【技术实现步骤摘要】
本专利技术涉及无人机追踪，特别是指一种基于分布式非线性滤器的无人机目标跟踪方法及装置。
技术介绍
1、无人机系统在军事、安防、监控、搜救和环境监测等方面有着广泛的应用，而目标跟踪是实现这些应用的关键技术之一。无人机目标跟踪系统需要在动态和复杂的环境中实时、准确地追踪目标，这些环境可能包括多目标场景、遮挡、噪声和传感器不确定性。传统的线性滤波器，如卡尔曼滤波器，在处理非线性系统时表现较差，因此需要开发更为先进的非线性滤波方法。
2、非线性滤波器，能够更好地处理无人机目标跟踪中的非线性动态和观测模型。这些滤波器可以提高跟踪精度和鲁棒性，特别是在面对高噪声和非线性系统时。单一测量传感器的观测数据可能不够全面，或者受到遮挡和噪声的影响，分布式滤波技术通过多个测量传感器之间的信息共享和协同计算，能够综合多源信息，提高目标跟踪的精度和可靠性。
3、分布式非线性滤波器在无人机目标跟踪中的实际应用包括：空中交通管理，确保无人机在空中航线中的位置准确跟踪和冲突避免；无人机编队飞行，多个无人机协同执行任务时，通过分布式滤波器确保编队结构的稳定和任务的协调；以及搜救任务中的无人机跟踪，通过多平台协同跟踪无人机的位置，提高搜救效率和覆盖范围。
4、因此设计一种能够应用于无人机目标跟踪系统的分布式非线性滤波器是非常有必要的。
技术实现思路
1、为了解决现有技术存在的传统的线性滤波器，如卡尔曼滤波器，在处理非线性系统时表现较差的技术难点，本专利技术实施例提供了一种基于分布式
2、一方面，提供了一种基于分布式非线性滤器的无人机目标跟踪方法，该方法通过无人机装置实现，方法包括：
3、s1、对分布式非线性滤波器的通信拓扑通过无向图进行建模；
4、s2、通过分布式非线性过滤算法，对无人机进行目标运动轨迹和位置进行预测和更新，并将状态值做映射操作；
5、s3、基于预测和更新结果，获取目标在复杂环境中的运动规律和变化，对无人机的运动和行为进行跟踪控制。
6、可选地，s1中，对分布式非线性滤波器的通信拓扑通过无向图进行建模，包括：
7、对分布式非线性滤波器的通信拓扑，通过无向图进行建模；
8、其中，v＝{1,2,…,n},e,a分别代表测量传感器节点集，用于测量传感器节点之间的通信链路，加权邻接矩阵。
9、可选地，s1还包括：
10、对于每个测量传感器构建如下述公式(1)的无人机目标跟踪系统：
11、
12、其中，xk表示无人机的真实状态值，yi,k表示测量传感器i对无人机真实状态的测量值；k＝1,2,...是时间序列，fk()表示向量值转移函数，hi,k()表示测量函数，过程噪声{ωk}和测量噪声{vi,k}为相互独立的零均值白噪声序列。
13、可选地，s2中，通过分布式非线性滤波算法，对无人机进行目标运动轨迹和位置进行预测和更新，并将状态值做映射操作，包括：
14、对于每个测量传感器将k-1时的后验分布样本表示如下述公式(2)所示：
15、
16、基于k-1时的后验分布样本生成预测分布的样本，所述预测分布的样本表示为xi,k∣k-1；将状态值嵌入到一个由正定核函数k:定义的特征映射的再生核希尔伯特空间函数中，即φ(x)＝k(·,x)，测量传感器预测分布的估计值如下述公式(3)所示：
17、
18、其中，表示；
19、对测量函数进行转化，将测量方程进行线性转化，并设计新的更新规则。
20、可选地，通过分布式非线性过滤算法，对无人机进行状态预测，对测量函数进行转化，将测量方程进行线性转化，并设计新的更新规则，包括：
21、将测量函数表示为再生核希尔伯特空间rkhs中的内积，即其中是一个hilbert–schmidt线性算子；
22、令yi,k表示,求得λi,k的一个最优解为其中，k表示；
23、此时测量传感器预测分布的估计值μi,k|k的更新规则如下述公式(4)所示：
24、
25、其中，
26、设置加权邻接矩阵的最小多项式次数，对过程矩阵γi,k和ξi,k进行初始化操作；
27、更新过程矩阵γi,k和ξi,k，获取最优状态估计xi,k∣k及其误差协方差矩阵pi,k∣k。
28、可选地，设置加权邻接矩阵的最小多项式次数，对过程矩阵γi,k和ξi,k进行初始化操作，包括：
29、加权邻接矩阵a的最小多项式次数为d+1(d+1≤n)，其中α0,α1,…αd为常数，并令
30、对过程矩阵γi,k和ξi,k进行如下述公式(5)和公式(6)的初始化操作：
31、
