高度短时间内视为常值的假设，其运动特性由下式表示：

其中x_g,l、y_g,l和z_g,l分别表示目标固定翼无人机在东北天惯性坐标系下的位置，v_l和ψ_v,l分别表示无人机的速度大小和航向角，ω_l为无人机的航向角变化率；为避免目标固定翼无人机位置求解时因航向角速度为零出现歧义，目标固定翼无人机各时刻的位置解析表达式需分情况讨论；

(1)工况1：目标固定翼无人机直线运动

若观测固定翼无人机各时刻视线与水平面的交点共线，则目标固定翼无人机做直线运动，记观测初始时刻为0，则目标固定翼无人机各时刻的位置解析表达式为：

结合观测固定翼无人机各时刻的位置解算目标固定翼无人机的视线角，即有：

其中：

式中x_g,f、y_l,g和z_g,f为僚机状态；记各时刻观测固定翼无人机利用上式估算得到的视线信息为则目标固定翼无人机初始时刻的x_g,l,0、y_g,l,0和z_g,l,0确定，/>确定，因此各时刻视线信息视为以X₀为变量的函数：

X₀＝[x_g,l,0,y_g,l,0,z_g,l,0,v_l,0,ψ_v,l,0]^T

考虑各时刻视线单位方向矢量的测量偏差，以观测固定翼无人机各时刻的视线单位方向矢量估计值与测量值的平方差和J最小为目标，确定X₀；

即：

其中

W＝diag(W₁,W₂,...,W_n)

式中R_e为视线单位方向矢量的测量协方差，即视线高低角和方位角的测量偏差分别为σ_qε和σ_qβ，则

q＝[q_ε,q_β]^T

其中：

实际计算时，各时刻的权重W₁、W₂、…、W_n由当前时刻的视线角利用上式求得；

记为X₀的最优估计值，则各时刻的视线单位矢量测量值用下式近似：

则J中表示为：

相应有

J＝(Δe_LOS-HΔX)^TW(Δe_LOS-HΔX)

其中：

H＝diag(h₁,h₂,...,h_n)

对于一X₀，若J取值最小时，应有：

即有：

ΔX＝(H^TWH)^-1H^TWΔe_LOS

其中：

与之对应：

其中：

利用上式确定ΔX后，首先按下式更新X₀：

X₀＝X₀+ΔX

然后以更新后的X₀计算ΔX，并按上式更新得到新的X₀，不断迭代，直至|ΔX|＜ζ，其中ζ为一近似于0的小量；

(2)工况2：目标固定翼无人机曲线运动

若观测固定翼无人机各时刻视线与水平面的交点共线，则目标固定翼无人机做直线运动，记观测初始时刻为0，则目标固定翼无人机各时刻的位置解析表达式为：

其中x_g,l,0、y_g,l,0和z_g,l,0分别表示初始时刻目标固定翼无人机在东北天惯性坐标系下的位置，v_l,0和ψ_v,l,0分别表示初始时的速度大小和航向角，ω_l,0为初始时刻的航向角变化率；

采用与工况1相同的方法确定J，并得：

ΔX＝(H^TWH)^-1H^TWΔe_LOS

其中：

H＝diag(h₁,h₂,...,h_n)

X₀＝[x_g,l,0 y_g,l,0 z_g,l,0 v_l,0 ψ_l,0 ω_l,0]^T

利用上式确定ΔX后，首先按下式更新X₀：

X₀＝X₀+ΔX

然后以更新后的X₀计算ΔX，并按上式更新得到新的X₀；反复迭代，直至|ΔX|＜ζ，其中ζ为一近似于0的小量；

第六步：利用观测固定翼无人机视线测量信息，滤波估计其与目标无人机相对状态；

利用第四步估计的目标固定翼无人机高度信息，结合其实时测得的视线角信息，估计长僚机相对状态；此时不需要观测固定翼无人机进行机动；

利用观测固定翼无人机的测量信息和目标固定翼无人机高度估计值，得两无人机的相对位置测量值：

结合观测固定翼无人机的位置测量值和/>得：

记k时刻的目标无人滤波状态量为X_k＝[x_g,l,k,y_g,l,k,v_g,l,k,ψ_g,l,k,ω_g,l,k]^T，若|ω_g,l,k|＜ξ，ξ为近似于0的小量，则按下式计算k+1时刻的状态均值递推值和状态协方差递推值P_k+1|k：

其中σ_a和σ_ω对应为以白噪声近似速度大小变化率和航向角加速度特性的标准方差；

若|ω_g,l,k|＞ξ，则按下式计算k+1时刻的状态均值递推值和状态协方差递推值P_k+1|k结合观测固定翼无人机各时刻的位置解算目标固定翼无人机的视线角，即有：

J_P(:,1)＝[1,0,0,0,0,0]^T

J_P(:,2)＝[0,1,0,0,0,0]^T

J_P(3,5)＝0,J_P(4,5)＝T,J_P(5,5)＝1

利用相对位置在x和y方向的侧量值，对状态均值和协方差进行更新：

K_k＝P_k+1|kH^T(HP_k+1|kH^T+R_{r_xy})

P_k＝(I₅-K_kH)P_k+1|k

其中

则k+1时刻的相对位置和速度估计值为：

第七步，观测固定翼无人机主动机动，矫正目标固定翼无人机高度估计值

为避免第五步执行过程中，目标固定翼无人机高度发生变化，引起相对状态估计偏差，应在一定间隔时间后返回第五步，重新矫正高度估计值，然后继续执行第六步，待固定翼无人机速度大小估计值再次发生明显变化后，再执行第五步，保持循环；矫正时间间隔定义为上一次主动机动结束至检测到目标固定翼无人机速度大小估计值发生显著变化的时间区间，若固定翼无人机速度大小估计值始终稳定在某个值附近，则无需主动机动执行高度矫正；

第八步，任务结束

根据任务设置，若无人集群编队完成预定任务或者恢复正常通信后，则算法终止。

2.根据权利要求1所述的一种仅基于视线测量信息的无人机编队相对状态估计方法，其特征在于，所述步骤3固定翼无人机飞行状态采用固定翼无人机的惯性导航***或者GPS测得，固定翼无人机吊舱框架角由吊舱自带伺服***的传感器测得。

3.根据权利要求1所述的一种仅基于视线测量信息的无人机编队相对状态估计方法，其特征在于，所述步骤4视线角计算如下：

结合无人机姿态角和吊舱框架角解算固定翼无人机长僚机视线方向，具体如下：

其中e_LOS,c＝[1,0,0]^T，M_g2b为东北天惯性坐标系到无人机体系的余弦转换矩阵，由俯仰角ψ_b和γ_b确定，/>为无人机机体坐标系到吊舱坐标系的余弦转换矩阵，由高低框架角ε_c和方位框架角β_c确定；

同样e_LOS,g由视线高低角q_ε和方位角q_β表示为：

e_LOS,g＝[cosq_εcosq_β cosq_εsinq_β sinq_ε]^T

相应由e_LOS,g解得：

。

4.根据权利要求3所述的一种仅基于视线测量信息的无人机编队相对状态估计方法，其特征在于，所述步骤4为避免视线角解算时出现歧义性，直接利用e_LOS,g等价描述视线信息。