《無(wú)人機(jī)多源信息融合探究的國(guó)內(nèi)外文獻(xiàn)綜述》6000字

無(wú)人機(jī)多源信息融合研究的國(guó)內(nèi)外文獻(xiàn)綜述目錄TOC\o"1-3"\h\u7867無(wú)人機(jī)多源信息融合研究的國(guó)內(nèi)外文獻(xiàn)綜述 127329關(guān)鍵詞:無(wú)人機(jī)；多源信息融合；方法綜述 1262101、引言 132862、多源信息組合導(dǎo)航研究現(xiàn)狀 3256403、多源信息組合導(dǎo)航故障檢測(cè)與容錯(cuò)導(dǎo)航技術(shù)研究現(xiàn)狀 5312544、結(jié)語(yǔ) 712491參考文獻(xiàn) 8摘要：隨著無(wú)人機(jī)在民用領(lǐng)域的廣泛應(yīng)用，無(wú)人機(jī)的導(dǎo)航需要適應(yīng)各類復(fù)雜的環(huán)境，為了滿足應(yīng)對(duì)無(wú)人機(jī)復(fù)雜環(huán)境的導(dǎo)航需求，提高導(dǎo)航精度和穩(wěn)定性。單一組合導(dǎo)航的方式已經(jīng)不能滿足無(wú)人機(jī)在復(fù)雜環(huán)境中自主、可靠、高精度的導(dǎo)航。為了提高無(wú)人機(jī)在復(fù)雜環(huán)境中導(dǎo)航的精確性。本文采用了多傳感器融合導(dǎo)航的方案，通過(guò)閱讀大量相關(guān)文獻(xiàn)，分析了無(wú)人機(jī)應(yīng)用中的多源信息融合方法的國(guó)內(nèi)外研究現(xiàn)狀。關(guān)鍵詞:無(wú)人機(jī)；多源信息融合；方法綜述1、引言現(xiàn)如今科學(xué)技術(shù)不斷發(fā)展，無(wú)人機(jī)的研究也成為了熱點(diǎn)，由于無(wú)人機(jī)體積小，便于攜帶等優(yōu)點(diǎn)，所以無(wú)人機(jī)廣泛用于軍用與民用領(lǐng)域[1],例如大疆公司發(fā)布的無(wú)人機(jī)在民用航拍領(lǐng)域成為一種新的攝影方式。同時(shí)無(wú)人機(jī)也可以用來(lái)電力巡檢和農(nóng)藥噴灑，減少人工成本，提高了安全性，帶來(lái)了更安全更高的效率。由于無(wú)人機(jī)的優(yōu)點(diǎn)，在未來(lái)的發(fā)展中會(huì)越來(lái)越多的應(yīng)用，但是在無(wú)人機(jī)的飛行工作中，導(dǎo)航越來(lái)越重要。無(wú)人機(jī)的飛行過(guò)程中環(huán)境是非常復(fù)雜的，所以無(wú)人機(jī)的導(dǎo)航技術(shù)的要求也變高了，需要不斷追求高精度、高魯棒性和高效率的無(wú)人機(jī)導(dǎo)航算法?，F(xiàn)如今無(wú)人機(jī)導(dǎo)航的方式多種多樣，常用的導(dǎo)航方式包括全球定位系統(tǒng)(GPS)、慣性導(dǎo)航系統(tǒng)(INS)、地形輔助導(dǎo)航(TAN)、多普勒測(cè)速儀(DVL)、里程計(jì)(OD)、視覺(jué)導(dǎo)航(VO)等，但是單一傳感器導(dǎo)航的方式需要特定的使用環(huán)境，無(wú)法在復(fù)雜環(huán)境中提供長(zhǎng)期穩(wěn)定的導(dǎo)航。每種傳感器的導(dǎo)航定位方式也不相同。比如GPS是絕對(duì)定位方式，慣導(dǎo)和視覺(jué)是相對(duì)定位方式。為了提升導(dǎo)航的精確性和穩(wěn)定性，可以將不同的導(dǎo)航定位方式結(jié)合，比如絕對(duì)定位方式和相對(duì)定位方式的結(jié)合。