[发明专利]马尔科夫运动目标的无人机搜索方法及装置

说明书

本发明公开了马尔科夫运动目标的无人机搜索方法及装置，在接收到搜索任务后，得到马尔科夫运动目标运动过程中和无人机搜索过程中所有可能出现的状态及其概率分布；构建搜索任务下无人机行为预测的马尔科夫模型，建立基于马尔科夫决策的多阶段启发式策略迭代算法；获取收益最大的搜索行为策略，规划出无人机最优的搜索航迹。本发明克服了传统搜索算法对搜索目标运动规律缺乏严格数学定义而导致搜索代价高昂的缺点，根据无人机当前飞行状态和此刻马尔科夫运动目标在搜索区域的存在概率分布，确定无人机下一时刻即将搜索的虚拟目标位置，并得到收益最大的搜索行为策略，能够应用于搜索运动目标，且能够以较低的搜索成本成功搜索到目标。

技术领域

本发明涉及无人机的控制领域，尤其涉及马尔科夫运动目标的无人机搜索方法及装置。

背景技术

如今，科技的力量渗透在各行各业。作为一股新的科技力量，无人机在各行各业的应用前景备受关注。其中无人机在军事目标搜索系统中搜索与营救应用已经得到世界各国的重视。航迹规划是无人机应用于目标搜索系统中必须考虑的重要问题。

无人机目标搜索系统的航迹规划包括两大类，即静止目标搜索系统航迹规划以及运动目标搜索系统航迹规划。当前，对于无人机静止目标搜索系统航迹规划的研究成果比较成熟，已经广泛应用于实际问题。但对于运动目标搜索系统航迹规划的研究工作相对较少。目前，对于运动目标搜索系统航迹规划问题的研究方向主要集中在对搜索算法本身的设计与应用上，而对搜索过程中目标的运动规律问题缺少严格的数学定义。另一方面，无人机独立执行任务的能力较弱，其智能化程度在很多情况下不足以满足人们的期望。在任务执行的过程中，无人机一般都是按照事先载入的程序进行，应变能力差。因此，多无人机协同参与任务是一种比较可靠的选择。这也使得无人机在搜索方面的应用与实际的应用契合的越来越紧密。

马尔科夫决策过程(Markov Decision Processes，MDP)是一种具有决策能力的马尔科夫奖赏过程。在功能应用方面，它是用来解决在不确定性环境下序贯决策问题的理论知识。其中的不确定环境下序贯决策问题是指在一系列连续的或者离散的时刻(称为决策时刻)做出决策。人们在做决策的时候不仅要考虑决策当前的效果，也要照顾到所做的决策对长远利益的影响。MDP是一种应用非常广泛的决策过程。

传统的无人机搜索算法，如扫描线搜索算法，只注重算法本身的设计且对搜索目标运动规律缺乏严格数学定义，存在搜索代价高昂的较大缺点。

发明内容

为了克服现有技术的不足，本发明的目的在于提供马尔科夫运动目标的无人机搜索方法及装置，旨在解决现有的传统算法应用于无人机搜索任务时不能满足运动目标搜索航迹规划需求或者搜索代价高昂的问题。

本发明的目的采用以下技术方案实现：

一种马尔科夫运动目标的无人机搜索方法，包括：

目标步骤，接收到搜索任务后，构建马尔科夫运动目标的概率模型，从而得到马尔科夫运动目标运动过程中所有可能出现的状态及其概率分布；

无人机步骤，获取无人机搜索过程中所有可能出现的状态及其概率分布；

构建步骤，根据无人机搜索过程中和马尔科夫运动目标运动过程中所有可能出现的状态及其概率分布，构建搜索任务下无人机行为预测的马尔科夫模型，建立基于马尔科夫决策的多阶段启发式策略迭代算法；

规划步骤，利用基于马尔科夫决策的多阶段启发式策略迭代算法，获取收益最大的搜索行为策略，从而规划出无人机最优的搜索航迹。

在上述实施例的基础上，优选的，所述目标步骤，具体为：

接收到搜索任务后，对目标的运动区域进行栅格化划分，利用概率论对马尔科夫运动目标建模，获取马尔科夫运动目标的概率模型，从而得到马尔科夫运动目标运动过程中所有可能出现的状态及其概率分布；所述目标的运动区域等同于无人机的搜索区域。