[发明专利]一种基于社交位置细胞/网格细胞的类脑相对导航方法

说明书

本发明涉及一种基于社交位置细胞/网格细胞的类脑相对导航方法，属于集群无人机智能导航领域。该方法借鉴蝙蝠大脑海马区社交位置细胞网络感知同伴相对位置和网格细胞网络敏感同伴相对运动神经机理。首先基于吸引子网络构建了网格细胞网络模型用以计算无人机之间的内源性相对位置信息，然后利用各向同性高斯函数构建了社交位置细胞网络模型用以计算无人机之间的外源性相对位置信息，最后通过突触关联学习算法融合内源性与外源性相对位置信息得到无人机之间的相对位置信息。本发明提供了一种无需线性化原始信号保真度高、架构具有可学习性、普适性强的类脑相对导航方法，可用于卫星拒止复杂环境下集群无人机的智能自主相对导航。

技术领域

本发明涉及一种基于社交位置细胞/网格细胞的类脑相对导航方法，属于集群无人机智能导航领域。

背景技术

集群无人机是由一定数量无人机个体通过特定集群机制所形成的一类可重构、按需设计、分布式的网络化系统，在充分发挥数量优势的情况下，相比单个大型无人机，具有显著增强的任务执行能力、灵活性和鲁棒性，在侦察、搜救、集群灯光秀表演、测绘测量等军民用领域具有广阔的应用前景。

准确可靠的相对导航信息，是确保无人机集群顺利飞行并进行作业活动的前提和基础。当前，集群无人机在卫星拒止复杂环境下飞行主要采用基于惯性/视觉测角/无线电测距信息的扩展卡尔曼滤波(EKF)算法进行相对导航，存在因线性化而损失有效感知信息、因需根据传感器类别预先构建固定导航方程而不具有普适性、因采用基于方差最小原则的参数估计架构而缺乏学习能力，无法满足卫星拒止复杂环境下的集群智能自主相对导航需求。

蝙蝠具有优秀的群体相对导航能力，即使处于黑暗、强磁干扰等复杂环境，仍保持可靠准确的感知同伴空间位置能力。近年来，随着蝙蝠海马区中与相对导航相关的社交位置细胞、网格细胞的发现，神经科学家逐渐揭示了蝙蝠群体相对导航神经机理，为解决集群无人机相对导航难题提供了新思路。

因此，研究基于社交位置细胞、网格细胞的类脑相对导航方法，提高卫星拒止复杂环境下集群无人机相对导航的鲁棒性、自主性、智能性具有重要的科学和应用价值。

发明内容

为了解决现有集群无人机相对导航方法在卫星拒止复杂环境下存在的鲁棒性差、计算不准确难题，本发明提出了一种基于社交位置细胞/网格细胞的类脑相对导航方法。

本发明为解决其技术问题采用如下技术方案：

一种基于社交位置细胞/网格细胞的类脑相对导航方法，包括如下步骤：

步骤1，两架无人机均搭载惯性导航模块、视觉模块、机载数据链模块，周期性输出两架无人机之间的三维相对运动速度、相对俯仰角、相对偏航角、相对距离；

步骤2，采用吸引子网络构建三维网格细胞网络模型；

步骤3，将两架无人机之间的三维相对运动速度输入三维网格细胞网络进行相对运动路径积分计算；

步骤4，采用三维各向同性高斯函数构建三维社交位置细胞网络模型并输入两架无人机之间的相对俯仰角、相对偏航角、相对距离；

步骤5，通过赫布学习算法获取三维社交位置细胞网络与三维网格细胞网络连接权值矩阵；

步骤6，利用连接权值矩阵将三维社交位置细胞网络与三维网格细胞网络进行关联融合得到两架无人机之间三维相对位置的神经表征；

步骤7，采用神经元群体矢量平均算法对神经表征进行解码得到两架无人机之间的三维相对位置。

步骤2所述三维网格细胞网络模型：

(1)兴奋性更新：