.png){kind=icon}
返回
Efficient Multi-Target Localization Using Dynamic UAV Clusters
.png){kind=icon}
OA
AI
DOI：10.3390/s25092857.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种适用于复杂3D环境下多目标定位的动态无人机（UAV）聚类模型，其中整合了移动感知的簇形成机制以提升协作定位精度。我们推导了在测量和运动诱导不确定性下的克拉美罗下界（CRLB）以分析定位性能。为解决NP难聚类问题，我们开发了MDQPSO-ASA算法，该算法结合了多群离散量子启发粒子群优化与自适应模拟退火，并引入修复机制以满足空间和基数约束。仿真结果表明，与基准方法相比，该算法在定位精度、计算效率以及适应不同UAV/目标规模方面具有优越性。所开发的算法为实际场景中资源受限的协作定位任务提供了有效解决方案。
Keyword:
multi-target localization
clustered UAV systems
combinatorial optimization
dynamic clustering
quantum-inspired optimization
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
暂无机构信息
引用论文
分享收藏Optimal Sensor Placement for Acoustic Underwater Target Positioning With Range-Only Measurements
PREAI
分享收藏
Coalition Game Based Distributed Clustering Approach for Group Oriented Unmanned Aerial Vehicle Networks面向群体的无人机网络中基于联盟博弈的分布式聚类方法.png)
DRONESOAAI
DRONESIF4.8
OAAI分享收藏Hierarchical Task Assignment for Multi-UAV System in Large-Scale Group-to-Group Interception Scenarios大规模群对群拦截场景下多无人机系统分层任务分配DRONESOAAI
DRONESIF4.8
OAAI分享收藏分享收藏
查看更多内容