在導(dǎo)航實(shí)際應(yīng)用中通常是多種傳感器結(jié)合，這種方式比單一傳感器導(dǎo)航方式也更加普遍。慣性導(dǎo)航目前是各類設(shè)備導(dǎo)航時(shí)必選的一種導(dǎo)航方式，它廣泛用于各個(gè)領(lǐng)域的導(dǎo)航設(shè)備，慣性導(dǎo)航如此受歡迎的主要原因是其具有獨(dú)立自主性，采樣頻率高，數(shù)據(jù)實(shí)時(shí)性高的優(yōu)點(diǎn)。同時(shí)可以根據(jù)實(shí)際需求去選取相應(yīng)價(jià)格的慣性導(dǎo)航設(shè)備。雖然慣性導(dǎo)航具有這些優(yōu)點(diǎn)，但是不可避免的是，慣性導(dǎo)航隨著時(shí)間的增加誤差也會(huì)增大，因?yàn)閼T性導(dǎo)航的原理決定的。慣性導(dǎo)航是相對(duì)定位方式，是通過(guò)積分計(jì)算速度與位置，所以具有累積誤差，這一缺點(diǎn)讓慣導(dǎo)不能獨(dú)立長(zhǎng)期工作，當(dāng)工作一段時(shí)間后需要進(jìn)行修正。GPS是一種絕對(duì)定位方式，它的誤差不會(huì)隨著時(shí)間的增加而變大，這種導(dǎo)航方式會(huì)讓設(shè)備時(shí)刻知道自己在什么位置，可以不用知道起始點(diǎn)的位置，但是它的信號(hào)容易受到電磁和遮擋物的干擾，在森林，隧道，城市建筑群會(huì)出現(xiàn)GPS信號(hào)變?nèi)跎踔料У那闆r。由于這兩種導(dǎo)航方式具有互補(bǔ)的特性，人們研究了GPS/INS組合導(dǎo)航的方式去實(shí)現(xiàn)持續(xù)、精準(zhǔn)的定位，這兩種導(dǎo)航方式的組合形式在很長(zhǎng)一段時(shí)間內(nèi)都是最常用的組合導(dǎo)航方式。在室外的環(huán)境中至今很多都還是使用的是這兩種組合導(dǎo)航的方式。然而在GPS長(zhǎng)期不能運(yùn)行的環(huán)境中，比如室內(nèi)，只靠慣性導(dǎo)航也會(huì)隨時(shí)間的增長(zhǎng)而讓誤差變大?，F(xiàn)如今，數(shù)字圖像處理和機(jī)器視覺(jué)等技術(shù)已經(jīng)迅速發(fā)展并且取得了一定的成就，讓依靠攝像頭和圖像處理技術(shù)的視覺(jué)導(dǎo)航得到了快速的發(fā)展，同時(shí)也掀起一股用計(jì)算機(jī)視覺(jué)導(dǎo)航系統(tǒng)作為平臺(tái)去研究計(jì)算機(jī)視覺(jué)的熱潮，目前的傳感器硬件主要包含了單目攝像頭，雙目攝像頭和深度攝像頭。視覺(jué)導(dǎo)航的原理主要是對(duì)攝像頭采集的圖像進(jìn)行一系列處理，同時(shí)根據(jù)兩幀圖像的變化去結(jié)算出無(wú)人機(jī)的位姿信息。所以視覺(jué)導(dǎo)航的方式也不會(huì)隨時(shí)間的增加而讓誤差增大，但是容易受光線和天氣的影響，這些缺點(diǎn)可以由慣性導(dǎo)航彌補(bǔ)。如今視覺(jué)慣性導(dǎo)航是研究的熱點(diǎn)，在室外空曠地區(qū)，無(wú)人機(jī)拍攝的圖像差別不大，不能進(jìn)行很好的視覺(jué)導(dǎo)航，但在室內(nèi)，這種組合方式能夠持續(xù)，精確的導(dǎo)航。多傳感融合組合導(dǎo)航的方式增加了傳感器的數(shù)量，同時(shí)也增加了系統(tǒng)發(fā)生故障的概率，影響了組合導(dǎo)航系統(tǒng)的可靠性，不利于組合導(dǎo)航系統(tǒng)的穩(wěn)定。對(duì)于多傳感器組合導(dǎo)航系統(tǒng)，如果某一個(gè)傳感器的故障信息沒(méi)有及時(shí)處理，那么該故障信息就會(huì)隨著融合而入侵整個(gè)系統(tǒng)，使得整個(gè)組合導(dǎo)航結(jié)果不精確，甚至系統(tǒng)發(fā)生崩潰。