买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军军事科学院国防科技创新研究院

摘要：本发明公开了一种基于记忆优化框架的集群动态自主协同导航系统及方法，包括环境感知模块，用于当集群经过某复杂环境时，对复杂环境中的辐射源进行感知；时空分层图构建与更新模块，用于设定通信半径和门限值，更新时空分层图；全局回顾模块，用于对每个时刻选取的有效导航信息及定位结果进行回顾；过程优化模块，用于对有效导航信息进行选择，实现从局部最优到全局最优的转换；云共享模块，用于在云端通过联邦学习对多次优化过程进行学习，作为先验信息指导后续的导航过程，得出相似场景下的全局最优的动态自主选择；环境再感知模块，用于当集群再次通过该场景或类似场景时，在节点内部建立起时空分层图的局部环境联系，实现闭环检测。

主权项：1.基于记忆优化框架的集群动态自主协同导航系统，其特征在于，所述系统包括环境感知模块、时空分层图构建与更新模块、全局回顾模块、过程优化模块、云共享模块和环境再感知模块；其中：所述环境感知模块用于当集群经过一个复杂环境时，对复杂环境中的辐射源进行感知；所述时空分层图构建与更新模块用于设定通信半径和门限值，依据通信半径和门限值选取邻近节点，判断邻近节点是否是锚节点和机会节点，根据判断结果更新时空分层图，获得协同导航解；所述全局回顾模块用于在集群各节点完成一次时空分层图的构建与更新后，通过分层建模的框架对整个导航过程进行全局回顾，对每个时刻选取的有效导航信息及定位结果进行回顾；所述过程优化模块用于对有效导航信息进行选择，实现从局部最优到全局最优的转换；所述云共享模块用于在优化过程及对辐射源的感知结果将被上传至云端后，在云端通过联邦学习对多次优化过程进行学习，作为先验信息指导后续的导航过程，得出相似场景下的全局最优的动态自主选择；所述环境再感知模块用于当集群再次通过该场景或类似场景时，在节点内部建立起时空分层图的局部环境联系，实现闭环检测；时空分层图的构建与更新过程如下：S2.1.选择一个节点；S2.2.判断节点是否是锚节点和机会节点；S2.3.当节点为锚节点和机会节点时，节点接收到来自锚节点的位置信息后，更新节点的时空分层图；即如下过程： 其中，表示排列信息强度，即；另外，表示锚节点的位置信息；表示更新前节点的时空分层图，具体公式表示为： 其中，和表示时空分层图的特征值，表示旋转角度；令表示更新后的时空分层图的特征值和旋转角度；来自锚节点的位置信息是一维的，节点接收到信息的角度为；那么令，得到更新后的时空分层图参数如下： 同时，计算并更新节点的其基于距离的位置误差，具体公式如下所示： 其中，表示为有效导航信息量，是节点与邻近节点的测试距离，具体公式为： 其中，和分别表示节点位置的横坐标和纵坐标；和分别表示节点位置的横坐标和纵坐标；表示观测噪声；对所有的j进行求解SPED，并进行排序，选出误差最小的前1个节点，结合原有时空分层图中误差最小的前个节点，共个节点作为协作节点，进行协同定位与导航；S2.4.当节点为邻近节点时，计算，其中表示邻近节点的固有不确定性，表示可用邻近节点的不确定性的最大值；S2.5.若满足，则表示该邻近节点可用，计算并更新节点的时空分层图和节点j的时空分层图，为表达方便，并与锚节点更新时空分层图的步骤区分开来，引入符号和，令： 令表示来自节点的位置信息，节点i的时空分层图更新方程为： 其中，表示为节点与节点包含的参与协作的有效排列信息强度，令，则， 那么， 其中，表示第个节点沿着角度与另一个节点协作的位置误差界限的方向，即： 24同时，计算更新后的，并重复步骤，更新；S2.6.在对协作节点进行选择的过程中，根据实际应用的定位场景来设定通信半径和门限值。

全文数据：

权利要求：

百度查询： 中国人民解放军军事科学院国防科技创新研究院 基于记忆优化框架的集群动态自主协同导航系统及方法