1背景随着机载测试平台的能力越来越强,架构越来越复杂,机载测试和评估需求也在大幅增长,尤其是高速大量数据采集需求。随着机载测试平台产生的数据大幅增长,当前传统的航空移动遥测(Aeronautical Mobile Telemetry,AMT)通信设备即将遇...1背景随着机载测试平台的能力越来越强,架构越来越复杂,机载测试和评估需求也在大幅增长,尤其是高速大量数据采集需求。随着机载测试平台产生的数据大幅增长,当前传统的航空移动遥测(Aeronautical Mobile Telemetry,AMT)通信设备即将遇到瓶颈期。从长远来看,传统的AMT可能无法跟上现代机载平台日益增长的测试速度和更大操作灵活性的需求。因此,需要突破传统AMT技术来支持机载平台现在以及未来的需求。展开更多
现有无源定位闭式算法均考虑视距(Line of Sight,LOS)环境,无法直接应用于存在遮挡的城市环境低空无人机目标定位等场景,同时,非视距(Non-Line of Sight,NLOS)优化定位算法计算效率较低。针对这些问题,本文开展中继辅助下的单站目标定...现有无源定位闭式算法均考虑视距(Line of Sight,LOS)环境,无法直接应用于存在遮挡的城市环境低空无人机目标定位等场景,同时,非视距(Non-Line of Sight,NLOS)优化定位算法计算效率较低。针对这些问题,本文开展中继辅助下的单站目标定位研究,通过引入中继收发器对目标信号进行转发,构造两条路径从而规避遮挡问题,同时考虑中继和观测站位置存在随机误差,提出了一种闭式算法来确定未知目标位置。该算法分为3个步骤:首先利用校准目标-中继收发器-观测站这一路径的额外信息,修正中继和观测站位置;随后基于未知目标-中继收发器-观测站获取的观测信息,通过引入额外变量的方式构建伪线性方程,利用加权最小二乘技术给出目标位置粗略估计;最后进一步挖掘目标位置与额外变量的非线性关系,再次构建矩阵方程并给出目标位置最终估计解。经过理论剖析与仿真验证,所提出的算法在可接受的测量误差和观测站点位置误差范围内,能够逼近克拉美罗下界(Cramer-Rao Lower Bound,CRLB)。展开更多
文摘1背景随着机载测试平台的能力越来越强,架构越来越复杂,机载测试和评估需求也在大幅增长,尤其是高速大量数据采集需求。随着机载测试平台产生的数据大幅增长,当前传统的航空移动遥测(Aeronautical Mobile Telemetry,AMT)通信设备即将遇到瓶颈期。从长远来看,传统的AMT可能无法跟上现代机载平台日益增长的测试速度和更大操作灵活性的需求。因此,需要突破传统AMT技术来支持机载平台现在以及未来的需求。
文摘现有无源定位闭式算法均考虑视距(Line of Sight,LOS)环境,无法直接应用于存在遮挡的城市环境低空无人机目标定位等场景,同时,非视距(Non-Line of Sight,NLOS)优化定位算法计算效率较低。针对这些问题,本文开展中继辅助下的单站目标定位研究,通过引入中继收发器对目标信号进行转发,构造两条路径从而规避遮挡问题,同时考虑中继和观测站位置存在随机误差,提出了一种闭式算法来确定未知目标位置。该算法分为3个步骤:首先利用校准目标-中继收发器-观测站这一路径的额外信息,修正中继和观测站位置;随后基于未知目标-中继收发器-观测站获取的观测信息,通过引入额外变量的方式构建伪线性方程,利用加权最小二乘技术给出目标位置粗略估计;最后进一步挖掘目标位置与额外变量的非线性关系,再次构建矩阵方程并给出目标位置最终估计解。经过理论剖析与仿真验证,所提出的算法在可接受的测量误差和观测站点位置误差范围内,能够逼近克拉美罗下界(Cramer-Rao Lower Bound,CRLB)。
