本发明涉及人工智能技术领域,尤其涉及一种无人机集群协同探测队形确定方法、装置和存储介质。
背景技术:
在一些存在放射源或者反射源目标的任务环境中,可以利用无人机集群作为传感器搭载平台对目标进行协同探测与定位,每个无人机上搭载的传感器可以测量关于目标的带有一定噪声的距离(range)、到达角度(aoa)或接收信号强度(rss)等信息。而如何为无人机集群选取合适的协同探测队形,以提高目标探测与定位的精度,成为现有技术中亟待解决的技术问题之一。
技术实现要素:
本发明实施例提供一种无人机集群协同探测队形确定方法、装置和存储介质,用以为无人机集群选取合适的协同探测队形,提高目标探测与定位的精度。
第一方面,提供一种无人机集群协同探测队形确定方法,包括:
针对无人机集群中的每一个无人机,根据该无人机搭载的传感器类型确定该无人机对应的特征系数,组成原始特征序列;
将特征系数按照由大到小的顺序排列为非升序列;
记录所述非升序列中每一个特征系数与所述原始特征序列中对应的特征系数之间的位置关系信息;
比较所述非升序列中排序第一的特征系数与其他特征系数之和;
根据比较结果,分别确定每一个无人机对应的辅助距离和辅助方位角;
根据记录的位置关系信息以及每一个无人机对应的辅助距离和辅助方位角,确定原始特征序列中每一个无人机相对于目标当前定位位置的距离和方位角。
在一种实施方式中,根据该无人机搭载的传感器类型按照以下公式确定该无人机对应的特征系数:
其中:
bi表示第i个无人机对应的特征系数;
ri表示第i个无人机到目标当前定位位置的距离;
αi为测信号强度传感器的路径衰减指数。
在一种实施方式中,按照以下方法确定所述非升序列中每一个特征系数与所述原始特征序列中对应的特征系数之间的位置关系信息:
确定第一位置标识序列,所述第一位置标识序列满足以下条件:
确定第二位置标识序列,所述第二位置标识序列满足以下条件:
其中:
n≥2,表示无人机集群中包含无人机的数量;
在一种实施方式中,根据比较结果,如果排序第一的特征系数不小于其他特征系数之和,则按照以下公式确定每一个无人机对应的辅助距离:
其中:
sj表示在所述非升序列中,位置标识为j的无人机对应的辅助距离;
rmin表示无人机与目标之间的最小安全距离;
dmin表示无人机之间的最小安全距离;
按照以下公式确定每一个无人机对应的辅助方位角:
其中:
<·>为将角度值等价投影到[-π,π)的算子。
在一种实施方式中,根据比较结果,如果排序第一的特征系数小于其他特征系数之和,则按照以下公式确定每一个无人机对应的辅助距离:
其中:
m为正整数,且满足以下条件:
按照以下公式确定每一个无人机对应的辅助方位角:
其中:
在一种实施方式中,根据记录的位置关系信息以及每一个无人机对应的辅助距离和辅助方位角,按照以下公式确定原始特征序列中每一个无人机相对于目标当前定位位置的距离:
按照以下公式确定原始特征序列中每一个无人机相对于目标当前定位位置的方位角:
其中:
ri表示原始特征序列中,第i个无人机相对于目标当前定位位置的距离;
φi表示原始特征序列中,第i个无人机相对于目标当前定位位置的方位角。
第二方面,提供一种无人机集群协同探测队形确定装置,包括:
第一确定单元,用于针对无人机集群中的每一个无人机,根据该无人机搭载的传感器类型确定该无人机对应的特征系数,组成原始特征序列;
排序单元,用于将特征系数按照由大到小的顺序排列为非升序列;
记录单元,用于记录所述非升序列中每一个特征系数与所述原始特征序列中对应的特征系数之间的位置关系信息;
比较单元,用于比较所述非升序列中排序第一的特征系数与其他特征系数之和;
第二确定单元,用于根据比较结果,分别确定每一个无人机对应的辅助距离和辅助方位角;
第三确定单元,用于根据记录的位置关系信息以及每一个无人机对应的辅助距离和辅助方位角,确定原始特征序列中每一个无人机相对于目标当前定位位置的距离和方位角。
在一种实施方式中,所述第一确定单元,具体用于按照以下公式确定该无人机对应的特征系数:
其中:
bi表示第i个无人机对应的特征系数;
ri表示第i个无人机到目标当前定位位置的距离;
αi为测信号强度传感器的路径衰减指数。
在一种实施方式中,
所述记录单元,用于按照以下方法确定所述非升序列中每一个特征系数与所述原始特征序列中对应的特征系数之间的位置关系信息:
确定第一位置标识序列,所述第一位置标识序列满足以下条件:
确定第二位置标识序列,所述第二位置标识序列满足以下条件:
其中:
n≥2,表示无人机集群中包含无人机的数量;
