亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

隨著無人機技術成本持續降低、制造門檻不斷下降，民用創新、商業應用、軍事部署及政府項目對高速可靠飛行自組織網絡（FANET）的需求日益迫切。相較于傳統移動自組網，FANET具備瞬態三維拓撲與去中心化特性，這加劇了路由碰撞、網絡擁塞及傳輸延遲問題。該環境所需的路由協議必須確保在飛行器動態進出通信范圍時維持穩定連接。盡管眾多傳統與新型路由協議已在各類仿真器中測試，卻始終缺乏基準化評估體系。本論文創新性地在ns-3平臺完成十種主流FANET協議對比研究，首次實現10/30/50+節點的大規模仿真基準測試，揭示現有協議性能瓶頸及三維仿真缺陷，并構建基于應用場景的自組網協議決策樹。

在研究安全多路徑規劃過程中，開發兩項新型協議與一項增強協議：創新"持續運動協議"實現多方安全計算框架下的非間斷實時運算；"碰撞化解協議"使飛行器在保持航向目標同時自動微調軌跡規避碰撞；升級版"路徑交匯預測協議"引入飛行器尺寸定義的幾何輪廓邊界線，結合用戶可調安全裕度參數，顯著提升碰撞路徑預測精度，突破傳統中心線預測模型局限。最終聚焦三維高斯-馬爾科夫移動模型，提出基于航空器設計參數與速度特性的FANET設備分類體系，并研發改進型環境影響因子模型，大幅提升仿真真實性。

本論文架構如下：第一章闡釋研究背景、技術挑戰、核心目標及理論貢獻；第二章系統綜述MANET/VANET/FANET通信路由協議學術進展；第三章基于ns-3平臺首次完成十大FANET協議性能對比，結合隨機游走與高斯-馬爾科夫移動模型建立統一評估框架；第四章以姚氏百萬富翁問題為理論基礎，研究飛行器間非信任環境下的安全信息共享機制；第五章提出改進型高斯-馬爾科夫移動模型，融合節點速度特性與環境影響因素；第六章總結研究成果并規劃后續研究方向。

要開發一個完全集成的網絡簇（network of networks）系統，促進復雜網絡拓撲結構中節點之間的無縫信息交換，需要考慮許多不同的方面。例如，單個鏈路的彈性、增強的波形能力、頻譜和空間多樣性都是提供通信的關鍵特征，可實現延伸到多個領域（地面、地面、空中和太空）的完全網絡化系統的連接性和互操作性。新興的毫米波（mmW）和高頻段天線技術可與未來的戰術多功能軟件定義無線電（SDR）集成，實現重要網絡參與者（包括第五代飛機）之間的信息分發。將討論小型、輕量級毫米波和高頻段天線設計，這些設計將使小分隊戰術行動在電子戰條件下得以持續。這些小型單位通常配備多種通信無線電，但功能有限，無法在移動中進行快速通信，也無法在停止時進行大容量數據傳輸。

此外，還介紹了一種革命性的認知天線（CA），其中提出了人工智能（AI）技術來幫助改善天線功能、支持自愈屬性并促進自主通信操作。將介紹一種為未來航天器（S/C）通信系統設計的具有環境感知能力的認知天線，它可以感知和傳輸射頻（RF）信號，并與認知無線電（CR）合作修改波形和波束模式特征，以增強彈性和通信能力。

從互操作性和信息交換的角度推斷，數據必須始終保持安全。本文介紹了通用通信有效載荷安全架構，以此為基礎，不僅為系統本身提供數據保護，還為作為大型企業解決方案一部分的網絡提供數據保護。同樣，還提出了機器學習方法，以便在基于企業安全空間的通信架構內打擊惡意網絡攻擊，從而提供更具彈性、保護性更強的自適應框架。此外，機器學習算法還力求為在高度動態環境中識別、分類和檢測可能的入侵提供可行的解決方案。

機器學習還應用于網絡策略，以在擁塞發生之前進行預測，從而防止網絡出現瓶頸。這對于關鍵的高價值信息尤為重要。本文提出了一種基于擁塞感知意圖的路由（CONAIR）架構，可促進終端用戶之間更快、更可靠的數據交換。CONAIR 架構利用平臺和任務信息來推導服務質量 (QoS) 指標，這些指標可用于支持網絡路由優化，具體做法是使用具有機器學習功能的網絡控制器 (NC) 來預測未來的網絡行為。

