[發明專利]馬爾科夫運動目標的無人機搜索方法及裝置

有效

• 申請號: 201810779927.8
• 申請日: 2018-07-16
• 公開（公告）號: CN108594858B
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 陳立家;王贊;汪曉群;薛政鋼;管禹;趙瑞杰;馮帥棟;馮子凱;王敬飛;趙成偉;袁蒙恩
• 申請（專利權）人: 河南大學;河南宙合網絡科技有限公司
• 主分類號: G05D1/10
• 分類號: G05D1/10
• 代理公司: 蘇州知途知識產權代理事務所(普通合伙) 32299
• 代理人: 張錦波;陳瑞瀧

本發明公開了馬爾科夫運動目標的無人機搜索方法及裝置，在接收到搜索任務后，得到馬爾科夫運動目標運動過程中和無人機搜索過程中所有可能出現的狀態及其概率分布；構建搜索任務下無人機行為預測的馬爾科夫模型，建立基于馬爾科夫決策的多階段啟發式策略迭代算法；獲取收益最大的搜索行為策略，規劃出無人機最優的搜索航跡。本發明克服了傳統搜索算法對搜索目標運動規律缺乏嚴格數學定義而導致搜索代價高昂的缺點，根據無人機當前飛行狀態和此刻馬爾科夫運動目標在搜索區域的存在概率分布，確定無人機下一時刻即將搜索的虛擬目標位置，并得到收益最大的搜索行為策略，能夠應用于搜索運動目標，且能夠以較低的搜索成本成功搜索到目標。

技術領域

本發明涉及無人機的控制領域，尤其涉及馬爾科夫運動目標的無人機搜索方法及裝置。

背景技術

如今，科技的力量滲透在各行各業。作為一股新的科技力量，無人機在各行各業的應用前景備受關注。其中無人機在軍事目標搜索系統中搜索與營救應用已經得到世界各國的重視。航跡規劃是無人機應用于目標搜索系統中必須考慮的重要問題。

無人機目標搜索系統的航跡規劃包括兩大類，即靜止目標搜索系統航跡規劃以及運動目標搜索系統航跡規劃。當前，對于無人機靜止目標搜索系統航跡規劃的研究成果比較成熟，已經廣泛應用于實際問題。但對于運動目標搜索系統航跡規劃的研究工作相對較少。目前，對于運動目標搜索系統航跡規劃問題的研究方向主要集中在對搜索算法本身的設計與應用上，而對搜索過程中目標的運動規律問題缺少嚴格的數學定義。另一方面，無人機獨立執行任務的能力較弱，其智能化程度在很多情況下不足以滿足人們的期望。在任務執行的過程中，無人機一般都是按照事先載入的程序進行，應變能力差。因此，多無人機協同參與任務是一種比較可靠的選擇。這也使得無人機在搜索方面的應用與實際的應用契合的越來越緊密。

馬爾科夫決策過程(Markov Decision Processes，MDP)是一種具有決策能力的馬爾科夫獎賞過程。在功能應用方面，它是用來解決在不確定性環境下序貫決策問題的理論知識。其中的不確定環境下序貫決策問題是指在一系列連續的或者離散的時刻(稱為決策時刻)做出決策。人們在做決策的時候不僅要考慮決策當前的效果，也要照顧到所做的決策對長遠利益的影響。MDP是一種應用非常廣泛的決策過程。

傳統的無人機搜索算法，如掃描線搜索算法，只注重算法本身的設計且對搜索目標運動規律缺乏嚴格數學定義，存在搜索代價高昂的較大缺點。

發明內容

為了克服現有技術的不足，本發明的目的在于提供馬爾科夫運動目標的無人機搜索方法及裝置，旨在解決現有的傳統算法應用于無人機搜索任務時不能滿足運動目標搜索航跡規劃需求或者搜索代價高昂的問題。

本發明的目的采用以下技術方案實現：

一種馬爾科夫運動目標的無人機搜索方法，包括：

目標步驟，接收到搜索任務后，構建馬爾科夫運動目標的概率模型，從而得到馬爾科夫運動目標運動過程中所有可能出現的狀態及其概率分布；

無人機步驟，獲取無人機搜索過程中所有可能出現的狀態及其概率分布；

構建步驟，根據無人機搜索過程中和馬爾科夫運動目標運動過程中所有可能出現的狀態及其概率分布，構建搜索任務下無人機行為預測的馬爾科夫模型，建立基于馬爾科夫決策的多階段啟發式策略迭代算法；

規劃步驟，利用基于馬爾科夫決策的多階段啟發式策略迭代算法，獲取收益最大的搜索行為策略，從而規劃出無人機最優的搜索航跡。

在上述實施例的基礎上，優選的，所述目標步驟，具體為：

接收到搜索任務后，對目標的運動區域進行柵格化劃分，利用概率論對馬爾科夫運動目標建模，獲取馬爾科夫運動目標的概率模型，從而得到馬爾科夫運動目標運動過程中所有可能出現的狀態及其概率分布；所述目標的運動區域等同于無人機的搜索區域。