[發(fā)明專利]一種基于社交位置細(xì)胞/網(wǎng)格細(xì)胞的類腦相對(duì)導(dǎo)航方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110636073.X
• 申請(qǐng)日: 2021-06-08
• 公開（公告）號(hào): CN113297506A
• 公開（公告）日: 2021-08-24
• 發(fā)明（設(shè)計(jì)）人: 楊闖;熊智;劉建業(yè);華冰;晁麗君;陳雨荻;王雅婷;戴嘉偉
• 申請(qǐng)（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號(hào): G06F16/9536
• 分類號(hào): G06F16/9536;G06F16/9537;G06F17/16;G06N3/06;G06Q50/00
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 曹蕓

本發(fā)明涉及一種基于社交位置細(xì)胞/網(wǎng)格細(xì)胞的類腦相對(duì)導(dǎo)航方法，屬于集群無(wú)人機(jī)智能導(dǎo)航領(lǐng)域。該方法借鑒蝙蝠大腦海馬區(qū)社交位置細(xì)胞網(wǎng)絡(luò)感知同伴相對(duì)位置和網(wǎng)格細(xì)胞網(wǎng)絡(luò)敏感同伴相對(duì)運(yùn)動(dòng)神經(jīng)機(jī)理。首先基于吸引子網(wǎng)絡(luò)構(gòu)建了網(wǎng)格細(xì)胞網(wǎng)絡(luò)模型用以計(jì)算無(wú)人機(jī)之間的內(nèi)源性相對(duì)位置信息，然后利用各向同性高斯函數(shù)構(gòu)建了社交位置細(xì)胞網(wǎng)絡(luò)模型用以計(jì)算無(wú)人機(jī)之間的外源性相對(duì)位置信息，最后通過突觸關(guān)聯(lián)學(xué)習(xí)算法融合內(nèi)源性與外源性相對(duì)位置信息得到無(wú)人機(jī)之間的相對(duì)位置信息。本發(fā)明提供了一種無(wú)需線性化原始信號(hào)保真度高、架構(gòu)具有可學(xué)習(xí)性、普適性強(qiáng)的類腦相對(duì)導(dǎo)航方法，可用于衛(wèi)星拒止復(fù)雜環(huán)境下集群無(wú)人機(jī)的智能自主相對(duì)導(dǎo)航。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于社交位置細(xì)胞/網(wǎng)格細(xì)胞的類腦相對(duì)導(dǎo)航方法，屬于集群無(wú)人機(jī)智能導(dǎo)航領(lǐng)域。

背景技術(shù)

集群無(wú)人機(jī)是由一定數(shù)量無(wú)人機(jī)個(gè)體通過特定集群機(jī)制所形成的一類可重構(gòu)、按需設(shè)計(jì)、分布式的網(wǎng)絡(luò)化系統(tǒng)，在充分發(fā)揮數(shù)量?jī)?yōu)勢(shì)的情況下，相比單個(gè)大型無(wú)人機(jī)，具有顯著增強(qiáng)的任務(wù)執(zhí)行能力、靈活性和魯棒性，在偵察、搜救、集群燈光秀表演、測(cè)繪測(cè)量等軍民用領(lǐng)域具有廣闊的應(yīng)用前景。

準(zhǔn)確可靠的相對(duì)導(dǎo)航信息，是確保無(wú)人機(jī)集群順利飛行并進(jìn)行作業(yè)活動(dòng)的前提和基礎(chǔ)。當(dāng)前，集群無(wú)人機(jī)在衛(wèi)星拒止復(fù)雜環(huán)境下飛行主要采用基于慣性/視覺測(cè)角/無(wú)線電測(cè)距信息的擴(kuò)展卡爾曼濾波(EKF)算法進(jìn)行相對(duì)導(dǎo)航，存在因線性化而損失有效感知信息、因需根據(jù)傳感器類別預(yù)先構(gòu)建固定導(dǎo)航方程而不具有普適性、因采用基于方差最小原則的參數(shù)估計(jì)架構(gòu)而缺乏學(xué)習(xí)能力，無(wú)法滿足衛(wèi)星拒止復(fù)雜環(huán)境下的集群智能自主相對(duì)導(dǎo)航需求。

