-
公开(公告)号：CN111552322B
公开(公告)日：2023-04-07
申请号：CN202010352983.0
申请日：2020-04-29
Applicant: 东南大学
IPC: G05D1/12 , G01S19/14 , G06N3/0442 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于LSTM‑粒子滤波器耦合模型的无人机追踪方法，该方法通过在线训练的LSTM‑粒子滤波器耦合模型来实现对于无人机定位，并且实现追踪，以防止无人机的失联情况。本发明所述方法基于传统长短期记忆神经网络和粒子滤波器算法，提出一种耦合的LSTM网络‑粒子滤波器进行无人机定位跟踪的方法，根据无人机传回的历史GPS定位和惯性测量单元数据实现无人机的位置追踪，解决了由于无人机持续运动和数据噪声等因素，造成无人机定位追踪困难和定位追踪丢失的问题。
-
公开(公告)号：CN111551968A
公开(公告)日：2020-08-18
申请号：CN202010352984.5
申请日：2020-04-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习运动预测的无人机对准系统及对准方法，由地面定向天线平台和无人机平台组成对准系统，主要包括位置采集模块、运动预测模块、俯仰角及方位角计算模块和转动对准模块。本发明所述方法基于深度学习和粒子滤波器，提出通过已有历史数据对神经网络进行训练，并利用该模型进行无人机位置预测，从而实时计算天线平台所需的姿态角，解决了由于通信时间延迟、定向天线平台转动需要时间等因素，造成的定向天线无法精确对准无人机的问题，能够以较低的算法复杂度实现定向天线对无人机的实时精确对准。
-
公开(公告)号：CN111552322A
公开(公告)日：2020-08-18
申请号：CN202010352983.0
申请日：2020-04-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于LSTM-粒子滤波器耦合模型的无人机追踪方法，该方法通过在线训练的LSTM-粒子滤波器耦合模型来实现对于无人机定位，并且实现追踪，以防止无人机的失联情况。本发明所述方法基于传统长短期记忆神经网络和粒子滤波器算法，提出一种耦合的LSTM网络-粒子滤波器进行无人机定位跟踪的方法，根据无人机传回的历史GPS定位和惯性测量单元数据实现无人机的位置追踪，解决了由于无人机持续运动和数据噪声等因素，造成无人机定位追踪困难和定位追踪丢失的问题。
-
公开(公告)号：CN111551968B
公开(公告)日：2023-01-31
申请号：CN202010352984.5
申请日：2020-04-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习运动预测的无人机对准系统及对准方法，由地面定向天线平台和无人机平台组成对准系统，主要包括位置采集模块、运动预测模块、俯仰角及方位角计算模块和转动对准模块。本发明所述方法基于深度学习和粒子滤波器，提出通过已有历史数据对神经网络进行训练，并利用该模型进行无人机位置预测，从而实时计算天线平台所需的姿态角，解决了由于通信时间延迟、定向天线平台转动需要时间等因素，造成的定向天线无法精确对准无人机的问题，能够以较低的算法复杂度实现定向天线对无人机的实时精确对准。
-
-
-
Search Results
4
records
(took 0.012 seconds)
