第九周学习进度总结

第九周学习进度总结

无人机目标跟踪文章阅读

题目：A target tracking realization method of UAV simulation training system

坐标系的定义
视角随着无人机的改变和光电有效载荷的改变而变化。 为了实现目标跟踪，本文涉及的一些坐标系定义如下。

A. 地理坐标系（N）
B. 机体坐标系（B）
C.测量坐标系（L）
D.图像坐标系（I）
LOS跟踪模型
在无人机模拟训练系统中，我们推导出四个坐标系之间的变换。

图1是光学成像原理图。 在图1中，A1是物平面，A2是像平面，Q是透镜组的光学中心。 A3是A2的对称平面以及Q. S是虚拟场景中的目标点。 S’和S’'分别是S在A2和A3上的投影。
为了实现目标跟踪，光电有效载荷的光轴 应对应于视线。
速度跟踪模型
在UAV中，$\Delta \psi 和\Delta \theta$通过光电有效负载平台移动来消除，以保持光轴步进到LOS。

题目：Designing an energy efficient UAV tracking algorithm

在本节中，我们介绍无人机类型和我们的跟踪方法。
A:无人机类型
对于仿真，我们可以选择固定翼无人机或旋转翼无人机。
b .跟踪方法
对移动目标的跟踪步骤是目标的检测，即从图像背景中提取目标，目标状态估计(速度和位置)，调整无人机的位置，使移动目标保持在视场(FoV)。
1)目标检测
在目标跟踪任务中，第一个任务是探测无人机摄像机视场中目标的存在。通过将目标图像和目标模板之间的相关性与检测阈值进行比较，
2)目标状态估计
因为我们得到了随着加速度变化的复杂动态轨迹，我们不能用线性系统来模拟这些轨迹[11]。这就是为什么在目标状态估计步骤中，我们使用扩展卡尔曼滤波器(EKF)，就像在[7]中那样，因为它适用于非线性系统。
3)目标跟踪
该方法的创新之处在于既保证了对目标的正确跟踪，又降低了无人机的能耗。这就是为什么我们定义了三个区域:授权区域、修正区域和重新检测区域。

跟踪算法

目标在授权区域—不改变高度位置；
目标在校正区域----仅校正速度和位置；
目标在重新检测区域----校正速度、位置、高度。

题目：The sustainable tracking strategy of moving target by UAV in an uncertain environment

跟踪和搜索方法设计
3.1跟踪方法设计
当目标位于UAV视野的中心时，利用测量传感器获得其状态观测信息。
但是，如果在UAV和目标之间存在障碍物，则无法获得目标状态。 我们可以通过使用修改的目标运动模型Eq来预测具有前者获得的信息的目标状态。因此，用于跟踪的目标状态是通过测量或通过预测获得的。
因此，当获得目标状态时，无人机飞行路径由参考点引导（RPG）法控制[20]

考虑到UAV动态限制，其转弯速率必须小于最大转弯速率$u\phi max$。同时，Eq的转弯速率受到ηr限制。


其中$KV>C$是正比例系数; V是无人机的当前速度; Vd代表所需的无人机速度。

题目：Wireless technologies for position awareness

有三种基本方法允许在基于无线电的无线系统中测量距离，因此位置计算提供不同的系统性能。所有方法都基于无线电信号的参数或特性的测量[1]：

1、接收的无线电信号强度（接收信号强度 - RSS） - 接收时的功率密度与发射机的功率成正比，与发射机和接收机之间的距离的平方成反比。

2、无线电波传播的时间（飞行时间 - ToF） - 发射机和接收机之间的距离与电磁波从发射机到达接收机的时间成正比。

A、无线电波到达接收器的时间（到达时间-TOA） - 如果已知电磁波传输的时间，则可以通过测量电磁波到达接收器的时间来计算距离。发送器和接收器也必须具有同步时钟。

B、无线电波到达接收器的差异（到达时间差 - TDOA） - 在接收器和发射器具有同步时钟的情况下，发射器和接收器之间的距离可以使用到达时间差在接收器处计算。

3、无线电波的到达角度（到达角度-AoA） - 如果接收天线的辐射图案已知并且天线（或辐射图案）是否旋转，则可以确定电磁波到达接收天线的角度。

题目：Use of dynamic flight paths to enhance support to priority subscribers on a communications UAV

有效载荷包括通信控制功能，该功能从用户接收位置数据并估计其未来位置。估计使用α-β滤波器，在估计周期内，这适用于以恒定速度移动零均值白高斯的用户[7]。
使用这些估计，通信控制对用户执行访问控制，管理RF功率和频率分配，并与导航系统连接。当使用SLOW算法时，导航系统使用来自通信控制的数据来确定下一个航路点。

SLOW和SLOW-AP算法原理
SLOW和SLOW-AP算法从一组有限的航路点中选择一个局部最优航路点。 在距离当前位置，高度和无人机航向的60秒内都可以到达航点。 通过从最大爬升率Δhmax到最大下降速率的±180°和5个可能的高度变化之间的9个可能的航向变化之一可以到达每个航路点。

在每个航点处创建功率矢量$P=[P1P2...Pk...P100]$，其中每个元素对应于满足成功通信所需的信噪比所需的下行链路功率。 链路预算模型[8]计算了载波功率C与下行链路到移动k的噪声频谱密度N0的比率：

Pk是满足移动k（W）链路质量所需的发射机功率Gt是无人机上发射天线的视轴天线增益
Gr是CV上接收器天线的视轴天线增益。Lt是发射机天线指向丢失LFS是自由空间路径损耗
Lcr是自由空间之外的Longley-Rice中值路径损失TAnt是接收器天线温度（开尔文）TERx是有效的接收器温度（开尔文）K是玻尔兹曼常数1.38×10-23（J / K）Rb是链路上的信息速率（bit / s）。
天线和接收器的固定属性以及已知的指向损耗分布允许计算功率Pk 。SLOW按照所需功率的升序加载用户，直到达到最大功率Pmax。这确保了随时支持最大数量的用户，但不能确保访问的连续性或允许任何优先级。