一种多无人机协同侦察移动目标的方法

1.一种多无人机协同侦察移动目标的方法，其特征在于，包括下列步骤：
步骤一：将待侦察区域划分为大小相同的一组子区域，所述子区域的数量与无人机的数量相同；
步骤二：为每架无人机分配一个待侦察子区域，每一架无人机对相应的子区域进行侦察；
步骤三：当处于某一子区域的无人机探测到移动目标后，根据自身位置，估计出目标大致位置，并将目标的位置信息通过自带的通信系统发送给位于相邻区域的其他无人机，同时发出请求协同侦察信号；若无人机在其所在区域探测到不止一个目标时，选择其中一个目标侦察，同时发信号给其他无人机；
步骤四：位于相邻区域的其他无人机接收到步骤三所述的请求协助侦察的信号后，若有已完成侦察的无人机则加入协助侦察，若没有完成侦察的无人机，则尚未发现侦察目标的无人机中距离最近的无人机加入协助侦察，若相邻区域中没有满足条件的无人机，则步骤三中发现目标的无人机把协助请求信息发送给所有无人机，按照上述同样原则选择满足条件的无人机协助加入侦察；
步骤五：至少一架决策加入协作侦察的无人机进入步骤三所述的移动目标所处的子区域；
步骤六：步骤三所述的无人机和步骤五所述的至少一架无人机通过各自的角度传感器测量移动目标的相对方向角度，协同实现对目标的定位；发现移动目标的无人机和另一架无人机利用角度传感器对移动目标相对位置进行探测，若如果是两架无人机协同侦察，则两个无人机角度传感器测得的到目标的方向线就会有一个交点，这个交点就作为目标测得的位置；若是三个无人机协同侦察，三个无人机角度传感器测得的到目标的方向线会组成一个三角区域，该区域的中心即作为测得的目标的位置；
步骤七：步骤三所述的无人机和步骤五所述的至少一架无人机根据移动目标已有的运动轨迹，通过预测与探测相结合的方法实现对移动目标的跟踪。
2.如权利要求1所述的基于无人机的移动目标协同侦察方法，其特征在于，所述的各无人机具有相同的配置。
3.如权利要求1或2所述的多无人机对移动目标协同侦察方法，其特征在于，步骤七中，无人机根据移动目标已运行的轨迹通过改进的粒子滤波算法对运动轨迹进行预测，通过探测与轨迹预测相结合的方法，对移动目标进行跟踪。

一种多无人机协同侦察移动目标的方法\n技术领域\n[0001] 本发明涉及一种基于无人机的侦察方法，尤其涉及一种基于无人机对移动目标的进行协同侦察的方法。\n背景技术\n[0002] 无人机(Unmanned Aerial Vehicle，UAV)以其使用灵活、生存概率高、机载配置多样化、滞空时间长、操作灵活、经济实用、训练维修成本低、武器平台性能不受人类生理条件限制等优点，在侦察、对地攻击、战场毁伤评估、干扰、欺骗(诱饵)、信息中继、对地支援等诸多领域得到了成功的运用。此外，无人机还具有减少参战人员的伤亡，降低装备和使用成本等作用，因此正逐步受到各国的重视。与有人飞机相比，无人机具有以下优势：\n[0003] 1)设计自由度大。在设计上无人机没有驾驶舱及相关的环控救生设备，除降低了飞机的重量和成本外，还大大放宽了飞机设计的一些限制，如飞机发动机的位置可以更加合理。由于不考虑人的因素，飞机的机动载荷因数可以更高，可以采用更先进的气动布局、结构设计。\n[0004] 2)成本低。在设计制造上无需复杂的机体和种类繁多的各种机载设备，只需一些必要的传感器。作战成本也低于远距离发射巡航导弹或超视距空空导弹的费用，效费比高。\n而且使用和维护费用低，操纵人员培训相对简单。与常规飞机相比，使用维护成本可节约达\n50％之多。\n[0005] 3)无人机可以执行一些对于有人驾驶飞机来说非常危险的任务，可以深入到敌方军事要地上空实施侦察、干扰、引导、攻击等。由于离目标近，因此侦察、攻击的精度高，具有一定的作战使用优势。\n[0006] 4)无人机的突防能力较强，生存力高。无人机广泛采用玻璃纤维和其他透波材料，机体外形尺寸小，发动机功率小，因此，雷达有效反射面积等各种信号特征较小，不易被敌方发现。此外，无人机不受驾驶员生理条件的限制，因此具有较大的飞行包线，使无人机在空战中具有更大的生存力。\n[0007] 5)无人攻击机作战使用灵活，可以在空中、地面、舰船上起飞或发射，对起降场地要求低。攻击目标时，可以由指挥控制中心下达攻击指令，也可以自主快速攻击。\n[0008] 因此，以美国和以色列为首的世界各国争相发展无人机技术。