针对无人机在城市空中交通（Urban Air Mobility, UAM）环境中面临的卫星定位不稳定和信号干扰问题，以及现有额外定位系统对机载算力需求较大的挑战，研究提出了一种轻量化的无人机视觉定位系统。通过开发融合状态空间模块的图像特征...
详细信息
针对无人机在城市空中交通（Urban Air Mobility, UAM）环境中面临的卫星定位不稳定和信号干扰问题，以及现有额外定位系统对机载算力需求较大的挑战，研究提出了一种轻量化的无人机视觉定位系统。通过开发融合状态空间模块的图像特征提取框架，显著提高了预测精度，实现了基于高斯金字塔的三元组自监督训练方法，以增强算法的鲁棒性。通过引入基于滑动窗口和相似度矩阵的特征匹配策略，优化了特征匹配过程并显著提高了推理速度。通过在Airsim仿真平台及真实UAM飞行场景中的实验验证，该算法在复杂环境中能够提供精准的额外定位数据。在多组消融实验和性能测试中，验证了算法的先进性与实时性，并有效降低了算力需求。结果表明，该系统在提高无人机定位精度的同时，为城市空中交通环境下的无人机定位提供了可行的视觉解决方案。
针对机载气象雷达存在幅相误差的情况下,导致杂波抑制性能下降,低空风切变风速估计结果不准确的问题,本文提出了一种基于组合空时主通道-局域联合空时自适应处理(Combined Space-time Main Channel A Adaptive Processing-Joint Domain ...
详细信息
针对机载气象雷达存在幅相误差的情况下,导致杂波抑制性能下降,低空风切变风速估计结果不准确的问题,本文提出了一种基于组合空时主通道-局域联合空时自适应处理(Combined Space-time Main Channel A Adaptive Processing-Joint Domain Localized,CMCAP-JDL)低空风切变风速估计方法。该方法首先对雷达回波数据进行距离依赖性矫正及杂波协方差矩阵估计;然后对空域和时域加权,形成空域主波束和时域主通道,同时增加多个局域处理区域参与联合处理的方式来构造自适应降维处理器;最后使用权矢量对降维后的回波数据实现自适应滤波,完成幅相误差情况下风场速度的准确估计。仿真结果表明,该方法能够在幅相误差的情况下,实现低空风切变风速的准确估计。
暂无评论