因此，研究如何及時(shí)檢測(cè)出傳感器故障，以及處理傳感器故障信息是有意義的，是保證組合導(dǎo)航系統(tǒng)穩(wěn)定運(yùn)行的基礎(chǔ)。多源信息融合的無(wú)人機(jī)容錯(cuò)組合導(dǎo)航的研究主要包括了多傳感器信息的融合算法研究以及故障檢測(cè)和容錯(cuò)導(dǎo)航的算法研究。多傳感器信息融合算法是將多個(gè)傳感器采集到的信息進(jìn)行融合，傳感器采集的信息一般是互補(bǔ)的，通過(guò)信息融合算法后，傳感器采集的信息就會(huì)融合為無(wú)人機(jī)導(dǎo)航所需要的信息，主要體現(xiàn)無(wú)人機(jī)導(dǎo)航的精確性。故障檢測(cè)和容錯(cuò)導(dǎo)航技術(shù)主要是對(duì)傳感器是否正常工作進(jìn)行及時(shí)的檢測(cè)，容錯(cuò)導(dǎo)航就是根據(jù)故障檢測(cè)的結(jié)果將不能正常工作的傳感器信息進(jìn)行隔離，并且將剩余傳感器信息重組后進(jìn)行導(dǎo)航。容錯(cuò)導(dǎo)航主要是體現(xiàn)無(wú)人機(jī)的穩(wěn)定性。這兩種系統(tǒng)是無(wú)人機(jī)魯棒導(dǎo)航的重要保障，二者相輔相成。2、多源信息組合導(dǎo)航研究現(xiàn)狀信息融合技術(shù)是指將多個(gè)互補(bǔ)信息源或者相近信息源進(jìn)行相互融合和處理，融合后的信息比單個(gè)信息更加精確。組合導(dǎo)航的信息融合技術(shù)就是將各個(gè)導(dǎo)航傳感器的導(dǎo)航信息先轉(zhuǎn)換到統(tǒng)一的坐標(biāo)系下，然后用合適的數(shù)學(xué)估計(jì)方法對(duì)坐標(biāo)系下的數(shù)據(jù)進(jìn)行融合，得到系統(tǒng)的最優(yōu)估計(jì)。因此，信息融合的過(guò)程就是利用數(shù)學(xué)最優(yōu)估計(jì)算法對(duì)導(dǎo)航系統(tǒng)的狀態(tài)進(jìn)行估計(jì)的過(guò)程。自1960年提案以來(lái)，卡爾曼濾波器（KF）已經(jīng)過(guò)度地用于解決許多困難和復(fù)雜的信息化融合問(wèn)題。但是，傳統(tǒng)的卡爾曼濾波只能在線性系統(tǒng)中應(yīng)用。為了將聯(lián)邦卡爾曼濾波應(yīng)用于非線性系統(tǒng)，人們提出了一些改進(jìn)的KF方法。在變化的貝葉斯自適應(yīng)卡爾曼濾波的基礎(chǔ)上，提出了一種跟蹤全球定位系統(tǒng)/慣性導(dǎo)航系統(tǒng)中不斷變化的噪聲方差的方法。但是不充分的先驗(yàn)信息會(huì)導(dǎo)致濾波器發(fā)散。擴(kuò)展卡爾曼濾波(EKF)是一種廣泛使用的慣性/全球定位系統(tǒng)集成方法。它通過(guò)一階泰勒展開(kāi)將線性卡爾曼濾波器擴(kuò)展到非線性系統(tǒng)，從而將非線性系統(tǒng)線性化。然而，系統(tǒng)模型的一階線性化可能導(dǎo)致有偏甚至發(fā)散的濾波解。此外，EKF還要求計(jì)算雅可比矩陣，這是一個(gè)繁瑣的過(guò)程。即使基于序貫蒙特卡羅的方法(其中粒子濾波器是一個(gè)典型的例子)對(duì)于非線性系統(tǒng)的狀態(tài)估計(jì)也是有用的，但是它在計(jì)算上是昂貴的，特別是對(duì)于高維系統(tǒng)。針對(duì)EKF對(duì)在進(jìn)行高階非線性泰勒展開(kāi)時(shí)，可能造成EKF濾波發(fā)散的問(wèn)題提出了無(wú)跡卡爾曼濾波(UKF)。