Real-Time Localization of Transmission Sources by a Formation of Helicopters Equipped with a Rotating Directional Antenna
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F19%3A00326773" target="_blank" >RIV/68407700:21230/19:00326773 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-030-14984-0_25" target="_blank" >http://dx.doi.org/10.1007/978-3-030-14984-0_25</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-030-14984-0_25" target="_blank" >10.1007/978-3-030-14984-0_25</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Real-Time Localization of Transmission Sources by a Formation of Helicopters Equipped with a Rotating Directional Antenna
Popis výsledku v původním jazyce
This paper proposes a novel technique for radio frequency transmission sources (RFTS) localization in outdoor environments using a formation of autonomous Micro Aerial Vehicles (MAVs) equipped with a rotating directional antenna. The technique uses a fusion of received signal strength indication (RSSI) and angle of arrival (AoA) data gained from dependencies of RSSI on angle measured by each direc- tional antenna. An Unscented Kalman Filter (UKF) based approach is used for sensor data fusion and for estimation of RFTS positions during each localization step. The proposed method has been verified in simula- tions using noisy and inaccurate measurements and in several successful real-world outdoor deployments.
Název v anglickém jazyce
Real-Time Localization of Transmission Sources by a Formation of Helicopters Equipped with a Rotating Directional Antenna
Popis výsledku anglicky
This paper proposes a novel technique for radio frequency transmission sources (RFTS) localization in outdoor environments using a formation of autonomous Micro Aerial Vehicles (MAVs) equipped with a rotating directional antenna. The technique uses a fusion of received signal strength indication (RSSI) and angle of arrival (AoA) data gained from dependencies of RSSI on angle measured by each direc- tional antenna. An Unscented Kalman Filter (UKF) based approach is used for sensor data fusion and for estimation of RFTS positions during each localization step. The proposed method has been verified in simula- tions using noisy and inaccurate measurements and in several successful real-world outdoor deployments.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20204 - Robotics and automatic control
Návaznosti výsledku
Projekt
<a href="/cs/project/GJ17-16900Y" target="_blank" >GJ17-16900Y: Stabilizace a řízení týmů vzájemně lokalizovaných autonomních helikoptér letících oblastmi s velkým výskytem překážek</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Modelling and Simulation for Autonomous Systems (MESAS 2018)
ISBN
978-3-030-14983-3
ISSN
0302-9743
e-ISSN
—
Počet stran výsledku
16
Strana od-do
335-350
Název nakladatele
Springer International Publishing AG
Místo vydání
Cham
Místo konání akce
Praha
Datum konání akce
17. 10. 2018
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—