【技术实现步骤摘要】
本专利技术属于无人机，具体涉及一种分布式无人机的态势融合和任务分配方法。
技术介绍
1、随着科技的不断进步，无人机技术已经广泛应用于军事侦察、监视、货物运输、环境监测、农业喷洒等多个领域。特别是在军事领域，无人机群的协同作战能力成为现代战争的重要力量。然而，现有的无人机系统通常面临信息共享不足、协同效率低、态势感知能力有限等问题。在复杂的战场环境中，无人机需要实时准确地获取和处理大量数据，以实现有效的态势感知和任务执行。
2、现有的无人机系统大多采用集中式控制方式，这不仅限制了系统的扩展性，也增加了对中央控制单元的依赖，一旦控制单元受损，整个系统可能瘫痪。此外，单个无人机的感知范围和处理能力有限，难以实现对大范围战场环境的全面感知。为了克服这些限制，需要一种分布式的无人机态势融合方法，能够实现无人机之间的信息共享和协同作业，提高无人机群的整体作战效能。
3、在分布式无人机系统中，每个无人机作为一个独立的节点，能够自主地收集环境信息，并与其他无人机共享这些信息。通过态势融合，无人机群能够构建一个全局的战场态势图，为决策提供支持。然而，现有的态势融合方法往往依赖于复杂的数据处理算法和大量的计算资源，难以在资源受限的无人机平台上实现。此外，如何在保持无人机群协同性的同时，实现任务的动态分配和优化，也是一个亟待解决的问题。
技术实现思路
1、为了克服现有技术的不足，本专利技术提供了一种分布式无人机的态势融合和任务分配方法，用于增强无人机群的协同作业能力和任务执行效率
2、本专利技术解决其技术问题所采用的技术方案如下：
3、步骤1：无人机态势感知；
4、步骤1-1：无人机利用机载的传感器收集到周围的环境数据i，对环境数据i通过信号处理运算进行预处理，预处理后的环境数据信息为if：
5、if＝g*i+λi (1)
6、其中：if为滤波后的环境数据信息，g为高斯核，i是无人机机载传感器所收集到的原始环境数据,λ为平滑参数；
7、步骤1-2：设无人机感知到输入滤波后的环境数据信息if(x,y)，其中x,y分别为无人机所感知到环境信息的横坐标与纵坐标，通过计算得到if(x,y)在横坐标方向和纵坐标方向的梯度dx与dy：
8、
9、其中：为求偏导符号；
10、计算if(x,y)两个方向梯度的乘积，即在x轴方向的乘积与在y轴方向的乘积
11、
12、使用高斯函数对和dxdy进行高斯加权，生成中间的计算矩阵元素ma、mb、和mc：
13、
14、其中：ωx、ωy和ωxy分别为高斯加权的权值，为叉乘符号；
15、步骤1-3：计算无人机所感知到的数据if每个像素的harris响应值rmap：
16、rmap＝{det(ma,mb,mc)-α(trace(ma,mb,mc))2<tr} (6)
17、其中：det(ma,mb,mc)为矩阵的行列式，trace(ma,mb,mc)为矩阵行列式的轨迹，α表示角点响应参数，tr表示判断阈值；
18、由此得到无人机所感知到数据的特征信息t，对于任意的感知像素点(x,y)∈t，得到该像素点总满足harris响应值rmap，即：
19、
20、步骤2：云端态势融合；
21、步骤2-1：针对特征信息ti和tj，分别构建特征窗口win＝(wx,hy)，之后将特征窗口中的二维窗口按照一维矩阵的排列方式转换为特征向量n，即winx,y＝n1,xy；构建特征窗口向量
22、对特征向量的相似性约束问题，将同种类别的相似性约束到最小值即为具备相似特征的目标类别，进行相似度匹配，如下式所示：
23、
24、令矩阵sv的奇异值分别为：
25、sv＝pσpt (9)
26、其中：p为转换矩阵，σ为n×n的奇异值矩阵；
27、步骤2-2：设σk为矩阵sv前k个奇异值构成的对角矩阵，p·k为σk所对应的左奇异值向量，则有的一个确定解为：
28、
29、将原目标函数的问题改写为：
30、
31、步骤2-3：将uk＝{u1,u2,u3,...,un}作为网络的输入层，h作为网络的输出层，将该问题的目标函数作为深度置信网络模型进行求解；将每层的网络输入层ui∈uk作为可见变量，hj∈h视为隐藏变量，得到能量函数的定义：
32、
33、其中，θ＝{t,d,c}为模型参数，d和m分别表示网络中的可见单元和隐藏单元个数；wij表示在i和j参数基础上的特征窗口值，di表示可见变量的对应权值,cj表示隐藏变量的对应权值；
34、步骤2-4：定义{u,h}的联合分布为：
35、
36、其中，z(θ)＝∑u∑hexp(-e(u,h；θ))是保证概率归一化的分配函数；
37、通过对模型相似性约束参数θ的取值范围定义，则能更改变数据特征值分类的相似度，即达到了对于不同特征信息ti和tj的匹配融合问题。
38、步骤3：最优任务分配；
39、步骤3-1：对于多无人机目标分配任务，其贝叶斯网络表示为：
40、b＝<g,p> (14)
41、其中：g＝<u,s,a>是一个有向无环图，u＝{u1,u2,u3,...,un}为参加任务的无人机成员，s＝{st1,st2,...,stm}为识别出所需要打击的真目标，a为图g的弧的集合，p为图g的概率注释；对于任意一个执行任务的无人机成员uk，p中每个元素代表目标节点的条件概率密度，由概率密度规则有：
42、
43、步骤3-2：对于贝叶斯网络中的任一目标任务节点stm，能够找到一个与stm条件都不独立的最小子集使得：
44、p(stm|st1,st2,...,stm-1)＝p(stm|su) (16)
45、其中：su为节点stm在图g＝<u,s,a>中的父节点集合；
46、就可以唯一确定任务节点stm被分配给无人机uk的概率分布：
47、
48、对于无人机成员ul有：
49、
50、则能够得到无人机的态势融合和任务本文档来自技高网...
【技术保护点】
1.一种分布式无人机的态势融合和任务分配方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种分布式无人机的态势融合和任务分配方法，其特征在于，所述预处理为采用高斯滤波器进行去噪处理。
3.根据权利要求1所述的一种分布式无人机的态势融合和任务分配方法，其特征在于，所述高斯核G为
4.一种计算机程序，其特征在于，所述计算机程序使得计算机执行如权利要求1至3中任一项所述方法。
5.一种电子设备，其特征在于，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行如权利要求1至3中任一项所述方法。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3中任一项所述方法。
7.一种芯片，其特征在于，包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有所述芯片的设备执行如权利要求1至3中任一项所述方法。
8.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机存储介质，
...【技术特征摘要】
1.一种分布式无人机的态势融合和任务分配方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种分布式无人机的态势融合和任务分配方法，其特征在于，所述预处理为采用高斯滤波器进行去噪处理。
3.根据权利要求1所述的一种分布式无人机的态势融合和任务分配方法，其特征在于，所述高斯核g为
4.一种计算机程序，其特征在于，所述计算机程序使得计算机执行如权利要求1至3中任一项所述方法。
5.一种电子设备，其特征在于，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备...
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。