它使用有限數(shù)量的西格瑪點(diǎn)來(lái)捕捉系統(tǒng)的高階統(tǒng)計(jì)量，在估計(jì)精度和收斂性方面比EKF更好。同時(shí)，基于慣性傳感器的量化和有色噪聲的隨機(jī)建模，引入了QR分解的容積卡爾曼濾波器(CKF)和西格瑪點(diǎn)CKF，以提高精度和可靠性。但是有些非線性系統(tǒng)并不滿足高斯分布，此時(shí)可以用粒子濾波(PF)。隨著傳感器數(shù)量的增多，組合導(dǎo)航系統(tǒng)需要處理的信息越來(lái)越多，雖然傳感器的增加提高了精度，但同時(shí)也給集中式濾波的方式帶來(lái)了大量的計(jì)算，容錯(cuò)性能也變差。集中式卡爾曼濾波已經(jīng)不能滿足導(dǎo)航的實(shí)時(shí)性需求。多傳感器信息融合系統(tǒng)中的分散濾波方法越來(lái)越受到研究者的關(guān)注。與集中式濾波方法相比，分散式濾波方法大大減少了計(jì)算量，提高了組合導(dǎo)航系統(tǒng)的容錯(cuò)能力。在分散過(guò)濾方法中，卡爾森創(chuàng)建的分散聯(lián)邦過(guò)濾器最為著名。根據(jù)分散聯(lián)邦濾波器的原理，局部濾波器被設(shè)計(jì)為提供全局最優(yōu)估計(jì)的次優(yōu)濾波器。卡爾森討論了一種應(yīng)用于組合容錯(cuò)導(dǎo)航系統(tǒng)的聯(lián)邦濾波器。數(shù)值仿真結(jié)果和實(shí)時(shí)實(shí)現(xiàn)證明了容錯(cuò)性、估計(jì)精度和計(jì)算速度的優(yōu)越性。然而，聯(lián)邦濾波器中的信息分配原則被設(shè)計(jì)為固定比率，這意味著每個(gè)本地系統(tǒng)具有固定的信息系數(shù)。然而，在實(shí)際應(yīng)用中，本地系統(tǒng)的性能和估計(jì)精度隨著復(fù)雜的導(dǎo)航環(huán)境而不斷變化。為了提高聯(lián)邦濾波器的性能，沈等人在地面無(wú)人車輛的組合導(dǎo)航可觀測(cè)性分析的基礎(chǔ)上，提出了一種新的時(shí)變信息共享系數(shù)自適應(yīng)聯(lián)邦卡爾曼濾波器。熊等在分析高動(dòng)態(tài)環(huán)境下聯(lián)邦濾波器的誤差協(xié)方差矩陣和可觀測(cè)性矩陣的基礎(chǔ)上，設(shè)計(jì)了一種新的動(dòng)態(tài)矢量信息共享方法。王等提出了一種自適應(yīng)信息共享因子聯(lián)邦濾波器，該濾波器可以自適應(yīng)地調(diào)整信息共享因子，以提高無(wú)人水下航行器自主導(dǎo)航的可靠性。上述研究了聯(lián)邦濾波器的信息分配原則，有效提高了導(dǎo)航精度。除了上述的融合方法外還有一些其它算法，因子圖法是一種基于概率圖的貝葉斯推理平滑算法，它采用因子圖模型來(lái)表示信息融合問(wèn)題。也可以將因子圖用于組合導(dǎo)航。同樣，當(dāng)傳感器出現(xiàn)故障或信號(hào)丟失時(shí)，系統(tǒng)應(yīng)限制相應(yīng)因子的添加，而無(wú)需特殊處理。先前的研究表明，這種方法能夠高效、快速地融合異步傳感器信息，具有良好的可擴(kuò)展性、靈活性，并在仿真和實(shí)際實(shí)驗(yàn)中給出了良好的結(jié)果。總之，組合導(dǎo)航信息融合技術(shù)是整個(gè)系統(tǒng)的關(guān)鍵環(huán)。是為了提高導(dǎo)航系統(tǒng)的精度，對(duì)整個(gè)組合導(dǎo)航具有重大的意義。