基于马尔科夫随机场的多无人航行体协同一致性方法与流程

本发明涉及一种多无人航行体协同一致性方法，特别涉及一种基于马尔科夫随机场的多无人航行体协同一致性方法。

背景技术：

无人航行体，包括无人机、无人飞艇、水下无人航行器等，在现代战争中的地位越来越重要。基于多无人航行体的协同作战将在未来战争中发挥重要作用，这一点已经成为世界各军事强国的共识。随着计算及通讯设备的小型化，小型无人航行器机载计算机和通讯设备的计算能力和功能越来越强，这使得多无人航行体执行协同作战任务成为可能。在协同作战任务中，协同信息的共享和一致性是保障协同作战任务有效执行的关键。

多无人航行体网络中，缺乏网络基础设施，网络拓扑是时变的，通信链路是不可靠的，并且每个无人航行体节点的对周围节点的局部感知是动态变化的。因此，需要研究新的一致性算法，使无人航行体编队在执行任务时能够适应无线通信链路的特性、对感知到的环境变化做出合理响应、对不断变化的各节点状态信息进行统筹规划，逐步达到一致性。多无人航行体通常采用无线自组织网络进行通信，存在没有网络中心节点、无线链路丢包、时延不确定、网络拓扑频繁变化等不利因素，多无人航行体的协同一致性算法一直是一个难题。

目前对一致性的研究大多是基于固定网络拓扑、无时延的条件设计的一、二阶的一致性算法，而实际环境中往往的是异步网络、动态拓扑并存在多种时延的非线性系统，在这种复杂网络环境中想达成一致性往往需要高阶的算法。专利“基于二阶滞后信息的无线传感器网络一致性方法”(申请公布号：CN 103945534 A)，其特征在于通过节点信息交互建立一跳和两跳的邻居列表，利用贪婪算法为节点提供定向邻居列表，各节点利用定向邻居列表获取二阶滞后的信息，利用两跳邻居节点的滞后信息，对当前数据进行更新操作，加速获取网络一致性的收敛速度。专利“一种卫星导航信号模拟多通道一致性方法及装置”(申请公布号：CN 102944885 A)，该发明在数字部分加入基带成形环节，该环节对数字基带信号进行数字滤波，将其频谱限制在一定范围内，去除了射频调制输出后的带通滤波器，在DAC输出后加入低通滤波器，加入闭环自校接收机，对最终的射频信号进行接收处理，将不同通道残余误差输入延迟环节，消除不一致的误差，最终达到所有通道均一致。

技术实现要素：

为了克服现有多无人航行体协同一致性难以确定的不足，本发明提供一种基于马尔科夫随机场的多无人航行体协同一致性方法。该方法不维护特殊节点，基于平均场理论，通过节点之间的共同作用建立虚拟参考基准；将节点之间的协作变量偏差映射为团势能，在此基础上建立了基于伊辛模型能量函数描述的全网一致性平均场模型；最后，采用并行能量最小化的方法实现全网协同信息一致性。本发明克服了多无人航行体系统中协同变量难以准确测定和全网参考基准如何确定这两个关键技术难题，实现了从两两节点的协同一致性到全网节点的快速收敛的协同一致性。有效降低了网络通信消息量，降低了能耗，在协同精度、协同时间及偏移误差上达到较高的指标。并具有收敛时间稳定，对拓扑规模变化不敏感等优点。

本发明解决其技术问题所采用的技术方案：一种基于马尔科夫随机场的多无人航行体协同一致性方法，其特点是包括以下步骤：

1)对相邻节点加入本地节点的一跳邻居列表进行初始化，节点的协作变量偏差初始化为0。

2)设置同步周期计时器。

3)迭代计算直到满足收敛精度。

4)第k次迭代。

5)M个节点在每个同步周期内都以数据报文的方式与邻居进行双向变量数据交换。

6)第k次迭代中，节点将本地第k-1次的发送协作变量以及第k-1次迭代后收到所有邻居报文的协作变量打包成同步数据包。

7)节点广播同步数据包到一跳邻居，并记录发送的变量。

8)接收到一跳邻居的广播报文，并记录接收的变量。

9)根据接收获得的数据，基于卡尔曼滤波算法计算与单个一跳邻居之间的协作变量的偏差。

10)判断同步计时器是否超时，若超时则执行第11)步，否则回到第8)步操作。

11)同步计时器超时，同步计时器复位，节点i基于平均场理论计算虚拟参考基准，虚拟参考基准计算公式如下：

$\<f_R{\>}_i={\mathrm{\Σ}}_{\left\{i^{\′}\right\}\∈N_i}{f}_{i^{\′}}P\left(f_{i^{\′}}\right)---\left(1\right)$

12)基于虚拟参考基准计算能量函数，计算公式为：

$U\left(f\right)={\mathrm{\Σ}}_{\left\{i\right\}\∈V}{(f_i-\<f_R{\>}_i)}^2+{\mathrm{\Σ}}_{\left\{i\right\}\∈V}{\mathrm{\Σ}}_{\left\{i^{\′}\right\}\∈N_i}\min \{{\mathrm{\σ}}^2,{(f_i-f_{i^{\′}})}^2\}---\left(2\right)$