最后，將 CA、多功能 SDR 和 NC 子系統集成到無人飛行器 (UAV) 上的穩健架構中，形成可應對緊張工作條件的協作認知通信系統。通過協作行為和互動，可以優化通信。這些鑒別技術支持軍事通信系統不斷走向成熟的雄心壯志，從而有利于多跳復雜網絡中不同用戶之間的合作互動和信息交流。

在受到干擾器攻擊的戰術無線網絡中，頻譜感知是確保部署的軍事人員安全和高效的一個重要考慮因素。這些網絡的成員有必要了解頻譜中哪些信道受到攻擊，哪些可安全用于數據傳輸。組成這些網絡的無線發射機可以通過感知不同信道的能量水平來確定這些信道上是否存在干擾器。然后，它們可以與同伴共享這一信息，以便協同識別和避開干擾器。目前有幾種基于強化學習的解決方案，允許無線發射機根據對干擾者活動的觀察制定傳輸策略，但當干擾者的行為是隨機的，從而使強化學習算法無法學習和預測其行為時，這些解決方案往往會失效。

在本文中，首先討論協作頻譜感知以及認知無線電、干擾和反干擾背后的理論。接下來，詳細介紹了用于表示多智能體反干擾問題的系統模型。然后，介紹了一種協作式偽隨機信道選擇算法和一種基于超級決策向量的數據協作與融合方案，以提高對整個網絡頻譜利用率的認識。仿真結果表明，該方案可提高干擾器的檢測率，并增加未被干擾信道上的傳輸次數。

頻譜中可用頻率的缺乏正迫使工業界、學術界和政府當局探索新的頻譜分配模式，以滿足當前和未來因聯網設備數量無止境增長而產生的頻譜需求。認知無線電（CR）自出現以來，已成為解決頻譜稀缺問題的可行方案。認知無線電技術并不嚴格限制許可用戶使用頻段，而是建議允許非許可用戶也使用這些頻率，只要他們不干擾信道許可用戶的傳輸。一旦獲得許可的主用戶（PU）開始在信道上傳輸，這些次級用戶就可以停止在信道上傳輸，或者將其傳輸功率調制到不會對主用戶的傳輸造成干擾的程度。

協作頻譜感知是指認知無線電網絡獨立掃描頻譜，尋找可用帶寬，并與同伴共享感知信息，以提高整個網絡的吞吐量。除了增加每個節點在頻譜占用率方面所擁有的數據點數量外，協同頻譜感知（CSS）還允許 CR 補償路徑損耗、陰影和衰減等可能對每個節點觀測可靠性產生負面影響的物理現象（Roozgard 等人（2012））。

將這些可能不可靠的本地觀測數據合并成一個可用于決策的可靠數據被稱為數據融合。認知無線電網絡（CRN）的成員可利用數據融合將其通過協作頻譜傳感接收到的觀測數據合并成一組決策，給出頻譜中每個信道的占用率。然后，節點可以查閱該決策集，并確定它們可用于傳輸數據的空閑信道。

與許多現代技術一樣，世界各地的軍隊也迅速找到了認知無線電的用途。軍用協作頻譜感知與民用頻譜感知大體相似，都是由認知無線電組成網絡，共同尋找可用于傳輸數據的閑置帶寬，直到外部用戶進入該頻率并開始傳輸數據。不過，兩者之間有一個重要的區別：民用 CSS 主要關注的是次要用戶伺機利用主要（許可）用戶留下的空閑帶寬，而主要（許可）用戶并不一定關注次要用戶的活動，只要他們能使用自己的許可頻段而不受非許可用戶的阻礙即可；而軍用認知無線電則積極與試圖阻礙其傳輸的實體競爭頻譜使用權。這些用戶被稱為干擾者，因為他們的主要目的是禁止訪問信道，阻止軍用認知無線電設備訪問頻譜并與同行通信。