為了得到信息融合的研究趨勢(shì)，在webofscience中統(tǒng)計(jì)了最近5年的論文數(shù)量，結(jié)果如圖1所示。圖1多傳感器融合主題在webofscience中最近5年的論文數(shù)量3、多源信息組合導(dǎo)航故障檢測(cè)與容錯(cuò)導(dǎo)航技術(shù)研究現(xiàn)狀組合導(dǎo)航隨著傳感器的增加，整個(gè)系統(tǒng)發(fā)生故障的概率也會(huì)增加，對(duì)于組合導(dǎo)航系統(tǒng)來(lái)說(shuō)。無(wú)人機(jī)的導(dǎo)航需要長(zhǎng)期穩(wěn)定的工作，所以在設(shè)計(jì)無(wú)人機(jī)組合導(dǎo)航時(shí)必須考慮系統(tǒng)的容錯(cuò)性，保障某一個(gè)或者某一些傳感器出現(xiàn)故障時(shí)依然能夠穩(wěn)定的運(yùn)行。近年來(lái)，無(wú)人機(jī)導(dǎo)航系統(tǒng)呈現(xiàn)出多樣化和技術(shù)成熟的趨勢(shì)，推動(dòng)了分析冗余容錯(cuò)導(dǎo)航技術(shù)的發(fā)展。北京航空航天大學(xué)方團(tuán)隊(duì)提出了一種容錯(cuò)捷聯(lián)慣導(dǎo)/全球定位系統(tǒng)/天文導(dǎo)航系統(tǒng)組合導(dǎo)航方案，它采用聯(lián)邦濾波器框架，以慣性導(dǎo)航系統(tǒng)為參考系統(tǒng)，檢測(cè)衛(wèi)星導(dǎo)航系統(tǒng)和天文導(dǎo)航系統(tǒng)的故障。北京交通大學(xué)提出了一種基于慣性導(dǎo)航系統(tǒng)/全球定位系統(tǒng)/Locata定位系統(tǒng)方案的容錯(cuò)導(dǎo)航系統(tǒng)。FilaretovVF等研究了一種基于無(wú)參考系統(tǒng)的容錯(cuò)導(dǎo)航方法。無(wú)人機(jī)導(dǎo)航的容錯(cuò)技術(shù)主要包括了3部分，分別是對(duì)故障進(jìn)行檢測(cè)，對(duì)故障進(jìn)行隔離以及隔離故障后完成導(dǎo)航系統(tǒng)的重組。對(duì)故障實(shí)時(shí)性檢測(cè)是完成整個(gè)組合導(dǎo)航容錯(cuò)性的基礎(chǔ)。目前整個(gè)故障檢測(cè)的方法包含了參數(shù)估計(jì)的方法、信號(hào)處理的方法和人工只能的方法這三種。如圖2所示。圖2組合導(dǎo)航系統(tǒng)的故障檢測(cè)技術(shù)分類基于參數(shù)估計(jì)的方法首先是獲得要進(jìn)行故障檢測(cè)系統(tǒng)的數(shù)學(xué)模型，獲得數(shù)學(xué)模型后需要對(duì)當(dāng)前系統(tǒng)的量測(cè)值要進(jìn)行一個(gè)估計(jì)，然后根據(jù)開(kāi)始設(shè)定的閾值來(lái)決策本次系統(tǒng)檢測(cè)是否為故障，其中最為廣泛的應(yīng)用是卡方檢測(cè)，卡方檢測(cè)包含了狀態(tài)卡方檢測(cè)算法和殘差卡方檢測(cè)算法。由于狀態(tài)卡方檢測(cè)是對(duì)系統(tǒng)狀態(tài)的檢測(cè)，所以計(jì)算量打，一般選用殘差卡方檢測(cè)。熊鑫、黃國(guó)勇等為了對(duì)系統(tǒng)進(jìn)行評(píng)估引入了卡方檢驗(yàn)，用預(yù)設(shè)的邏輯函數(shù)以及卡方檢驗(yàn)值對(duì)過(guò)程噪聲的特性進(jìn)行統(tǒng)計(jì)并調(diào)節(jié)；再通過(guò)對(duì)閾值的比較對(duì)觀測(cè)值進(jìn)行異常判斷，并且采用增強(qiáng)因子的方法對(duì)量測(cè)噪聲的統(tǒng)計(jì)特性進(jìn)行調(diào)節(jié)。