[发明专利]一种基于无人机群的多目标协同追踪方法

权利要求书

1.一种基于无人机群的多目标协同追踪方法，其特征在于，每个无人机的机载计算机基于其异构信息构建数字孪生模拟场景；所述异构信息包括无人机自身和目标的飞行俯仰角、转向角、飞行速度、当前的位置、环境的温湿度和物理噪声；在各无人机的数字孪生模拟场景中模拟对应的物理追踪环境；并根据模拟得到的目标移动速度，确定该无人机的下一跳最优邻居进行通信，从而完成协同观测和追踪；具体的：将目标移动速度与设定的阈值进行比较，若目标移动速度小于设定阈值，首先采用深度确定性策略梯度算法获取最优动作决策，无人机采用该最优动作决策进行追踪，若追踪过程中目标超出无人机的感知范围，则基于注意力的邻居观测机制选择最优的邻居进行通信来完成协同观测和追踪；

否则使用扩展卡尔曼滤波算法在预测目标未来的移动轨迹，根据目标未来的移动轨迹匹配最优的邻居作为转发节点，完成协同的追踪；所述基于注意力的邻居观测机制选择最优的邻居进行通信来完成协同观测和追踪，具体实现过程为：

基于注意力的邻居观测机制选择最优的邻居执行信息交换操作，其邻居选择过程如下：

其中，则邻居j被选择，否则不会被选择；是被定义的激活函数，表示注意力机制的解码操作，表示无人机i在t时刻观测到邻居j的信息，是一个超参数，表示无人机i在t时刻观测到邻居j的特征信息映射。

2.根据权利要求1所述的一种基于无人机群的多目标协同追踪方法，其特征在于，所述异构信息通过摄像头与各传感器获取。

3.根据权利要求2所述的一种基于无人机群的多目标协同追踪方法，其特征在于，所述使用扩展卡尔曼滤波算法在预测目标未来的移动轨迹，根据目标未来的移动轨迹匹配最优的邻居作为转发节点，完成协同的追踪；具体实现过程为：

记当前时刻为t，根据下式预测t+1时刻目标的移动坐标：

其中，x_(t+1|t)表示t+1时刻的预测模型，K_t+1表示卡尔曼增益，是评估残差值；

无人机选择最大投影距离的邻居作为信息转发的中继节点，其转发距离更新表达式为：

其中，C_d＝d_rT表示转发的初始阶段，表示d_i,j在d_rT上的投影长度，d_i,j表示无人机i和邻居j之间的物理距离。