【技术实现步骤摘要】
本专利技术属于无人机无线定位，尤其涉及一种基于电磁地图和路网信息的基于电磁地图的无人机追踪移动载具的方法。
技术介绍
1、与地面上的静态摄像机或移动传感器相比，无人机拥有更广阔的视野，更强的能动性，用于动态跟踪地面目标。目前基于信号强度的无人机对地目标追踪的相关研究较少，且大多使用经典传播模型，未能考虑到现实生活中电磁的影响较为理想。基于视觉的无人机动态目标追踪，受外观变化和严重遮挡等几个因素的影响，难以远距离追踪目标，且对成本的要求更高。
2、在关于无人机(uav，unmanned aerial vehicle)目标追踪的问题研究中，farshadkoohifar、ismail guvenc和mihail l.sichitiu发表论文“autonomous trackingofintermittent rf source using a uav swarm”，提出了一种通过一组配备全向接收信号强度(rss，received signal strength)传感器的无人机，来定位间歇性传输的射频发射机的方法，基于递归贝叶斯估计进行目标位置定位，通过梯度路径规划跟踪目标的未来轨迹。但该算法定位环境较为简单，使用经典传播模型，没有考虑环境因素的影响。在现实生活中由于电磁的存在、地形不平坦、建筑物的遮挡等原因，无人机与地面移动目标之间的真实路径损耗会有一定差距，定位精度会大打折扣。
3、针对环境影响的问题，shuai sun、shaoxi li、yan li、bill moran和waynes.t.rowe等人
4、pengfei zhu、jiayu zheng、dawei du、longyin wen、yiming sun和qinghua hu等人发表论文“multi-drone-based single object tracking with agent sharingnetwork”，提出了一种利用无人机间的互补信息，通过共享无人机间模板，将多架无人机的目标重检测和目标的视觉感知融合集成到一个统一的框架中智能体共享网络。但该方法通过视觉追踪动态目标，定位精度仍受阻挡、外观变化等因素影响，且成本较高。
5、通过上述分析，现有技术存在的问题及缺陷为：
6、(1)目前基于信号强度的无人机对地目标追踪的相关研究较少。
7、(2)通过无人机对空中动态目标进行rss定位的算法，适用于空对空的动态目标定位，但其使用经典传播模型，未能考虑到现实生活中电磁的影响，较为理想；基于视觉的无人机动态目标追踪，受外观变化和严重遮挡等几个因素的影响，对准确跟踪目标仍然具有挑战性，且对成本的要求更高。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种基于电磁地图和路网信息的基于电磁地图的无人机追踪移动载具的方法。
2、本专利技术是这样实现的，一种基于电磁地图和路网信息的基于电磁地图的无人机追踪移动载具的方法包括：
3、步骤1：在路网上随机选择k个位置，m架无人机根据接收的信号强度、电磁地图和地图信息，计算这些位置作为信号发射端的联合概率；
4、步骤2：通过粒子群算法，进行迭代，最终选取路网上的k个概率最高的位置作为候选点；
5、步骤3：m个无人机向概率最高的匹配点飞行一段距离，重新接收信号强度，根据无人机位置修改惯性权重，重复步骤1、2、3；
6、步骤4：根据电磁地图信息计算候选点的观测概率，根据路网信息计算候选点之间的转移概率，建立马尔可夫链，通过viterbi算法获取最优匹配结果，得到追踪目标匹配轨迹。
7、进一步，所述步骤1所述的搜索区域内各个位置作为信号发射端的联合概率模型，具体如下：
8、设定为一个m架无人机，在已知城市路网环境中，追踪移动目标；目标位置xt＝(xt,yt,zt)，xt，yt，zt分别为t时刻用户的x，y，z轴坐标，目标的zt默认在地表；第m架无人机的位置为φt,m＝(xt,m,yt,m,zt,m)，xt,m，yt,m分别为t时刻第m架无人机的x，y轴坐标，无人机高度zt,m默认在地表上空100m处；
9、此时，结合电磁地图信息，发射源位于δk＝(xk,yk)处的概率密度函数fr(δk)为：
10、
11、式中，rt,m为无人机um在位置φt,m接收到的强度值；r(δk,φt,m)表示发射源位置为δk，无人机um位置为φt,m时，由电磁地图得到的无人机接收到的理论信号强度值，σm为无人机um接收端的高斯白噪声的方差；i0()是修正的0阶第一类贝塞尔函数。