WangR等提出了一種用于超聲波巡航車輛（HCV）冗余多傳感器導(dǎo)航系統(tǒng)的故障檢測(cè)算法。該算法根據(jù)卡方檢測(cè)算法以及順序概率比試驗(yàn)（SPRT）算法結(jié)合去全面地診斷失敗。同時(shí)利用了SPRT監(jiān)測(cè)的故障趨勢(shì)，還添加了測(cè)試統(tǒng)計(jì)反饋重置循環(huán)以縮短故障停止后縮短恢復(fù)時(shí)間。Wang等研究了一種能夠檢測(cè)、隔離和重新配置可能危及系統(tǒng)正常運(yùn)行的故障的技術(shù)，該技術(shù)由基于信號(hào)的直接數(shù)字接口技術(shù)構(gòu)成，殘差通過(guò)使用濾波器估計(jì)和測(cè)量來(lái)確定。此外，還介紹了一種采用自適應(yīng)濾波器作為性能惡化預(yù)防算法的重構(gòu)方法。基于信號(hào)處理的方法主要是針對(duì)傳感器的信號(hào)，用算法提取傳感器信號(hào)的幅值和頻率等特征，再對(duì)這些特征進(jìn)行分析，從而達(dá)到檢測(cè)故障的目的。MaC、YaoJ、XiaoX提出了一種基于變分模式分解（VMD），SVM和統(tǒng)計(jì)特征的新方法，例如方差貢獻(xiàn)率（VCR），能量熵（EE）和排列熵（PE）。比較通過(guò)使用EMD（經(jīng)驗(yàn)?zāi)Ｊ椒纸猓琈eEMD（改進(jìn)的集合EMD），BP（反傳播）網(wǎng)絡(luò)，單個(gè)或多種統(tǒng)計(jì)特性以及不同的電動(dòng)機(jī)負(fù)載來(lái)評(píng)估滾動(dòng)軸承缺陷的性能。文獻(xiàn)[44]本文提出了一種新的時(shí)域方法，用于基于小波相關(guān)模式的小波分析的交流多終端輸電線路故障檢測(cè)和位置的新時(shí)域方法。基于單終端測(cè)量的所提出的算法增強(qiáng)了檢測(cè)時(shí)間，并減少了故障位置的誤差。當(dāng)沿傳輸線的不同位置呈現(xiàn)任何故障類型時(shí)，這種方法適用于保護(hù)方案以獲得可靠和準(zhǔn)確的性能。如今，隨著人工智能的廣泛應(yīng)用，在故障檢測(cè)方面也應(yīng)用了人工智能的方法，人工智能的方法不需要事先確定組合導(dǎo)航的模型。人工智能的方法主要包括了神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等。MienVan等人開(kāi)發(fā)了一種新穎的粒子群優(yōu)化（PSO）-LEAST正方形小波支持向量機(jī)（PSO-LSWSVM）分類器，其基于PSO，最小二乘過(guò)程和基于新的小波內(nèi)核功能的支持之間的組合設(shè)計(jì)矢量機(jī)（SVM），用于軸承故障診斷。Sharma,Amandeep等人介紹了支持向量機(jī)（SVM）和人工神經(jīng)網(wǎng)絡(luò)（ANN）的應(yīng)用，基于滾動(dòng)元件軸承的振動(dòng)和瞬時(shí)功率（IP）的振動(dòng)和瞬時(shí)功率（IP）響應(yīng)。使用主成分分析（PCA）減少了提取的特征的維度，然后使用順序浮動(dòng)前向選擇（SFF）方法按相關(guān)性排序，以降低輸入特征的大小并找到最佳特征集的順序排列所選特征。使用從振動(dòng)和IP信號(hào)提取的統(tǒng)計(jì)參數(shù)進(jìn)行SVM和ANN的有效性的比較分析。