Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 济南大学杨磊获国家专利权

济南大学杨磊获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉济南大学申请的专利一种卫星拒止环境下无人机协同定位方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121185277B

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511275278.4,技术领域涉及:G01C21/16;该发明授权一种卫星拒止环境下无人机协同定位方法及系统是由杨磊;李持龙;王东;李维新;王丹丹设计研发完成,并于2025-09-08向国家知识产权局提交的专利申请。

一种卫星拒止环境下无人机协同定位方法及系统在说明书摘要公布了:本发明属于导航定位技术领域,具体公开了一种卫星拒止环境下无人机协同定位方法及系统。本发明利用集群无人机之间的相对距离信息,设计了一种基于相对信息辅助的集群无人机协同定位系统架构,通过该架构,惯性导航系统与无人机群之间的通信能够提供更可靠的定位服务,并结合选择性修正自适应粒子滤波算法优化定位的精度。本发明方法利用惯性导航系统获取各个辅助无人机的自身位置,并利用外源相对距离传感器测得相对于待辅助无人机的相对距离,进而得到待辅助无人机的观测位置,将结果带入改进的粒子滤波器进行滤波,用来修正惯性导航系统的漂移误差,从而提高了拒止环境下协同定位的定位精度。

本发明授权一种卫星拒止环境下无人机协同定位方法及系统在权利要求书中公布了:1.一种卫星拒止环境下无人机协同定位方法,其特征在于,包括如下步骤: 步骤1.针对无人机群体中每架待辅助无人机,获取其初始位置,过程如下: 首先从辅助无人机中选择三架并分别获取每个辅助无人机的自身位置;然后测得每架辅助无人机与待辅助无人机之间的距离,并采用最小二乘法计算待辅助无人机的位置; 其中,无人机群体中包含至少三架具有第一精度惯性导航系统的辅助无人机以及至少一架具有第二精度惯性导航系统的待辅助无人机,在辅助无人机上设置距离传感器; 步骤2.在步骤1得到待辅助无人机的位置后,即获取到了其飞行轨迹;将待辅助无人机的飞行轨迹作为观测信息,基于选择性修正自适应粒子滤波算法对其自身惯性导航预测轨迹进行滤波处理,反馈修正惯性导航误差,最终实现对待辅助无人机的协同定位; 其中,第一精度惯性导航系统的精度高于第二精度惯性导航系统的精度; 选择性修正自适应粒子滤波算法通过在权重计算以及重采样步骤之间引入高权重粒子微调策略,以提升估计精度,缓解粒子退化和贫化问题,同时优化计算效率; 高权重粒子微调策略的处理过程如下: I.首先给定高权重粒子的筛选阈值R和调整因子; II.经过权重计算步骤进行粒子状态的权重更新之后,执行以下操作: II.1.筛选高权重粒子,满足以下条件的粒子被视为高权重粒子:;设定高权重粒子索引集合为:;其中,为粒子权重; II.2.计算高权重粒子的中心位置,公式如下: ; 其中,表示粒子状态,为高权重粒子数量; II.3.设定低权重粒子索引集合为:; 则低权重粒子向高权重中心位置靠拢,更新粒子状态的计算公式如下: ,; 其中,为更新后的粒子状态; 当下一次重复算法时会以本次更新后的粒子状态作为初始值进行状态传播; 在高权重粒子微调策略处理过程,基于自适应筛选阈值反馈算法计算得到一个自适应筛选阈值,以替代给定的高权重粒子的筛选阈值R; 其中能够根据观测位置和滤波估计位置的残差变化率做自适应调整,公式如下: ; ; ; 其中、分别为、时刻粒子滤波得到的估计位置与最小二乘法得到位置的欧式距离之差即残差,为残差变化率,为学习率,用来控制调整的步长,表示滤波估计位置,表示观测位置,、分别表示、时刻的阈值; 第一个公式用于得到观测位置与滤波估计位置的欧氏距离,作为残差;第二个公式用于将前一时刻的残差与该时刻的残差的差,作为残差变化率;第三个公式用于将前一时刻的阈值加上一个学习率与残差变化率的积来调整该时刻的阈值。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人济南大学,其通讯地址为:250022 山东省济南市市中区南辛庄西路336号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。