期刊信息
主办：华南理工大学;中国科学院系统科学研究所
ISSN：1000-8152
CN：44-1240/TP
语言：中文;
周期：月刊
影响因子：1.254
被引频次：118788
数据库收录：
CA 化学文摘(美)(2022) INSPEC 科学文摘(英)(2021) JST 日本科学技术振兴机构数据库(日)(2022) Pж(AJ) 文摘杂志(俄)(2020) EI 工程索引(美)(2022) CSCD 中国科学引文数据库来源期刊(2021-2022年度) WJCI 科技期刊世界影响力指数报告（2021）来源期刊 北京大学《中文核心期刊要目总览》来源期刊： 1992年(第一版),1996年(第二版),2000年版,2004年版,2008年版,2011年版,2014年版,2017年版,2020年版期刊分类：信息科技
期刊热词：
自动化技术
概率模型驱动的无人机自适应多源信息轨迹估计
概率模型驱动的无人机自适应多源信息轨迹估计
【作者】网站采编
【关键词】
【摘要】研究背景与问题 在无人机（UAVs）的自主飞行应用中，精准的运动估计是确保其安全、高效运行的关键技术。然而，现有的无人机轨迹估计算法在处理复杂环境中的特征退化或剧烈运动
研究背景与问题
在无人机（UAVs）的自主飞行应用中，精准的运动估计是确保其安全、高效运行的关键技术。然而，现有的无人机轨迹估计算法在处理复杂环境中的特征退化或剧烈运动场景时，往往难以维持高精度，甚至可能出现失效问题。这些问题限制了无人机在复杂环境下的应用范围和性能表现。因此，如何提高无人机在复杂环境中的轨迹估计精度，成为当前研究的一个重要课题。
研究方法
为了解决上述问题，本文提出了一种基于概率模型驱动的无人机自适应多源信息轨迹估计算法。该方法采用前后端协同的多源信息融合策略，结合高斯过程，构建了一种平移-旋转运动解耦的连续时间轨迹模型。具体而言，算法首先通过前端传感器数据（如IMU、GPS等）提取无人机的基本运动状态，然后利用后端传感器数据（如视觉、雷达等）对前端估计进行优化和校正。此外，算法还引入了自适应调整机制，以适应不同场景下的特征变化和运动强度。
核心结果
本文提出的方法在多个实际场景中进行了验证，结果表明，与传统算法相比，该方法在特征退化或剧烈运动场景中具有更高的轨迹估计精度和鲁棒性。具体而言，通过高斯过程的平滑特性，算法能够有效抑制噪声和异常值的影响；而多源信息融合则有助于提高估计的准确性和可靠性。此外，自适应调整机制能够根据实时环境变化动态调整算法参数，进一步提升了算法的适应性和泛化能力。
结论与意义
本文提出的基于概率模型驱动的无人机自适应多源信息轨迹估计算法，为无人机在复杂环境下的自主飞行提供了有效的技术支持。该方法不仅提高了无人机轨迹估计的精度和鲁棒性，而且具有较强的适应性和泛化能力，对于推动无人机技术在复杂环境中的应用具有重要意义。未来，我们将进一步研究如何将该方法与其他先进技术（如深度学习、强化学习等）相结合，以实现无人机在更多复杂场景下的高效自主飞行。
文章来源：《控制理论与应用》 网址: http://www.kzllyyyzzs.cn/qikandaodu/2026/1027/328.html