[发明专利]一种切换拓扑条件下目标运动状态的估计方法

说明书

本发明公开了一种切换拓扑条件下目标运动状态的估计方法。假设编队中的每架无人机均量测到目标含高斯噪声和随机噪声的运动加速度信息，都对加速度进行低通一致性滤波，且对低通一致性滤波算法进行改进，使编队中的每架无人机得到较为精确的目标运动加速度。应用固定通信拓扑条件下推导得到的分布式连续滤波算法对目标运动状态进行估计，将低通一致性滤波得到的目标加速度带入IKCF；在无人机节点无法收到邻居的信息时，用标准连续Kalman滤波算法替代IKCF，对目标的状态估计在一定范围内将实现一致并且收敛到目标的真实运动状态。

技术领域

本发明属于切换通信拓扑条件下的分布式滤波算法以及低通一致性滤波算法，具体涉及一种切换拓扑条件下目标运动状态的估计方法。

背景技术

在目标跟踪、工业设备监控和环境监测等领域通常应用传感器网络对其进行分布式状态估计。而在目标跟踪中由于目标运动的不确定性很大，采用固定的传感器网络对其运动状态进行分布式滤波有些不太实用。因此，采用无人机编队对目标进行跟踪并进行状态估计是较为理想的方法。而无人机编队的通信系统在受到环境因素的影响时可能导致通信链路的中断，进而导致通信拓扑不含生成树；在一定的时间段内，通信拓扑通过编队通信系统的恢复或自组织连接将再次含有生成树。因此，采用一种在这种通信拓扑切换条件下稳定的分布式滤波算法是有必要的。

并且，在编队控制算法中基本要求每架无人机都知道目标的运动加速度。即使无人机通过某种传感器可以量测到目标的运动加速度，也必然是含有很大噪声的，从而导致每架无人机量测到的目标运动加速度相差很大。因此，有必要采用一种低通一致性滤波算法对量测到的目标运动加速度进行低通一致性滤波，从而使每架无人机得到更加准确的目标运动加速度。

发明内容

针对无人机编队目标跟踪、状态估计中通信链路容易中断导致通信拓扑不含生成树的问题，提出了一种切换通信拓扑条件下的分布式滤波算法，使算法更加贴近实际情况，并且提出了一种改进的低通一致性滤波算法，使得无人机可以得到目标更加准确的运动加速度。

本发明是这样实现的，一种切换拓扑条件下目标运动状态的估计方法，地面移动目标的运动状态模型为：

其中，u(t)∈R²为目标在水平方向的控制输入，系统矩阵A和输入B满足：

A为过程噪声驱动阵，状态变量x＝[p_x p_y v_x v_y]^T代表目标水平方向的位置和速度；过程噪声ω～(0,Q)，量测噪声v～(0,R)，z为目标位置、速度状态的观测量，观测矩阵H∈I^4×4为4阶单位阵，具体步骤如下：

无人机编队在跟踪目标的初始时刻通信拓扑图含有生成树；

(1)将每架无人机量测到的目标含噪声的运动加速度进行低通一致性滤波：

其中，为无人机i对目标运动加速度的估计，为无人机i量测到的目标运动加速度，a_ij＝1表示无人机i与无人机j有通讯链接，a_ij＝0无人机i与无人机j无通讯链接，且J_i＝N_i∪{i}，N_i为无人机i的邻居；

为了使滤波后的加速度在更小的范围内趋于一致，对算法进行改进，改进后的低通一致性滤波算法的组合形式为：

其中，分别为无人机通信拓扑图的拉普拉斯矩阵和度矩阵；w₁≥1，w₂≥1为相应的权值因子；