我們可以將民用和軍用 CSS 作如下類比：軍用 CR（類似于次級用戶）必須避免在被敵對干擾者（類似于主要用戶）占用的信道上傳輸。然而，一個重要的區別在于，民用有證通信設備必須注意不對許可用戶的傳輸造成干擾，而在干擾器頻率上傳輸的軍用有證通信設備則有可能被竊聽或擾亂其傳輸，以至于其目標接收器無法解碼所傳輸的信息。這將使 CR 的用戶面臨人身危險，因為軍事 CSS 可能發生在包括武裝戰斗在內的軍事行動期間。同樣，某些干擾技術會主動尋找軍用 CR 正在使用的信道，以占據這些信道并阻斷 CR 的傳輸。因此，戰術網絡必須與對抗性干擾器抗衡，并通過采用頻譜感知和數據融合技術來克服干擾器，這些技術應考慮到干擾器為破壞這些網絡成員的傳輸而使用的策略。

問題描述

戰術無線網絡中的頻譜感知用于為組成這些網絡的戰術無線電設備提供有關不同信道占用情況的信息，而這些信道正被敵對勢力（即我們這里的敵方干擾器）訪問。在這些對手正在使用的信道上傳輸數據可能會產生負面影響。因此，我們希望開發一種技術，讓這些網絡的成員能夠檢測到什么時候傳輸信道是不安全的。

然而，僅靠戰術無線網絡中的單個節點來感知敵方干擾器對頻譜的利用是不夠的。為了確保同級節點不在被破壞的信道上傳輸，察覺到干擾器攻擊特定信道的節點需要與鄰居共享這一感知信息，以提高整個網絡傳輸的安全性。

本項目的重點是開發一種信道選擇算法，部署在現場的戰術通信系統可利用該算法識別受到干擾器攻擊的信道。這樣，各個節點就能知道在廣播數據時哪些信道不能使用。該算法基于對干擾器活動的觀察，以及對鄰近無線電的感應觀察。此外，這種信道選擇算法鼓勵網絡成員相互協作，以共同提高觀測結果的可靠性，因為惡劣的環境條件可能導致節點的觀測結果不正確，而如果兩個或更多相鄰節點協調其傳感行動，同時觀測同一信道，則可降低出錯概率。因此，這種算法將使節點檢測到更多的主動干擾器。

除信道選擇算法外，我們還引入了一種使用超級決策向量的數據協作和融合方案，允許節點相互共享其感知信息，并將其合并為一組與每個信道占用率相關的決策。這樣，網絡中的每個成員都能更好地識別空閑信道，從而提高無干擾傳輸率。

目標和方法

本文的主要目標是提出一種解決方案，使戰術無線網絡成員能夠更好地了解敵方干擾器對頻譜的使用情況，以確保他們不會在會導致其傳輸被攔截或干擾到無法被目標接收器解碼的信道上進行傳輸。建議的解決方案考慮到了敵對干擾者的不可預測行為，以確保我們不會偏向于干擾者的表述。換句話說，我們對干擾器的建模方式使其行為無法被學習、預測或可靠預期。此外，我們的解決方案還引入了數據協作和融合方案，使戰術無線網絡成員能夠更好地利用同伴的感知觀測結果。

為了實現這一目標，我們采取了以下措施：

• 首先介紹認知無線電背后的理論以及開發認知無線電的動機。然后，我們將注意力轉向數據融合技術，包括集中式和分布式策略。接下來，我們詳細回顧了干擾和抗干擾技術，然后將重點轉向戰術無線網絡特定背景下的協作頻譜感知。

• 接下來，將詳細介紹我們用來表示多用戶抗干擾問題的系統模型，以及模擬戰術無線網絡成員、攻擊網絡的干擾器和兩組實體進行傳輸的頻譜之間相互作用的隨機博弈。然后，我們介紹我們的解決方案，讓網絡成員更好地了解干擾器的頻譜使用情況，從而提高網絡內未被干擾的傳輸率。

• 最后，進行了仿真，以測試我們的解決方案與文獻中發現的現有解決方案的有效性，后者使用多智能體強化學習來構建決定每個節點將感知哪些信道的策略。具體來說，我們根據干擾器被檢測到的次數以及在未被干擾的信道上進行傳輸的次數來評判這些解決方案。為了建立性能基準線，我們還將把這兩種解決方案的有效性與隨機選擇的行動進行比較。