美国的无人作战飞机计划已进入技术验证阶段。波音公司X-45A无人战斗机(UCAV)于2003年5月22日首飞，开创了无人机发展的新篇章。目前，美国诺斯罗普·格鲁门公司建造的X-47B联合无人空战系统飞机(J-UCAS)是世界上第一种可同时在陆地和航空母舰上部署的无人侦察攻击机。X-47B设计验证了一系列的关键系统能力，其中包括对固定和机动目标实施精确打击的能力、自动空中加油能力等。2011年2月4日，X-47B无人机在加利福尼亚州首飞成功。\n作为无人舰载战斗机，X-47B宣告“无人轰炸机”时代到来，是无人战斗机脱离现有人为控制而走向“全自动攻击”的里程碑！\n[0009] 无人机系统在军事作战中的使用迅速扩展始于2001年秋季的反恐战争。无人机系统采用新战术、新技术、新方法改变了当前的作战空间。无人机系统不仅可提供持久的情报、监视和侦察能力，还可提供精确和及时的直接火力和间接火力。作战指挥官需要更多的无人机系统。目前面临的挑战是快速协调地整合这一技术以支援联合作战。\n[0010] 无人机侦察是无人机能够完成的重要军事任务之一，但是目前无人机侦察方面的研究主要针对一定区域内对固定目标的搜索和侦察展开的，因此，其重点针对无人机侦察中的航迹规划问题展开。见陆琛等发表的文章“无人机侦察航迹规划研究”(电光与控制，\n2010，Vol17(3))。但是，实际战场环境中有很多对象是移动目标，如坦克。由于移动目标的位置是不停变化的，因此，对移动目标的侦察不同于也难于对固定目标的侦察，它不仅包含了对固定目标侦察所需要的技术问题，并且对已侦察到的目标还有一个如何定位和跟踪的问题。由于无人机装载的传感器观测区域和精度有限，单架UAV通常不足以实现对目标的持续跟踪，因此需要融合多架UAV的观测值，并协同多架无人机对某一侦察到的目标进行有效跟踪和定位。\n发明内容\n[0011] 技术问题\n[0012] 本发明要解决的技术问题是提供一种基于无人机对待监测区域的移动目标进行侦察的方法，该方法利用多架无人机之间的协同侦察实现对移动目标进行跟踪和定位。\n[0013] 技术方案\n[0014] 为了解决上述的技术问题，本发明的基于无人机的移动目标协同侦察方法包括下列步骤：\n[0015] 步骤一：将待侦察区域划分为大小相同的一组子区域，所述子区域的数量与所述无人机的数量相同，各无人机具有相同的配置；\n[0016] 步骤二：为每架无人机分配一个待侦察子区域，每一架无人机在对应的子区域内对移动目标进行侦察；\n[0017] 步骤三：当处于某一子区域的无人机探测到移动目标后，根据自身位置，利用其本身的定位系统，估计出该移动目标的大致位置，并将所述移动目标的位置信息通过自带的通信系统发送给位于相邻区域的其他无人机，同时发出请求协同侦察信号，所述的相邻区域是指该子区域相邻的其他靠近的区域，一般是优先选择相邻区域的无人机参与协同侦察，这样可以减少所耗费的时间；若无人机在其所在区域探测到不止一个目标，则先选择其中一个目标进行侦察，同时发出请求侦察信号给相邻子区域无人机，对该目标的侦察任务完成后再对其他移动目标采用相同的步骤进行侦察；\n[0018] 步骤四：位于相邻区域的其他无人机接收到步骤三所述的请求协助侦察信号后，若其中之一的无人机已完成所处子区域移动目标侦察任务则直接加入协助侦察，即进入步骤三的被发现移动目标的子区域；若相邻区域的其他无人机都没有完成侦察任务，则其中距离步骤三中无人机最近的无人机加入协助侦察；若相邻区域中没有满足条件的无人机，例如都处于移动目标的侦察中，则步骤三中发现目标的无人机把协助请求信息发送给步骤一的其他所有无人机，选择可以参与任务的无人机协助加入侦察；\n[0019] 步骤五：步骤四的至少一架决策加入协作侦察的无人机进入步骤三所述的移动目标所处的子区域；\n[0020] 步骤六：步骤三所述的无人机和步骤五所述的至少一架无人机通过各自的角度传感器测量移动目标的相对方向角度，协同实现对目标的定位；一般地，两架无人机协同侦察即可完成移动目标的定位，此时两架无人机角度传感器测得的到移动目标的方向线有一个交点，该交点就作为目标测得的位置；若是三个无人机协同侦察，可以提高定位的速度，三个无人机角度传感器测得的到目标的方向线会组成一个三角区域，该区域的中心即作为测得的目标的位置；\n[0021] 步骤七：步骤三所述的无人机和步骤五所述的至少一架无人机根据步骤六得到的移动目标已有的运动轨迹，通过预测与探测相结合的方法实现对移动目标的跟踪，即利用改进的粒子滤波算法(Marginalized Particle Fliter，MPF)对目标进行跟踪，算法中由粒子滤波算法进行非线性状态变量估计，卡尔曼滤波进行线性状态变量估计。