隨著無(wú)人駕駛的興起，導(dǎo)航在無(wú)人機(jī)駕駛中具有舉足輕重的地位，而組合導(dǎo)航的穩(wěn)定性具有重大的意義，容錯(cuò)導(dǎo)航的研究趨勢(shì)也逐年增加，以下圖3表示的是主題為容錯(cuò)導(dǎo)航在webofscience中近5年論文數(shù)量趨勢(shì)。圖3容錯(cuò)導(dǎo)航主題在webofscience中最近5年的論文數(shù)量4、結(jié)語(yǔ)目前，組合導(dǎo)航故障檢測(cè)與隔離技術(shù)雖然有了一些令人矚目的成果，但是各種算法均有各自的優(yōu)點(diǎn)和缺陷，加之組合導(dǎo)航系統(tǒng)的特殊性，現(xiàn)有的FDI方法還不能完全解決導(dǎo)航系統(tǒng)的故障診斷問(wèn)題。因此，對(duì)于野值故障、突變故障和緩變故障這幾種不同類型的組合導(dǎo)航系統(tǒng)故障類型，仍然需要對(duì)其檢測(cè)方法進(jìn)行更深一步的研究，其中組合導(dǎo)航系統(tǒng)對(duì)于系統(tǒng)緩變故障的檢測(cè)技術(shù)是目前需要更進(jìn)一步的完善的關(guān)鍵問(wèn)題。參考文獻(xiàn)[1]TangChengkai,WangYuyang,ZhangLingling,ZhangYi,SongHoubing.MultisourceFusionUAVClusterCooperativePositioningUsingInformationGeometry[J].RemoteSensing,2022,14(21).[2]孫雷,吳慶憲,王玉惠,陳謀.基于改進(jìn)D-S證據(jù)理論的多源空戰(zhàn)信息博弈融合方法[J].信息與控制,2022,51(05):566-572.DOI:10.13976/ki.xk.2022.1405.[3]SongHe,HuShaolin,GuoQiliang,JiangWenqiang.RelativePositioningMethodforUAVsBasedonMulti-SourceInformationFusion[J].MathematicalProblemsinEngineering,2022,2022.[4]CaiLin.ApplicationResearchofDistributedUAVNestBasedonMulti-InformationFusionSensorintheFieldofCommunication[J].MathematicalProblemsinEngineering,2022,2022.[5]陳琴.基于多源信息融合的農(nóng)業(yè)空地一體化研究綜述[J].農(nóng)業(yè)與技術(shù),2022,42(08):42-44.DOI:10.19754/j.nyyjs.20220430012.[6]馮子恒,宋莉,張少華,井宇航,段劍釗,賀利,尹飛,馮偉.基于無(wú)人機(jī)多光譜和熱紅外影像信息融合的小麥白粉病監(jiān)測(cè)[J].中國(guó)農(nóng)業(yè)科學(xué),2022,55(05):890-906.[7]楊普,趙遠(yuǎn)洋,李一鳴,吳宇峰,李蔚然,李振波.基于多源信息融合的農(nóng)業(yè)空地一體化研究綜述[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2021,52(S1):185-196.[8]時(shí)莎莎,韓昕怡,涂闊,李一凡,胡勁文.無(wú)人機(jī)著陸過(guò)程中的多源引導(dǎo)信息融合技術(shù)[J].無(wú)人系統(tǒng)技術(shù),2021,4(05):31-41.DOI:10.19942/j.issn.2096-5915.2021.5.045.[9]戴震.基于無(wú)人機(jī)多源影像信息融合的玉米冠層氮含量遙感監(jiān)測(cè)研究[D