態勢感知是對環境因素的感知、對其含義的理解以及對其未來狀態的預測。空間態勢感知（SSA）尤其關注準確呈現空間物體的狀態知識，以解決碰撞等潛在威脅。空間監視系統中使用的跟蹤技術在很大程度上仍然依賴于 20 世紀 50 和 60 年代的模型和應用，而隨著傳感器技術的改進和進入太空的便利性，被跟蹤物體的數量在不斷增加。這項研究將空間監視系統的傳感器任務分配問題歸納為使用證據推理來詢問特定假設。首先，應用認知系統工程實踐來推導 SSA 決策支持系統的認知工作和信息關系要求，并深入探討基于假設的方法在 SSA 中的實用性。為評估基于假設的 SSA 方法，將航天器異常檢測問題表述為使用距離度量的二元假設檢驗，同時考慮非高斯邊界條件，以提高對非線性軌道動力學的適用性。接著，制定了傳感器任務分配標準，以收集證據，最大限度地減少假設解析中的模糊性或無知。證據推理的應用為量化模糊性提供了一個嚴格的框架，并允許納入各種 SSA 傳感器。在此方法的基礎上，針對假設解析任務提出了一個通用證據收集框架，即司法證據推理（JER）。JER 還通過應用同等努力原則來考慮確認偏差。資源分配是一個非線性、高維、混合整數問題，因此 JER 還應用了對抗優化技術來解決計算可操作性問題。最后，根據得出的要求開發了一個 SSA 決策支持系統原型，以評估基于假設的任務分配對工作量和態勢感知的影響。這項工作旨在使預測性傳感器任務分配能夠提供決策質量信息，并改善決策者的態勢感知和工作量。

空間態勢感知是準確描述和預測空間環境狀態的能力，隨著運行衛星數量的增加，空間態勢感知已成為人們關注的話題。這一趨勢是由大型衛星星座的部署推動的，這些星座在完全部署后可能由數萬顆衛星組成。準確跟蹤空間物體對于預測和防止物體之間的碰撞非常重要，因為碰撞可能會對運行中的衛星造成災難性損害，并產生碎片云，危及其他衛星。然而，跟蹤空間物體非常復雜，部分原因是測量結果的來源不確定，這個問題被稱為數據模糊性。雖然存在多種能夠處理數據模糊性的目標跟蹤算法，但在太空環境中進行跟蹤還面臨其他挑戰。由于相對于可用傳感器資源而言，目標數量眾多，因此每個目標的可用觀測數據數量通常較少，而且由于上述數據模糊問題，許多觀測數據互不相關。最近興起的大型星群帶來了另一個問題，即相關衛星將利用低推力推進系統來保持編隊，這就要求具備機動目標跟蹤能力，以獲得最佳性能。在本論文中，我們將分析兩個問題，這兩個問題代表了運營商在不久的將來將面臨的空間物體跟蹤挑戰。我們將展示如何利用有限集統計開發適用的算法。有限集統計是一種數學框架，允許采用自上而下的方法開發具有所需功能的嚴格貝葉斯最優多目標過濾器。

分析的第一個問題是大型星座跟蹤問題。我們模擬了一個由 4,500 多顆低地球軌道衛星組成的星座，并使用 12 個地面近視傳感器網絡對其進行跟蹤。這些傳感器的任務由一個結合了信息論獎勵的成本函數來完成。我們還利用戰術重要性函數，將基于任務的目標（如有碰撞風險的物體的優先級）納入任務分配邏輯。收集到的數據將通過一個帶標記的多貝努利濾波器進行處理。濾波器產生的狀態目錄估計值用于激勵下一輪傳感器任務分配，從而形成一個用于綜合任務分配和跟蹤的自主閉環系統。經過五天的跟蹤期后，狀態目錄估計值將用于執行會合分析。我們將現有方法結合起來，為衛星間近距離接近的過濾和風險量化提供了一個計算效率高的工作流程。

分析的第二個問題是在存在機動目標時跟蹤多個目標。機動目標以不可預測的方式偏離其自然軌跡，通常需要專門的跟蹤算法才能獲得最佳性能。跟蹤此類目標的常用方法是交互式多模型濾波器，該濾波器可維持一組模型來表示目標的可能動態。未知動態可通過等效噪聲概念表示為白噪聲過程。這樣就能有效地跟蹤機動空間物體，但這種算法缺乏表征機動的能力。利用有限集統計，我們能夠開發出一種廣義標注多貝努利濾波器，允許整合任意動態模型。這樣，我們就能利用數據自適應方法，更具體地模擬未知動態，從而使濾波器除了進行機動目標跟蹤外，還能進行機動特征描述。我們還開發了一種基于考慮的最小二乘機動估計算法，該算法使用單次脈沖速度變化對未知動力學進行建模。這種機動的時間是通過多重假設法估算出來的。這種方法與我們提出的廣義標注多伯努利濾波器相結合，并應用于模擬地球靜止軌道衛星群，其中包括一顆執行未知機動的衛星。

