Reducing Computational Complexity of Rigidity-Based UAV Trajectory Optimization for Real-Time Cooperative Target Localization

📄 arXiv: 2502.11278v1 📥 PDF

作者: Halim Lee, Jiwon Seo

分类: eess.SY

发布日期: 2025-02-16

备注: Submitted to ION ITM 2025

DOI: 10.33012/2025.20004

💡 一句话要点

针对实时协同目标定位，提出降低基于刚性无人机轨迹优化计算复杂度的方法。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 无人机协同定位 轨迹优化 刚性理论 计算复杂度降低 随机SVD 平滑SVD 顶点修剪 实时定位

📋 核心要点

  1. 现有基于Fisher信息矩阵的无人机轨迹优化方法在特定几何条件下（如无人机从同一点出发）定位精度下降，导致位置模糊。
  2. 论文提出一种基于刚性的无人机轨迹优化方法，旨在提高定位精度和缩短搜索时间，尤其是在不利的几何条件下。
  3. 通过应用随机SVD、平滑SVD和顶点修剪等技术，显著降低了基于刚性的轨迹优化算法的计算复杂度，使其更具实用性。

📝 摘要（中文）

在紧急情况下，准确快速地定位目标至关重要。然而，通常从全球导航卫星系统（GNSS）、蜂窝网络或WiFi获得的目标移动设备的精确位置数据可能并非总是可供急救人员使用。例如，1)在具有挑战性的信号接收环境中，精度和可用性可能会受到限制；2)在紧急位置服务并非强制性的地区，某些移动设备可能不会在紧急情况下传输其位置。作为一种替代定位方法，可以使用无人机（UAV）网络，通过收集射频（RF）信号测量值（如接收信号强度（RSS））来被动地定位目标。在这种情况下，无人机轨迹在定位性能中起着关键作用，影响精度和搜索时间。先前的研究使用Fisher信息矩阵（FIM）的行列式来优化无人机轨迹，但其性能在不利的几何条件下会下降，例如当无人机从单个基站开始时，导致位置模糊。为了解决这个问题，我们之前的工作引入了一种基于刚性的方法，与我们的仿真案例中基于FIM的方法相比，该方法缩短了搜索时间。然而，基于刚性的优化的高计算成本（主要由于奇异值分解（SVD））限制了它的实用性。在本文中，我们应用了降低计算复杂度的技术，包括随机SVD、平滑SVD和顶点修剪。

🔬 方法详解

问题定义：论文旨在解决无人机协同目标定位中，由于恶劣几何条件导致传统基于FIM的轨迹优化方法性能下降，以及基于刚性的轨迹优化方法计算复杂度过高的问题。现有方法的痛点在于，FIM方法在特定情况下定位精度不足，而刚性方法虽然精度较高，但计算量大，难以实时应用。

核心思路：论文的核心思路是利用基于刚性的方法来优化无人机轨迹，以提高定位精度和鲁棒性，同时通过降低计算复杂度来满足实时性要求。刚性方法能够更好地处理不利几何条件下的定位问题，因为它考虑了无人机之间的相对位置关系。

技术框架：整体流程包括：1) 初始化无人机轨迹；2) 使用基于刚性的方法计算轨迹优化目标；3) 应用随机SVD、平滑SVD和顶点修剪等技术降低计算复杂度；4) 迭代优化轨迹，直到满足收敛条件或达到最大迭代次数。主要模块包括刚性矩阵计算模块、SVD分解模块和轨迹优化模块。

关键创新：最重要的技术创新点在于将随机SVD、平滑SVD和顶点修剪等技术应用于基于刚性的无人机轨迹优化中，显著降低了计算复杂度，使其能够在计算资源有限的无人机平台上实时运行。与现有方法的本质区别在于，它在保证定位精度的前提下，实现了计算效率的提升。

关键设计：论文的关键设计包括：1) 选择合适的刚性矩阵表示方法，以准确描述无人机之间的相对位置关系；2) 针对SVD分解过程，采用随机SVD和平滑SVD等近似算法，以降低计算量；3) 通过顶点修剪策略，减少需要优化的轨迹点数量，进一步降低计算复杂度。具体的参数设置和损失函数等细节在论文中未明确给出，属于未知信息。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

论文重点在于降低计算复杂度，具体的性能数据和对比基线在摘要中未给出。但可以推断，通过随机SVD、平滑SVD和顶点修剪等技术，显著降低了基于刚性的轨迹优化算法的计算时间，使其更接近实时应用的需求。具体的提升幅度未知，需要在论文正文中查找。

🎯 应用场景

该研究成果可应用于应急救援、灾害搜救、环境监测等领域。通过无人机协同定位，可以快速准确地确定目标位置，为救援行动提供关键信息。此外，该技术还可用于室内定位、地下定位等GNSS信号受限的场景，具有广阔的应用前景和实际价值。

📄 摘要（原文）

Accurate and swift localization of the target is crucial in emergencies. However, accurate position data of a target mobile device, typically obtained from global navigation satellite systems (GNSS), cellular networks, or WiFi, may not always be accessible to first responders. For instance, 1) accuracy and availability can be limited in challenging signal reception environments, and 2) in regions where emergency location services are not mandatory, certain mobile devices may not transmit their location during emergencies. As an alternative localization method, a network of unmanned aerial vehicles (UAVs) can be employed to passively locate targets by collecting radio frequency (RF) signal measurements, such as received signal strength (RSS). In these situations, UAV trajectories play a critical role in localization performance, influencing both accuracy and search time. Previous studies optimized UAV trajectories using the determinant of the Fisher information matrix (FIM), but its performance declines under unfavorable geometric conditions, such as when UAVs start from a single base, leading to position ambiguity. To address this, our prior work introduced a rigidity-based approach, which improved the search time compared to FIM-based methods in our simulation case. However, the high computational cost of rigidity-based optimization, primarily due to singular value decomposition (SVD), limits its practicality. In this paper, we applied techniques to reduce computational complexity, including randomized SVD, smooth SVD, and vertex pruning.