12、发射源位于δk＝(xk,yk)处的概率通过它的累积分布函数求解为：
13、
14、其中，pr(δk)为发射源位于δk＝(xk,yk)处的概率，fr(δk)为发射源位于δk＝(xk,yk)处的概率密度函数，在实际场景中σ0通常为未知，一般取一个经验值；
15、结合地图路网信息z，z为城市路网的集合，任意位置发射源δk＝(xk,yk)处的概率为
16、
17、其中，σz为测量的标准偏差，zi为其在不同道路上的投影位置；
18、任意位置δk＝(xk,yk)作为信号发射端的联合概率为：
19、p(δk)＝pr(δk)pm(δk)。
20、进一步，所述步骤2的粒子群算法具体包括如下步骤：
21、步骤2.1：根据上述联合概率公式建立评估函数，即以任意位置δk＝(xk,yk)作为信号发射端的联合概率作为评估函数：
22、
23、s.t.δk∈z
24、其中，δk为搜索区域内任意位置δk＝(xk,yk)，z为城市路网的集合；
25、步骤2.2：随机生成一组数量为k的粒子，初始化粒子群迭代时间﹑最大和最小惯性权重、粒子的初始位置和速度以及其他参数；搜索范围可以定位搜索城市或者区域；
26、步骤2.3：根据联合概率公式计算粒子的评价函数值，比较所有粒子的函数值，找到最佳评价函数值gbest，并记录此时的粒子位置为最佳位置pbest；
27、步骤2.4：再次计算所有粒子的函数值，更新最佳评估函数值gbest，并更新粒子的最佳位置pbest；当达到迭代次数时，得到k个pbest为粒子最优位置，作为t时刻的本文档来自技高网...
【技术保护点】
1.一种基于电磁地图的无人机追踪移动载具的方法，其特征在于，包括以下步骤：
2.如权利要求1所述基于电磁地图的无人机追踪移动载具的方法，其特征在于，所述步骤1所述的搜索区域内各个位置作为信号发射端的联合概率模型，具体如下：
3.如权利要求1所述基于电磁地图的无人机追踪移动载具的方法，其特征在于，所述步骤2的粒子群算法具体包括如下步骤：
4.如权利要求1所述基于电磁地图的无人机追踪移动载具的方法，其特征在于，所述步骤3中无人机下一时刻接受信号的位置为：
5.如权利要求1所述基于电磁地图的无人机追踪移动载具的方法，其特征在于，所述步骤4中根据电磁地图信息建立的马尔可夫链的观测概率，具体如下：
6.如权利要求5所述基于电磁地图的无人机追踪移动载具的方法，其特征在于，所述马尔科夫链的模型的转移概率具体为：
7.一种实施如权利要求1-6任意一项所述基于电磁地图的无人机追踪移动载具的方法的基于电磁地图和路网信息的无人机远距离追踪地面移动载具的系统，其特征在于，所述基于电磁地图和路网信息的无人机远距离追踪地面移动载具的系统
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-6任意一项所述基于电磁地图的无人机追踪移动载具的方法的步骤。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1-6任意一项所述基于电磁地图的无人机追踪移动载具的方法的步骤。
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求7所述基于电磁地图和路网信息的无人机远距离追踪地面移动载具的系统。
...【技术特征摘要】
1.一种基于电磁地图的无人机追踪移动载具的方法，其特征在于，包括以下步骤：
2.如权利要求1所述基于电磁地图的无人机追踪移动载具的方法，其特征在于，所述步骤1所述的搜索区域内各个位置作为信号发射端的联合概率模型，具体如下：
3.如权利要求1所述基于电磁地图的无人机追踪移动载具的方法，其特征在于，所述步骤2的粒子群算法具体包括如下步骤：
4.如权利要求1所述基于电磁地图的无人机追踪移动载具的方法，其特征在于，所述步骤3中无人机下一时刻接受信号的位置为：
5.如权利要求1所述基于电磁地图的无人机追踪移动载具的方法，其特征在于，所述步骤4中根据电磁地图信息建立的马尔可夫链的观测概率，具体如下：
6.如权利要求5所述基于电磁地图的无人机追踪移动载具的方法，其特征在于，所述马尔科夫链的模型的转移概率具体为：
7.一种...
【专利技术属性】
技术研发人员：贺晨，屠怡萍，董洋瑞，刘洋，李嫣然，
申请(专利权)人：西北大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。