[發明專利]一種基于正態分布概率圖的警務多無人機目標搜索方法

有效

• 申請號: 202110182132.0
• 申請日: 2021-02-09
• 公開（公告）號: CN112905959B
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 鄒存名
• 申請（專利權）人: 遼寧警察學院
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06N3/00;G06V20/17
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 陳麗;李洪福

1.一種基于正態分布概率圖的警務多無人機目標搜索方法，其特征在于，所述多無人機包括一個主無人機和若干個從無人機，所述方法應用于主無人機，所述方法包括：

網格化規定區域，并根據包括預定義重點搜索位置的先驗信息為各個網格分配概率，得到初始概率圖；

接收各個從無人機到達當前位置時的信息；所述信息至少包括無人機是否發現目標；

基于所述信息更新初始概率圖，得到概率圖；

基于所述概率圖和粒子群算法控制各個從無人機進行目標搜索；其中，目標搜索包括：主無人機根據所述概率圖求解各個從無人機下一步的位置，并將下一步的位置發給從無人機；從無人機到達之后，主無人機再次更新概率圖，并根據更新后的概率圖求解各個從無人機下一步的位置，重復這個過程，直至完成目標搜索；其中，粒子群算法以粒子群所在位置對應的所述概率圖網格概率值最大作為適應度函數；

當接收到目標可疑位置時，將所述概率圖按照正態概率分布賦值，將目標可疑位置所在網格設置為正態分布的中心，得到正態分布概率圖；

基于所述正態分布概率圖，按照粒子群算法控制各個從無人機進行目標搜索；

其中，將所述概率圖按照正態概率分布賦值，包括：

將二維空間坐標以圍繞中心位置分為5層，中心位置為第一層，圍繞中心位置的網格為第二層，圍繞第二層的網格為第三層，圍繞第三層網格的第四層，其余網格為第五層；

根據正態分布概率公式對各層進行賦值：其中，x為網格的橫坐標值，μ取目標可疑位置所在網格的橫坐標值，σ取1；

第一層的概率值P¹＝P(5)；

第二層的概率值P²＝(P(4)+P(6))/n₂，n₂為圍繞中心位置的網格數；

第三層的概率值P³＝(P(3)+P(7))/n₃，n₃為圍繞第二層的網格數；

第四層的概率值P⁴＝(P(2)+P(8))/n₄，n₄為圍繞第三層網格的網格數；

第五層的概率值P⁵＝P(1)+P(9)；

按照每層的概率值對每層包含的網格進行賦值，得到各個網格的概率值P^*_k(i,j)；

計算所有網格的概率值之和P_t；

通過P_k(i,j)＝P^*_k(i,j)/P_t對各個網格的概率值進行歸一化處理，將P_k(i,j)賦值給網格(i,j)；P_k(i,j)表示歸一化之后第k步網格第i行第j列的概率值，網格橫坐標i的取值范圍是[1，9]，網格縱坐標j的取值范圍是[1，9]；

或，將所述概率圖按照正態概率分布賦值，包括：

將二維空間坐標以圍繞中心位置分為5層，中心位置為第一層，圍繞中心位置的網格為第二層，圍繞第二層的網格為第三層，圍繞第三層網格的第四層，其余網格為第五層；

根據正態分布概率公式對各層進行賦值：其中，x為網格的橫坐標值，μ取目標可疑位置所在網格的橫坐標值，σ取1；

第一層的概率值P¹＝P(5)；

第二層的概率值P²＝P(4)＝P(6)；

第三層的概率值P³＝P(3)＝P(7)；

第四層的概率值P⁴＝P(2)＝P(8)；

第五層的概率值P⁵＝P(1)＝P(9)；

按照每層的概率值對每層包含的網格進行賦值，得到各個網格的概率值P^*_k(i,j)；

計算所有網格的概率值之和P_t；

通過P_k(i,j)＝P^*_k(i,j)/P_t對各個網格的概率值進行歸一化處理，將P_k(i,j)賦值給網格(i,j)；P_k(i,j)表示歸一化之后第k步網格第i行第j列的概率值，網格橫坐標i的取值范圍是[1，9]，網格縱坐標j的取值范圍是[1，9]；

其中，按照粒子群算法控制各個從無人機進行目標搜索，包括：

根據各個從無人機的當前位置初始化每個從無人機對應的粒子群的初始位置；每個從無人機對應一個粒子群，每個粒子群包括若干個粒子；所述粒子具有位置屬性；

針對每個粒子群，通過迭代滿足適應度函數找到粒子群的全局最優解，給出與所述粒子群對應的從無人機下一步位置的全局最優解；所述適應度函數為粒子群所在位置對應的概率圖網格概率值最大；

在每一次的迭代中，通過本次迭代粒子的局部最優解(Xb，Yb)和本次迭代粒子群的全局最優解(Xg，Yg)更新所述粒子的位置，包括：

在找到本次迭代粒子的局部最優解(Xb，Yb)和本次迭代粒子群的全局最優解(Xg，Yg)更新所述粒子的位置后，粒子通過下面的公式更新位置：

Xn’＝S*Xn+w1*Rand*(Xb-Xn)+w2*Rand*(Xg-Xn)；

Yn’＝S*Yn+w1*Rand*(Yb-Yn)+w2*Rand*(Yg-Yn)；

其中，n代表單個從無人機所包含的粒子的個數，n＝0，1，2……N；Rand代表隨機數，取值范圍[0，1]；(Xn，Yn)代表當前單個粒子位置；(Xn’，Yn’)代表單個粒子更新后的位置；w1、w2為學習因子；S代表慣性因子。