【轨迹跟踪】非线性最小二乘法 (NLLS) 伪距数据UAV轨迹跟踪【含Matlab源码 2802期】

本文链接：https://blog.csdn.net/KeepingMatlab/article/details/134541490

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

⛄一、拓展卡尔曼滤波时序四旋翼无人机状态跟踪

卡尔曼滤波算法为获得最优估计和最小误差方差，将从目标模型中得到的测量值一步步递推，实时获取新时刻的状态估计值。

假设目标状态方程和观测方程分别为：
在这里插入图片描述
其中，k为离散时间，X(k)为系统在k时刻的状态，Y(k)为观测信号，W(k)为过程噪声，V(k)为观测噪声，A是状态转移矩阵，B是噪声驱动矩阵，H是观测矩阵。假设W(k)和V(k)是均值为零，方差各为Q和R的不相关白噪声。

目标在k时刻的估计值，即卡尔曼滤波算法的数学表达式[12]如下：

状态一步预测为：
在这里插入图片描述
协方差一步预测为：

卡尔曼滤波增益为：

状态更新为：

状态协方差更新为：

以上数学表达式表明，通过目标上一时刻的状态估计值预测出当前时刻的状态估计值，再得到当前时刻的更新值。卡尔曼滤波算法流程图如图1所示：
在这里插入图片描述
图1 卡尔曼滤波算法流程图
卡尔曼滤波算法在目标的轨迹跟踪中具有很好的性能，而且还有很强的适应能力，能够对状态值等进行实时处理，这些优势在后续的仿真中得以应用。

⛄二、部分源代码

% Clear workspace, close all open figure & clear the command window
clear all
close all;
clc;

% Extract the data from the text file
% Add other folders to path
addpath(‘…/data’, ‘…/lib/’, ‘…/lib/conversion’);

% Load constants
constants();

% Initialise Ground Station Position
% Defining Sydney Ground Station Coordinates
lat = deg2rad(-34.76);
long = deg2rad(150.03);
alt = 680;
pos_llh_gs = [lat;long;alt];

% File Name
uav_data_fpath = ‘UAVPosition_F1.txt’;

% Import pseudorange data
pseudo_data = importdata(‘GPS_pseudorange_F1.txt’);

% Load ECEF position values of satellites
load ECEFPos

%% Categorising time values

% Vernal Equinox time
equinox_time = 7347737.336;

% Store time data
times = pseudo_data(:,1) - equinox_time;

% Obtain the unique time values
% nTimes is an array containing the total number of occurences of single time
% value
% timeVal is an array containing all unique timevalues
[total_occurences time_values] = hist(times(😃,unique(times));

% Cummulative Time Array
cummulative_times = cumsum(total_occurences);

% Increment time values
% timeVal = timeVal + 1;

%% Observed UAV Positions

% Obtain the polar coordinates of UAV w.r.t Ground Station
[pos_UAV_Cart_obs,pos_UAV_Pol_Obs, pos_ECEF_gs, UAVVel, UAVPos] = UAVpolarCoor(time_values,…
cummulative_times, pseudo_data, ECEFPos, pos_llh_gs);

%% Extract true UAV Position data from text files

% % Obtain polar coordinates of true measurements
[pos_UAV_Pol_True, pos_UAV_Cart_True] = extractUAVtrue(uav_data_fpath,equinox_time);

%% Catalog the position of the satellites during UAV Tracking

% Find satellite position w.r.t ground station
[pos_Sat_Pol_Obs] = findSatPos(ECEFPos, pos_ECEF_gs, pos_llh_gs);

%% Calculate the DOP for each time value

% Calculate the best and worst satellite configurations according to DOP
[bestSatConfig, worstSatConfig, DOP, maxDOPIndex, minDOPIndex] = findDOP(UAVVel, pos_Sat_Pol_Obs);

%% Save relevant data as a structured array for plotting

plotData.timeArray = times;
plotData.pos_UAV_Cart_obs = pos_UAV_Cart_obs;
plotData.pos_UAV_Pol_Obs = pos_UAV_Pol_Obs;
plotData.pos_ECEF_gs = pos_ECEF_gs;
plotData.UAVVel = UAVVel;
plotData.UAVPos = UAVPos;
plotData.pos_UAV_Pol_True = pos_UAV_Pol_True;
plotData.pos_UAV_Cart_True = pos_UAV_Cart_True;
plotData.pos_Sat_Pol_Obs = pos_Sat_Pol_Obs;
plotData.bestSatConfig = bestSatConfig;
plotData.worstSatConfig = worstSatConfig;
plotData.DOP = DOP;
plotData.maxDOPIndex = maxDOPIndex;
plotData.minDOPIndex = minDOPIndex;
plotData.nTimes = total_occurences;
plotData.pseudo_data = pseudo_data;
plotData.cumArray = cummulative_times;

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]许奕,邢传玺,万志良,姜佳圆.基于卡尔曼滤波算法的多AUV定位技术研究[J].云南民族大学学报(自然科学版).

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合