13)计算本地协作变量与参考基准的偏差调整量，使能量函数逐渐最小化，从而修正节点协作变量，计算公式为：

$f_i^{k+1}=f_i^k-2\mathrm{\μ}\×\[(f_i^k-\<f_R{\>}_i^k)+{\mathrm{\Σ}}_{\left\{i^{\′}\right\}\∈N_i}(f_i^k-f_{i^{\′}}^k)\]---\left(3\right)$

14)检查同步采样定时器是否超时，如果超时，则进行新一轮的设置同步计时器，然后继续循环一致性算法过程，否则本地循环等待直到计时器超时。

上式中，f_i为节点i的本地协作变量，<f_R>_i为由平均场定义的虚拟参考基准；f_i'为节点i的一跳邻居的协作变量,P(f_i')表示节点i的一跳邻居节点i'的协作变量取值为的f概率，由平均场的吉布斯分布确定，U(f)为能量函数，(f_i-<f_R>_i)²为邻居系统的单节点团C₁的团势能；(f_i-f_i′)²为双邻居节点团C₂的团势能,μ为较小的常数。

本发明的有益效果是：该方法不维护特殊节点，基于平均场理论，通过节点之间的共同作用建立虚拟参考基准；将节点之间的协作变量偏差映射为团势能，在此基础上建立了基于伊辛模型能量函数描述的全网一致性平均场模型；最后，采用并行能量最小化的方法实现全网协同信息一致性。本发明克服了多无人航行体系统中协同变量难以准确测定和全网参考基准如何确定这两个关键技术难题，实现了从两两节点的协同一致性到全网节点的快速收敛的协同一致性。有效降低了网络通信消息量，降低了能耗，在协同精度、协同时间及偏移误差上达到较高的指标。并具有收敛时间稳定，对拓扑规模变化不敏感等优点。

下面结合附图和具体实施方式对本发明作详细说明。

附图说明

图1是本发明基于马尔科夫随机场的多无人航行体协同一致性方法的流程图。

具体实施方式

参照图1。本发明基于马尔科夫随机场的多无人航行体协同一致性方法具体步骤如下：

假设多无人航行体网络包含M个节点，基于马尔科夫随机场的多无人航行体一致性方法可描述如下：

1)相邻节点加入本地节点的一跳邻居列表进行初始化，节点的协作变量偏差初始化为0。

2)设置同步周期计时器。

3)迭代计算直到满足收敛精度。

4)第k次迭代。

5)M个节点在每个同步周期内都以数据报文的方式与邻居进行双向变量数据交换。

6)第k次迭代中，节点将本地第k-1次的发送协作变量以及第k-1次迭代后收到所有邻居报文的协作变量打包成同步数据包。

7)节点广播同步数据包到一跳邻居，并记录发送的变量。

8)接收到一跳邻居的广播报文，并记录接收的变量。

9)根据接收获得的数据，基于卡尔曼滤波算法计算与单个一跳邻居之间的协作变量的偏差。

10)判断同步计时器是否超时，若超时则执行第11)步，否则回到第8)步操作。

11)同步计时器超时，同步计时器复位，节点i基于平均场理论计算虚拟参考基准，虚拟参考基准计算公式如下：

$\&lt;f_R{\&gt;}_i={\mathrm{\&Sigma;}}_{\left\{i^{\&prime;}\right\}\&Element;N_i}{f}_{i^{\&prime;}}P\left(f_{i^{\&prime;}}\right)---\left(1\right)$

12)基于虚拟参考基准计算能量函数，计算公式为：

$U\left(f\right)={\mathrm{\&Sigma;}}_{\left\{i\right\}\&Element;V}{(f_i-\&lt;f_R{\&gt;}_i)}^2+{\mathrm{\&Sigma;}}_{\left\{i\right\}\&Element;V}{\mathrm{\&Sigma;}}_{\left\{i^{\&prime;}\right\}\&Element;N_i}min\{{\mathrm{\&sigma;}}^2,{(f_i-f_{i^{\&prime;}})}^2\}---\left(2\right)$

13)计算本地协作变量与参考基准的偏差调整量，使能量函数逐渐最小化，从而修正节点协作变量，计算公式为：

$f_i^{k+1}=f_i^k-2\mathrm{\&mu;}\&times;\&lsqb;(f_i^k-\&lt;f_R{\&gt;}_i^k)+{\mathrm{\&Sigma;}}_{\left\{i^{\&prime;}\right\}\&Element;N_i}(f_i^k-f_{i^{\&prime;}}^k)\&rsqb;---\left(3\right)$

14)检查同步采样定时器是否超时，如果超时，则进行新一轮的设置同步计时器，然后继续循环一致性算法过程，否则本地循环等待直到计时器超时。

上式中，f_i为节点i的本地协作变量，<f_R>_i为由平均场定义的虚拟参考基准；f_i'为节点i的一跳邻居的协作变量,P(f_i')表示节点i的一跳邻居节点i'的协作变量取值为的f概率，由平均场的吉布斯分布确定，U(f)为能量函数，(f_i-<f_R>_i)²为邻居系统的单节点团C₁的团势能；(f_i-f_i′)²为双邻居节点团C₂的团势能,μ为较小的常数。