33414

بهبود عملكرد سامانه موقعيّت‌يابي تلفيقي ماهواره‌اي- اينرسي- بصري در مقابل حملات ليزري به بخش بصري مبتني بر شبكه‌هاي عميق سبك‌وزن

دكترا

مهندسي برق-الكترونيك

1399

1404/01/27

سيدمحمدرضا موسوي ميركلايي- احمد آيت‌اللهي

/

مهندسي برق

موقعيّت‌يابي دقيق براي سامانه‌هاي ناوبري ضروري است، به ويژه در شرايطي كه سيگنال‌هاي GPS مختل شده و نياز به استفاده از حسگرهاي جايگزين براي حفظ دقت وجود دارد. براي مقابله با چالش قطعي GPS، رايج است كه سامانه ناوبري اينرسي (INS) را با آن تلفيق ‌كنند. در سامانه‌هاي تلفيقي GPS/INS، مسئلۀ قطعي GPS همچنان يك چالش مهم است. زيرا در اغلب كاربردها با استفاده از حسگرهاي ارزان قيمت ميكروالكترومكانيكي (MEMS) در INS، كه داراي كيفيت پايين بوده و خروجي نويزي دارند، دقت ناوبري خالص INS به شدت كاهش مي‌يابد و با طولاني شدن قطعي GPS، سامانه تلفيقي GPS/INS نيز واگرا مي‌شود. لذا در اولين گام از مراحل اين رساله، ضمن شبيه‌سازي معادلات مكانيزاسيون INS، با استفاده از هوش مصنوعي دقت سامانه تلفيقي GPS/INS در زمان قطعي GPS بهبود داده‌ شده است. در مدت زماني كه GPS در دسترس است، يك بلوك هوشمند در فاز آموزش قرار مي‌گيرد. در اين فاز، خروجي بلوك هوشمند با مقدار مطلوب، كه همان تغييرات خروجي GPS مي‌باشد، مقايسه شده و وزن‌هاي آن به‌روزرساني مي‌شوند. در زمان قطعي GPS، عملاً بلوك هوشمند نقش GPS را در سامانه ناوبري تلفيقي ايفا مي‌كند. اگرچه در اين سامانه GPS/INS پيشنهادي مسئلۀ واگرايي سامانه رفع شده است، دقت اين سامانه همچنان براي برخي كاربردها مناسب نيست. بنابراين، در دومين گام از اين رساله، به تلفيق INS با سامانه موقعيّت‌يابي بصري (VO) مبادرت شده است تا در زمان قطعي GPS، سامانه جايگزين دقيق‌تري داشته باشيم كه مشكل واگرايي INS را نداشته باشد. اين رساله در دومين گام مؤثر خود، سه سامانۀ بصري-اينرسي (VIO) مقاوم و سبك‌وزن را پيشنهاد داده است. يكي از اين سه سامانه، سامانۀ موقعيّت‌يابي فوق‌العاده مقاوم بصري-اينرسي نام دارد كه براي مقابله با يكي از چالش‌برانگيزترين اعوجاج‌هاي بصري، يعني حملات ليزري به لنزهاي دوربين، طراحي شده است. علاوه بر اين، به منظور در نظر گرفتن محدوديّت‌هاي مصرف انرژي در كاربردهايي باتري‌محور، اين سامانه از يك فيلتر كالمن هوشمند و قابل يادگيري (ILKF) براي تركيب منابع موقعيّت‌يابي اينرسي و بصري بهره مي‌برد، كه جايگزيني كارآمدتر براي شبكه‌هاي عصبي بازگشتي (RNNs) ارائه مي‌دهد. اين رساله در آخرين گام، با به‌كارگيري سامانه بصري-اينرسي پيشنهادي خود، يك سامانۀ يكپارچه و مقاوم ماهواره‌اي- بصري- اينرسي (GPS/VIO) را ارائه مي‌دهد كه در شرايط قطعي‌هاي مكرّر GPS و حملات ليزري به بخش بصري سامانه، يك موقعيّت‌يابي دقيق را به انجام مي‌رساند. نتايج شبيه‌سازي نشان مي‌دهد كه در شرايط قطعي سيگنال GPS و اختلالات شديد ناشي از حملات ليزري به بخش بصري، سامانه GPS/VIO پيشنهادي از سامانه‌هاي مستقل INS و سامانه فوق‌مقاوم بصري-اينرسي پيشنهادي، به ترتيب با دقت 82/82% و 25/74% بهتر عمل مي‌كند. مقايسه عملكرد سامانۀ GPS/VIO پيشنهادي با عملكرد ساير سامانه‌هاي GPS/INS/VO مطرح شده در سال‌هاي اخير، مؤيّد مصالحه بهتر در دقت و پيچيدگي سامانۀ پيشنهادي و قابليّت پياده‌سازي آن بر روي بردهاي توسعه با توان مصرفي پايين‌تر است.