大型星座跟蹤工作的結果表明，綜合任務分配和跟蹤算法能夠保持對所有模擬衛星的監護。在傳感器任務分配邏輯中加入了碰撞風險的衡量標準，從而提高了風險分析的準確性，但改進不大。我們假設，采用更通用的優化算法或不同的傳感器架構，可能會使基于任務目標的任務分配產生更大的影響。我們對機動目標跟蹤問題的研究結果表明，我們能夠以可接受的準確度描述機動動態。與實際機動相比，我們的表征絕對誤差相對較高，但我們能夠保持對所有目標的監護。在整個機動過程中，一致性指標保持穩定，這表明對估計的機動誤差不確定性進行了精確量化。未來的工作還包括將這項工作擴展到更大規模的場景，在這種場景中，由于機動檢測對計算效率的影響，機動檢測將成為一個更大的因素。此外，還需要進一步開展工作，將我們的算法擴展到低地軌道跟蹤場景中經常使用的非高斯狀態表示法。

圖 3.3：整合各種算法，形成自主風險感知衛星跟蹤系統。

隨著傳感器技術和由此產生的傳感器分辨率的不斷進步，傳統的基于點的目標跟蹤算法已顯得力不從心，尤其是在使用高分辨率傳感器的自動駕駛汽車、視覺跟蹤和監控等應用領域。這重新激發了人們對擴展目標（ET）跟蹤的興趣，其目的不僅在于跟蹤目標的中心點，還在于跟蹤目標隨時間變化的形狀和大小。

本論文探討了 ET 跟蹤應用領域中最具挑戰性的三個問題。研究的第一個難題是，在非高斯噪聲存在的情況下，需要對具有任意未知星凸形狀的 ET 目標進行精確的形狀和中心估計。提出的方法基于 Student's-t 過程回歸算法，該算法在遞歸框架中定義，適用于在線跟蹤問題。

第二個問題試圖通過定義一種新穎的隨機多面體形狀描述符來放松在估計過程中施加在 ET 目標形狀上的任何約束，包括星凸約束。此外，所提出的解決方案還引入了一種方法，以減輕在 ET 跟蹤應用中因自閉塞而造成的麻煩，因為忽視自閉塞可能會導致 ET 狀態估計出現災難性的偏差。

最后，研究了在雜波和遮擋情況下跟蹤多個 ET 目標的框架，并提出了解決方案。所提出的方法可以在現實場景中估計 ET 目標的中心和形狀，同時考慮到自閉和互閉的挑戰。所提出的方法為每個 ET 定義了一個隨時間變化的狀態檢測概率，即使在相互遮擋造成的不利條件下，也能延長軌跡。此外，建議的算法使用集合成員不確定性模型來約束被遮擋 ET 的關聯和目標形狀不確定性，從而獲得更準確的 ET 目標狀態和形狀估計。

所提方法的性能在自閉和互閉的真實模擬場景中進行了量化，其結果與現有的最先進的 ET 跟蹤應用方法進行了比較。

圖 1.1： 點目標和擴展目標的并排比較。(a): 點目標的單一測量源和生成的測量結果。(b): 多個散射點和 ET 生成的測量結果。

如今，許多機器人系統都是遠程操作的，需要不間斷的連接和安全的任務規劃。這類系統常見于軍用無人機、搜救行動、采礦機器人、農業和環境監測等領域。不同的機器人系統可能采用不同的通信方式，如無線電網絡、可見光通信、衛星、紅外線、Wi-Fi 等。然而，在機器人需要相互連接的自主任務中，由于信號超出范圍或不可用，經常會出現通信受限的環境。此外，一些自動化項目（建筑施工、裝配線）無法保證不間斷的通信，因此需要一個安全的項目計劃，以優化碰撞風險、成本和工期。在本論文中，我們提出了四管齊下的方法來緩解上述問題： 1) 通信感知世界地圖；2) 使用視線（LoS）進行通信保護；3) 通信感知安全規劃；以及 4) 用于導航的多目標運動規劃。