32、其中，表示过程矩阵γi,k的初始值；过程矩阵ξi,k的初始值；i表示单位矩阵，表示的伴随矩阵。
33、可选地，更新过程矩阵γi,k和ξi,k，获取最优状态估计xi,k∣k及其误差协方差矩阵pi,k∣k，包括：
34、设置r＝0，重复执行下述公式(7)-公式(10)，直到r＝d：
35、
36、r＝r+1 (10)
37、计算
38、根据下述公式(11)计算权重向量
39、
40、根据下述公式(12)计算归一化权重向量wi,k：
41、
42、根据下述公式(13)和公式(14)计算最优状态估计xi,k∣k及其误差协方差矩阵pi,k∣k：
43、
44、另一方面，提供了一种基于分布式非线性滤器的无人机目标跟踪装置，该装置应用于无人机方法，该装置包括：
45、建模模块，用于对分布式非线性滤波器的通信拓扑通过无向图进行建模；
46、轨迹预测和更新模块，用于通过分布式非线性过滤算法，对无人机进行目标运动轨迹和位置进行预测和更新，并将状态值做映射操作；
47、无人机跟踪控制模块，用于基于预测和更新结果，获取目标在复杂环境中的运动规律和变化，对无人机的运动和行为进行跟踪控制。
48、另一方面，提供一种无人机目标追踪设备，所述基于分布式非线性滤器的无人机目标跟踪设备包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如上述一种无人机目标追踪方法中的任一项方法。
49、另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述无人机方法中的任一项方法。
50、本专利技术实施例提供的技术方案带来的有益效果至少包括：
51、本专利技术提供的方法和装置能够提高跟踪精度：设计的分布式非线性滤波器能够综合来自多个测量传感器的数据，通过信息融合本文档来自技高网...
【技术保护点】
1.一种基于分布式非线性滤器的无人机目标跟踪方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述S1中，对分布式非线性滤波器的通信拓扑通过无向图进行建模，包括：
3.根据权利要求2所述的方法，其特征在于，所述S1还包括：
4.根据权利要求3所述的方法，其特征在于，所述S2中，通过分布式非线性滤波算法，对无人机进行目标运动轨迹和位置进行预测和更新，并将状态值做映射操作，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于测量传感器预测分布的估计值，对测量函数进行转化，将测量方程进行线性转化，并设计新的更新规则，包括：
6.根据权利要求5所述的方法，其特征在于，所述设置加权邻接矩阵的最小多项式次数，对过程矩阵Γi,k和ξi,k进行初始化操作，包括：
7.根据权利要求6所述的方法，其特征在于，更新过程矩阵Γi,k和ξi,k，获取最优状态估计xi,k∣k及其误差协方差矩阵Pi,k∣k，包括：
8.一种基于分布式非线性滤器的无人机目标跟踪装置，所述基于分布式非线性滤器的无人
9.一种基于分布式非线性滤器的无人机目标跟踪设备，其特征在于，所述基于分布式非线性滤器的无人机目标跟踪设备包括：
10.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种基于分布式非线性滤器的无人机目标跟踪方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述s1中，对分布式非线性滤波器的通信拓扑通过无向图进行建模，包括：
3.根据权利要求2所述的方法，其特征在于，所述s1还包括：
4.根据权利要求3所述的方法，其特征在于，所述s2中，通过分布式非线性滤波算法，对无人机进行目标运动轨迹和位置进行预测和更新，并将状态值做映射操作，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于测量传感器预测分布的估计值，对测量函数进行转化，将测量方程进行线性转化，并设计新的更新规则，包括：
6.根据权利要求5所述的方法，其特征在于，所述设置加权邻接矩阵的最小多项式次数，对过...
【专利技术属性】
技术研发人员：郭利苹，张纪峰，赵延龙，王继民，
申请(专利权)人：中国科学院数学与系统科学研究院，
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。