1404/02/30

Improving the Performance of the Satellite-Inertial-Visual Integrated Positioning System Against Laser Attacks on the Visual Component Based on Lightweight Deep Networks

4/16/2026 12:00:00 AM

Accurate positioning is essential for navigation systems, particularly in scenarios where GPS signals are disrupted and there is a need to rely on alternative sensors to maintain precision. To address the challenge of GPS outages, it is common to integrate an Inertial Navigation System (INS) with GPS. However, in GPS/INS integrated systems, the GPS outage remains a critical issue. This is especially true when low-cost micro-electro-mechanical systems (MEMS) sensors are used in INS, as their low quality and noisy outputs significantly degrade the standalone accuracy of the INS. As the GPS outage duration increases, the GPS/INS system becomes divergent. Therefore, in the first phase of this dissertation, after simulating the INS mechanization equations, artificial intelligence is employed to enhance the accuracy of the GPS/INS integrated system during GPS outages. During periods when GPS signals are available, an intelligent module is trained. In this training phase, the output of the intelligent module is compared with the desired value—i.e., GPS output increments—and its weights are updated accordingly. When GPS is unavailable, the intelligent module effectively takes over the GPS role in the integrated navigation system. Although the proposed GPS/INS system addresses the divergence problem, its accuracy may still fall short for certain applications. Hence, in the second phase of this research, INS is integrated with a Visual Odometry (VO) system to provide a more accurate alternative during GPS outages, free from the divergence issues of INS. In this critical phase, the dissertation proposes three robust and lightweight Visual-Inertial Odometry (VIO) systems. Among them is a highly-robust visual-inertial localization system specifically designed to counter one of the most challenging visual distortions—laser attacks on camera lenses. Furthermore, to address energy consumption constraints in battery-powered applications, the proposed system employs an Intelligent Learnable Kalman Filter (ILKF) to fuse inertial and visual positioning data. This provides a more efficient alternative to recurrent neural networks (RNNs). In the final phase, the proposed visual-inertial system is used to develop an integrated, robust GPS/VIO navigation system capable of delivering accurate positioning even under repeated GPS outages and laser attacks on the visual component. Simulation results show that under severe GPS signal loss and laser-induced visual disruptions, the proposed GPS/VIO system outperforms standalone INS and the proposed highly-robust visual-inertial system by 82.82% and 74.25%, respectively. Comparative analysis with other state-of-the-art GPS/INS/VO systems proposed in recent years confirms that the proposed system achieves a superior balance between accuracy and design complexity.

موقعيّت‌يابي تلفيقي مقاوم , فيلتر كالمن هوشمند , شبكه‌هاي كانولوشني سبك‌وزن

GPS , INS , VIO , Super robust VIO , Highly-robust VIO , Robust GPS/VIO

Amir Ebrahimi

Seyed Mohammadreza Mousavi mirkolaei