首先，重點開發了一種通信感知世界地圖，它將傳統的世界模型與多機器人位置規劃相結合。我們提出的通信地圖可選擇一連串中間中繼車輛的最佳位置，以便最大限度地提高與遠程單元的通信質量。我們還提出了一種算法，當有多個遠程單元需要服務時，可以建立一棵最小阿伯累樹（min-Arborescence tree）。 其次，在通信被剝奪的環境中，我們利用視線（LoS）在移動機器人之間建立通信，控制它們的移動并向其他自主單元轉發信息。我們提出并研究了多機器人中繼網絡定位問題的復雜性，并提出了近似算法，通過重新定位一個或多個機器人來恢復基于可見度的連接。

第三，開發了一個框架，用于量化全自動機器人任務的安全得分，在這種任務中，人與機器人的共存可能會帶來碰撞風險。我們使用運動規劃算法分析了一系列備用任務計劃，以選擇最安全的計劃。

最后，為機器人開發了一種基于多目標優化的高效路徑規劃，以處理若干帕累托最優成本屬性。

圖 2.1：(a) 由三個機器人組成的鏈，它們將操作員的通信轉發給遠程單元；(b) 包含三個中繼器的最小生成樹，優化了操作員與三個單元之間的通信。

在受到干擾器攻擊的戰術無線網絡中，頻譜感知是確保部署的軍事人員安全和高效的一個重要考慮因素。這些網絡的成員有必要了解頻譜中哪些信道受到破壞，哪些可安全用于數據傳輸。組成這些網絡的無線發射機可以通過感知不同信道的能量水平來確定這些信道上是否存在干擾器。然后，它們可以與同伴共享這一信息，以便協同識別和避開干擾器。目前有幾種基于強化學習的解決方案，允許無線發射機根據對干擾者活動的觀察制定傳輸策略，但當干擾者的行為是隨機的，從而使強化學習算法無法學習和預測其行為時，這些解決方案往往會失效。

在本論文中，首先討論協作頻譜感知以及認知無線電、干擾和反干擾背后的理論。接下來，詳細介紹了用于表示多智能體反干擾問題的系統模型。然后，介紹了一種協作式偽隨機信道選擇算法和一種基于超級決策向量的數據協作與融合方案，以提高對整個網絡頻譜利用率的認識。仿真結果表明，該方案可提高干擾器的檢測率，并增加未被干擾信道上的傳輸次數。

關鍵詞 協作頻譜感知、數據融合、干擾器檢測、戰術通信、Ad Hoc 網絡、無線通信

毫米波（mmWave）雷達與光學傳感器不同，體積小巧、精度高、穿透力強且符合隱私保護標準，因此在多傳感器應用中無處不在。然而，光學傳感器的高分辨率和圖像數據集的廣泛可用性導致了使用光學傳感器的機器學習解決方案的快速發展，從而將毫米波雷達推向了輔助傳感器的角色。本論文針對醫療保健、軍事和自主感知領域，介紹了一系列嘗試利用傳感器融合和機器學習方法增強毫米波雷達能力的新方法。首先，論文介紹了骨骼姿態估計技術，該技術可檢測到 15-25 個關鍵點，三維定位誤差小于 3 厘米，可潛在應用于病人/老年人監測、步態分析和識別以及行人監測。其次，介紹了一種自動雷達標注方案，以鼓勵快速開發雷達圖像數據集，幫助自主感知。這項研究還包括使用傳感器融合特征向量和 12 維雷達特征向量進行目標分類，在車輛與行人檢測研究中，準確率分別達到 98% 和 92%。最后，利用雷達-攝像頭傳感器融合技術探索了基于 DNN-LSTM 的目標跟蹤方法和基于三卡爾曼濾波器的目標跟蹤方法，在這兩種方法中，系統不僅提高了定位精度，而且對單個傳感器故障具有魯棒性。基于 DNN-LSTM 的跟蹤器的優勢在于它不需要事先在雷達和攝像頭之間進行校準，而且對于確定單個傳感器提供的定位差異至關重要。基于三卡爾曼濾波器的方法將這些發現用于多目標跟蹤，精度達到 26 厘米，與最先進的方法不相上下，漏檢率小于 4%，與文獻中大于 16% 的 FNR 相比有了顯著提高。本研究提出的方法大大提高了感知能力，使自主系統更加安全。