目前，对运动目标的跟踪算法中用的较多的是卡尔曼滤波算法，但这种方法需要假设被跟踪目标的动态模型是线性的或可近似线性化的，然而实际目标的运动往往不符合这样的设定，在更多情况下目标运动是非线性的、不确定的、受地形限制的，粒子滤波作为一种基于贝叶斯估计的非线性滤波算法，在处理非线性运动目标跟踪问题方面有独到的优势。但该方法处理状态变量的维数较多，因此运算速度相对较慢。本算法采用卡尔曼滤波与粒子滤波算法相结合，对原有粒子滤波算法进行了改进，即用卡尔曼滤波处理线性变量的状态估计，粒子滤波算法处理非线性变量的状态估计。减少了粒子滤波处理状态变量的维数，减弱粒子滤波的退化现象，同时也降低了算法的计算复杂度。\n[0022] 地面移动目标位置是二维的，x，y两个方向上的预测是类似的，以x方向上的预测为例。\n[0023] 考虑非线性模型为\n[0024] xk+1＝f(xk，wk) (1)\n[0025] zk＝h(xk，ek) (2)\n[0026] 式中，zk是在k时刻的量测；xk是系统变量；wk是过程噪声；ek是量测噪声；f、h是两个与运动轨迹相关的非线性函数。噪声密度 和 是不相关的，但是可知的。一般状态变量都包含了线性子结构，如速度分量和加速度分量，而所有非线性都包含在量测方程中，因此，其状态向量可以分割为：\n[0027] \n[0028] 式中，是线性状态变量；是非线性状态变量。在进行状态变量分割后，原来的非线性模型就转变为下述形式：\n[0029] \n[0030] \n[0031] \n[0032] 式中，\n[0033] ek～N(0，Rk)\n[0034] 在本模型中，非线性状态变量 对应的是位置，线性状态变量 对应的是速度。对于非线性变量 的预测采用粒子滤波的方法，线性变量 预测采用卡尔曼滤波的方法，具体步骤为：\n[0035] Step1：初始化。i＝1，2，L，N，初始化粒子 同时置\n[0036] \n[0037] Step2：i＝1，2，L，N，重要性抽样\n[0038] \n[0039] 归一化\n[0040] \n[0041] Step3：粒子滤波的量测更新(重采样)。\n[0042] \n[0043] Step4：粒子滤波的时间更新和卡尔曼滤波时间更新。\n[0044] (1)卡尔曼滤波的量测更新。\n[0045] \n[0046] Pk|k＝Pk|k-1\n[0047] (2)粒子滤波的时间更新(预测)。i＝1，2，L，N，预测新的粒子\n[0048] \n[0049] (3)卡尔曼滤波的时间更新。\n[0050] \n[0051] \n[0052] \n[0053] \n[0054] Step5：k＝k+1；返回至Step2。\n[0055] 本发明的技术方案中，是以区域内的某一个子区域出现移动目标时的侦察为例的，该技术方案同样适用于多个子区域同时出现移动目标的情况，各无人机仍采用上述的工作过程。\n[0056] 有益效果\n[0057] 本发明的多无人机协同侦察移动目标的方法基于多架无人机之间的协同合作，实现了对侦察区域内移动目的侦察、定位和跟踪，克服了现有技术中对移动目标定位和跟踪精确度低的缺陷。原有无人机侦察技术主要针对固定目标的侦察，由于移动目标的位置会动态变化，因此无法直接应用于移动目标的侦察。本发明利用和综合了侦察、定位和跟踪技术，设计了针对移动目标的侦察方法。在目标的定位中，由于单架无人机的角度传感器难以对目标实现精确定位，因此，设计了多架无人机通过协同的方法实现对目标的精确定位，提高了目标位置的定位精度。当侦察到目标后，由于目标是移动的，当目标位置改变后，需要重新搜索和锁定目标，因此本发明通过预测的方法，利用已测的历史运动轨迹预测无人机的运动动向和位置，从而减小了搜索范围，提高搜索目标，避免丢失目标。