[發(fā)明專利]無人機自適應(yīng)多目標跟蹤的實現(xiàn)方法

有效

• 申請?zhí)枺?/td>: 201810359284.1
• 申請日: 2018-04-20
• 公開（公告）號: CN108919640B
• 公開（公告）日: 2020-04-03
• 發(fā)明（設(shè)計）人: 李波;馬浩;高曉光;萬開方;符小衛(wèi)
• 申請（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 西北工業(yè)大學(xué)專利中心 61204
• 代理人: 金鳳

1.一種無人機自適應(yīng)多目標跟蹤的實現(xiàn)方法，其特征在于包括下述步驟：

步驟1：狀態(tài)空間

狀態(tài)空間分為系統(tǒng)狀態(tài)和信念狀態(tài)，其中系統(tǒng)狀態(tài)包含無人機狀態(tài)、目標狀態(tài)和跟蹤狀態(tài)，在t時刻系統(tǒng)狀態(tài)表示為χ_t＝(s_t,ζ_t,ξ_t,P_t)，其中s_t為無人機的狀態(tài)，ζ_t為目標的狀態(tài)，(ξ_t,P_t)為跟蹤狀態(tài)，具體為：

無人機的狀態(tài)：其中，表示無人機的位置，表示無人機的速度，θ_t表示無人機的航向角；

第i個目標的狀態(tài)：其中,i＝1,2,...,n，n為目標的數(shù)量，表示目標的位置，表示目標在x,y軸上的速度分量；

對于第i個目標的跟蹤狀態(tài)：為濾波后目標狀態(tài)估計值，P_tⁱ為濾波后目標狀態(tài)的估計協(xié)方差；

信念狀態(tài)指的是系統(tǒng)整體狀態(tài)的后驗分布，在t時刻為：其中，無人機的信念狀態(tài)為跟蹤信念狀態(tài)為目標信念狀態(tài)為

步驟2：無人機運動方程

無人機在t時刻的狀態(tài)為行動量u_t＝(a_t,φ_t)，a_t為加速度，φ_t為轉(zhuǎn)向角，無人機的運動方程如下：

θ_t+1＝θ_t+(gTtan(φ_t)/v_t) (2-4)

其中T為仿真步長，為無人機t+1時刻的位置，為t+1時刻無人機的速度，θ_t+1為t+1時刻無人機的航向角，g為重力加速度，[v_min,v_max]為速度的大小限制；

步驟3：目標運動方程

第i個目標在t時刻的運動狀態(tài)更新如下：

其中，為第i個目標在t+1時刻的狀態(tài)，F(xiàn)為狀態(tài)轉(zhuǎn)移矩陣，為目標的過程噪聲，且Q為過程噪聲的協(xié)方差矩陣；

步驟4：目標狀態(tài)測量

已知t時刻無人機和第i個目標的位置矢量，為位置協(xié)方差矩陣；

依照step1.1到step1.3計算

Step1.1：無人機與目標之間的有效距離和夾角為：

實際距離為：

有效距離為：

無人機與目標之間的夾角：

其中，b為非零常數(shù)；

Step1.2：求距離標準偏差和角度標準偏差距離標準偏差為：

角度標準偏差為：

其中p和q為非零常數(shù)；

Step1.3：求令：

目標的測量函數(shù)更新公式如下：

其中，H為觀測矩陣，為測量噪聲，并且

步驟5：跟蹤狀態(tài)

t時刻第i個目標的跟蹤狀態(tài)可根據(jù)卡爾曼濾波方程所得，具體如下：

預(yù)測：

預(yù)測協(xié)方差：

測量值：

增益矩陣：

濾波后狀態(tài)：

濾波后估計協(xié)方差：

步驟6：目標函數(shù)

基于t時刻的狀態(tài)，對將來l個步長進行預(yù)測，則目標函數(shù)為：

其中，k＝0,1,2,...,l，為信念狀態(tài)序列，為行動序列，為成本函數(shù)；

由得到無人機在第k個步長下的信念狀態(tài)為第i個目標在k步長下的信念狀態(tài)為k步長下對第i個目標的跟蹤信念狀態(tài)為則k+1步長下關(guān)于第i個目標的信念狀態(tài)更新方程為：

其中，為成本函數(shù)，具體為傳感器與目標位置之間的均方誤差，可表示為：

其中，可通過以下過程求解：

Step6.1：由公式(6-2)求得通過步驟2求得

Step6.2：求

通過步驟4求得，將以上所求到的值代入(6-3)即可得到

因此目標函數(shù)為：

步驟7：最優(yōu)策略

最優(yōu)策略即選擇t時刻使目標函數(shù)J_l(b_t)最小的一組行動序列因此最優(yōu)策略表示為：

定義行動序列上限為ub，下限為lb，通過梯度下降法求取最優(yōu)解

步驟8：無人機執(zhí)行行動

選擇最優(yōu)解里的作為無人機更新狀態(tài)的運動量，代入步驟2即可求得無人機在t+1時刻的狀態(tài)更新為：

步驟9：將t+1的無人機狀態(tài)和最優(yōu)解代入步驟6、步驟7可得到下一時刻的最優(yōu)解，再通過步驟8可得到無人機在t+2時刻的狀態(tài)，循環(huán)計算即可得到整個時間域上的無人機飛行狀態(tài)和跟蹤軌跡。