蝙蝠具有優(yōu)秀的群體相對(duì)導(dǎo)航能力，即使處于黑暗、強(qiáng)磁干擾等復(fù)雜環(huán)境，仍保持可靠準(zhǔn)確的感知同伴空間位置能力。近年來(lái)，隨著蝙蝠海馬區(qū)中與相對(duì)導(dǎo)航相關(guān)的社交位置細(xì)胞、網(wǎng)格細(xì)胞的發(fā)現(xiàn)，神經(jīng)科學(xué)家逐漸揭示了蝙蝠群體相對(duì)導(dǎo)航神經(jīng)機(jī)理，為解決集群無(wú)人機(jī)相對(duì)導(dǎo)航難題提供了新思路。

因此，研究基于社交位置細(xì)胞、網(wǎng)格細(xì)胞的類腦相對(duì)導(dǎo)航方法，提高衛(wèi)星拒止復(fù)雜環(huán)境下集群無(wú)人機(jī)相對(duì)導(dǎo)航的魯棒性、自主性、智能性具有重要的科學(xué)和應(yīng)用價(jià)值。

發(fā)明內(nèi)容

為了解決現(xiàn)有集群無(wú)人機(jī)相對(duì)導(dǎo)航方法在衛(wèi)星拒止復(fù)雜環(huán)境下存在的魯棒性差、計(jì)算不準(zhǔn)確難題，本發(fā)明提出了一種基于社交位置細(xì)胞/網(wǎng)格細(xì)胞的類腦相對(duì)導(dǎo)航方法。

本發(fā)明為解決其技術(shù)問題采用如下技術(shù)方案：

一種基于社交位置細(xì)胞/網(wǎng)格細(xì)胞的類腦相對(duì)導(dǎo)航方法，包括如下步驟：

步驟1，兩架無(wú)人機(jī)均搭載慣性導(dǎo)航模塊、視覺模塊、機(jī)載數(shù)據(jù)鏈模塊，周期性輸出兩架無(wú)人機(jī)之間的三維相對(duì)運(yùn)動(dòng)速度、相對(duì)俯仰角、相對(duì)偏航角、相對(duì)距離；

步驟2，采用吸引子網(wǎng)絡(luò)構(gòu)建三維網(wǎng)格細(xì)胞網(wǎng)絡(luò)模型；

步驟3，將兩架無(wú)人機(jī)之間的三維相對(duì)運(yùn)動(dòng)速度輸入三維網(wǎng)格細(xì)胞網(wǎng)絡(luò)進(jìn)行相對(duì)運(yùn)動(dòng)路徑積分計(jì)算；

步驟4，采用三維各向同性高斯函數(shù)構(gòu)建三維社交位置細(xì)胞網(wǎng)絡(luò)模型并輸入兩架無(wú)人機(jī)之間的相對(duì)俯仰角、相對(duì)偏航角、相對(duì)距離；

步驟5，通過赫布學(xué)習(xí)算法獲取三維社交位置細(xì)胞網(wǎng)絡(luò)與三維網(wǎng)格細(xì)胞網(wǎng)絡(luò)連接權(quán)值矩陣；

步驟6，利用連接權(quán)值矩陣將三維社交位置細(xì)胞網(wǎng)絡(luò)與三維網(wǎng)格細(xì)胞網(wǎng)絡(luò)進(jìn)行關(guān)聯(lián)融合得到兩架無(wú)人機(jī)之間三維相對(duì)位置的神經(jīng)表征；

步驟7，采用神經(jīng)元群體矢量平均算法對(duì)神經(jīng)表征進(jìn)行解碼得到兩架無(wú)人機(jī)之間的三維相對(duì)位置。

步驟2所述三維網(wǎng)格細(xì)胞網(wǎng)絡(luò)模型：

(1)興奮性更新：