\n附图说明\n[0058] 图1是本发明一个实施例的待侦察区域示意图；\n[0059] 图2是一个子区域内无人机进行全局搜索的飞行路径示意图；\n[0060] 图3是两架无人机协作测得的目标位置示意图；\n[0061] 图4是三架无人机协作测得的目标位置示意图。\n[0062] 具体实施例方式\n[0063] 实施例一：\n[0064] 本实施例的无人机协同侦察移动目标的方法包括下列步骤：\n[0065] 步骤一：将待侦察区域划分为大小相同的一组子区域，所述子区域的数量与所述无人机的数量相同，各无人机具有相同的配置；如图1所示，本实施例中，待侦察区域为A，预先将其划分为A1，A2，A3，…，Am，共m个子区域，每个子区域内各相应分配一架无人机B1，B2，B3，…，Bm，其中，m为自然数。\n[0066] 步骤二：每一架无人机在对应的子区域内对移动目标进行侦察，为了对子区域内的移动目标精确侦察，采用全局搜索的方式，在搜索的规划路线中转弯次数应该设计得越少越好，为了尽可能地减小全局搜索中的转弯次数，设计的搜索路线如图2所示，其中虚线为待侦察区域，实线为无人机侦察路线；\n[0067] 步骤三：当处于某一子区域的无人机探测到移动目标后，根据自身位置，利用其本身的定位系统，估计出该移动目标的大致位置，并将所述移动目标的位置信息通过自带的通信系统发送给位于相邻区域的其他无人机，同时发出请求协同侦察信号，所述的相邻区域是指该子区域相邻的其他靠近的区域，一般是优先选择相邻区域的无人机参与协同侦察，这样可以减少所耗费的时间，若无人机在其所在区域探测到不止一个目标时，则先选择其中一个目标进行侦察，同时发出请求侦察信号给相邻子区域无人机，对该目标的侦察任务完成后再对其他移动目标采用相同的步骤进行侦察。本实施例中，例如，如图1中，当处在A8子区域内的无人机B8发现本子区域内有移动目标后，无人机B8根据自身的位置，利用其本身的定位系统，估计出移动目标的大致位置，由于此时只有一架无人机并且移动目标的移动方向是随机的，无法精确定位移动目标的位置；随后，无人机B8将所述移动目标的位置信息发送给A3子区域内的无人机B3、A7子区域内的无人机B7、A9子区域内的无人机B9、A13子区域内的无人机B13，同时发出请求协同侦察信号。\n[0068] 步骤四：位于相邻区域的其他无人机接收到步骤三所述的请求协助侦察信号后，若其中之一的无人机已完成所处子区域移动目标侦察任务则直接加入协助侦察，即进入步骤三的被发现移动目标的子区域；若相邻区域的其他无人机都没有完成侦察任务，则其中距离步骤三中无人机最近的无人机加入协助侦察；若相邻区域中没有满足条件的无人机，例如都处于移动目标的侦察中，则步骤三中发现目标的无人机把协助请求信息发送给步骤一的其他所有无人机，选择可以参与任务的无人机协助加入侦察；本实施例中，如果A8子区域的相邻子区域A3中的无人机B3已经完成自己的侦察任务而其他的相邻子区域的无人机尚未完成侦察任力，则无人机B3参与接下来的协同侦察任务；若相邻区域的其他无人机都没有完成侦察任务，但都尚未发现目标，则其中距离B8无人机最近的无人机B12加入协助侦察。\n[0069] 步骤五：步骤四的一架决策加入协作侦察的无人机进入步骤三所述的移动目标所处的子区域，例如无人机B13；\n[0070] 步骤六：步骤三所述的无人机B8和步骤五所述的无人机B13通过各自的角度传感器测量移动目标的相对方向角度，协同实现对目标的定位；如图3所示，此时两架无人机角度传感器测得的到移动目标的方向线有一个交点，该交点就作为目标测得的位置；\n[0071] 步骤七：步骤三所述的无人机B8和步骤五所述的架无人机B13分别根据步骤六得到的移动目标已有的运动轨迹，通过预测与探测相结合的方法实现对移动目标的跟踪，即利用改进的粒子滤波算法(Marginalized Particle Fliter，MPF)对目标进行跟踪，算法中由粒子滤波算法进行非线性状态变量估计，卡尔曼滤波进行线性状态变量估计。\n[0072] 实施例二：\n[0073] 本实施例的方法步骤与实施例一基本相同，不同的是在步骤四中，有两架无人机B13和B9已完成各自的侦察任务，收到无人机B8的协同侦察请求信号后，同时进入所述的子区域A8，则在子区域A8中有三架无人机进行协同侦察。如图4所示，三个无人机角度传感器测得的到目标的方向线会组成一个三角区域，该区域的中心即作为测得的目标的位置。