A Novel Ternary Evolving Estimator for Positioning Unmanned Aerial Vehicle in Harsh Environments

要約

信頼性の高い位置推定を取得することは、ミッション実行中の無人航空機にとって、特に過酷な環境での基本です。
しかし、環境干渉や急激な変化は通常、測定の信頼性を低下させ、推定値の乖離につながります。
これに対処するために、既存の研究ではセンサーの信頼性を適応的に調整することが検討されています。
残念なことに、既存の方法には通常、推定精度の同期評価が欠如しており、そのため調整が異常なデータに敏感で、発散しやすくなっています。
この問題に取り組むために、オンライン エラー モニターを備えた新しい 3 値チャネルの適応進化推定器を提案します。この推定器では、3 値チャネル、状態、ノイズ共分散行列、特に空気抵抗が環境と同時に進化します。
まず、拡張フィルターを使用して多次元データを前処理し、次に逆ウィシャート平滑器を使用して事後状態と共分散行列を取得します。
推定時の誤差伝播関係を分析し、推定誤差をオンライン監視するための指標を考案する。
この前提の下では、干渉による潜在的な発散を抑制するために、いくつかの制限が適用されます。
さらに、運動力学を考慮して、更新された状態と共分散行列に基づいて空気抵抗行列が再定式化されます。
最後に、提案された推定量の可観測性、数値感度、および算術複雑性が数学的に分析されます。
アルゴリズムの適応性と制限設計の有効性を検証するために、一般的な環境と過酷な環境（それぞれ平均RMSE 0.17mと0.39m）で広範な実験が行われ、私たちの方法が最先端の方法を大幅に上回ることが示されています。

要約(オリジナル)

Obtaining reliable position estimation is fundamental for unmanned aerial vehicles during mission execution, especially in harsh environments. But environmental interference and abrupt changes usually degrade measurement reliability, leading to estimation divergence. To address this, existing works explore adaptive adjustment of sensor confidence. Unfortunately, existing methods typically lack synchronous evaluation of estimation precision, thereby rendering adjustments sensitive to abnormal data and susceptible to divergence. To tackle this issue, we propose a novel ternary-channel adaptive evolving estimator equipped with an online error monitor, where the ternary channels, states, noise covariance matrices and especially aerial drag, evolve simultaneously with environment. Firstly, an augmented filter is employed to pre-processes multidimensional data, followed by an inverse-Wishart smoother utilized to obtain posterior states and covariance matrices. Error propagation relation during estimation is analysed and hence an indicator is devised for online monitoring estimation errors. Under this premise, several restrictions are applied to suppress potential divergence led by interference. Additionally, considering motion dynamics, aerial drag matrix is reformulated based on updated states and covariance matrices. Finally, the observability, numerical sensitivity and arithmetic complexity of the proposed estimator are mathematically analyzed. Extensive experiments are conducted in both common and harsh environments (with average RMSE 0.17m and 0.39m respectively) to verify adaptability of algorithm and effectiveness of restriction design, which shows our method significantly outperforms the state-of-the-art.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google