在一种实施方式中,所述第二确定单元,具体用于根据比较结果,如果排序第一的特征系数不小于其他特征系数之和,则按照以下公式确定每一个无人机对应的辅助距离:
其中:
sj表示在所述非升序列中,位置标识为j的无人机对应的辅助距离;
rmin表示无人机与目标之间的最小安全距离;
dmin表示无人机之间的最小安全距离;
按照以下公式确定每一个无人机对应的辅助方位角:
其中:
<·>为将角度值等价投影到[-π,π)的算子。
在一种实施方式中,所述第二确定单元,具体用于根据比较结果,如果排序第一的特征系数小于其他特征系数之和,则按照以下公式确定每一个无人机对应的辅助距离:
其中:
m为正整数,且满足以下条件:
按照以下公式确定每一个无人机对应的辅助方位角:
其中:
在一种实施方式中,所述第三确定单元,用于根据记录的位置关系信息以及每一个无人机对应的辅助距离和辅助方位角,按照以下公式确定原始特征序列中每一个无人机相对于目标当前定位位置的距离:
按照以下公式确定原始特征序列中每一个无人机相对于目标当前定位位置的方位角:
其中:
ri表示原始特征序列中,第i个无人机相对于目标当前定位位置的距离;
φi表示原始特征序列中,第i个无人机相对于目标当前定位位置的方位角。
第三方面,提供一种计算装置,所述计算装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述任一无人机集群协同探测队形确定方法所述的步骤。
第四方面,提供一种计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一无人机集群协同探测队形确定方法所述的步骤。
采用上述技术方案,本发明至少具有下列优点:
本发明所述的无人机集群协同探测队形确定方法、装置和存储介质中,根据无人机搭载的传感器类型确定无人机对应的特征系数,将特征系数按照由大到小的顺序排列为非升序列;并记录非升序列中每一个特征系数与所述原始特征序列中对应的特征系数之间的位置关系信息,根据非升序列中排序第一的特征系数与其他特征系数之和的比较结果分别确定各无人机对应的辅助距离和辅助方位角,进而根据记录的位置关系信息以及每一个无人机对应的辅助距离和辅助方位角确定原始特征序列中每一个无人机相对于目标当前定位位置的距离和方位角,由此实现了无人机集群选取合适的协同探测队形,提高了目标探测与定位的精度。
附图说明
图1为本发明实施例的目标与第i个无人机之间的位置关系示意图;
图2为根据本发明实施例的无人机集群协同探测队形选取方法的实施流程示意图;
图3为根据本发明实施例的当b=[10.70.80.9]t时的最优探测队形示意图;
图4为根据本发明实施例的当b=[10.70.80.9]t时的初步探测过程示意图;
图5为根据本发明实施例的当b=[10.70.80.9]t时的精细定位过程示意图;
图6为根据本发明实施例的当b=[10.250.250.25]t时的最优探测队形示意图;
图7为根据本发明实施例的当b=[10.250.250.25]t时的初步探测过程示意图;
图8为根据本发明实施例的当b=[10.250.250.25]t时的精细定位过程示意图;
图9为本发明实施例的无人机集群协同探测队形选取装置的结构示意图
具体实施方式
为更进一步阐述本发明为达成预定目的所采取的技术手段及功效,以下结合附图及较佳实施例,对本发明进行详细说明。
需要说明的是,本发明实施例中的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。
在本文中提及的“多个或者若干个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,a和/或b,可以表示:单独存在a,同时存在a和b,单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本发明实施例提供的无人机集群协同探测队形确定方法建立在以下基础上:
1)目标定位或跟踪任务开始前,已经由一定的手段给出了目标的初始定位结果;
2)各无人机上搭载的各传感器的测量噪声可以近似为高斯分布,噪声水平已经根据以往的使用经验得出;
3)为保证无人机自身的安全,无人机与目标之间有一个最小安全距离;
4)各无人机上搭载的传感器既可以是同类的,也可以是异类的;
5)不同传感器之间的测量噪声是相互独立的。
本发明实施例中,选定当地东北坐标系oxy为二维直角坐标系。目标的当前定位位置为pt=(xt,yt)t,第i个无人机的当前位置为pi=(xi,yi)t,其中i=1,2,…,n,n≥2。记第i个无人机到目标当前定位位置的距离为
其中pit为目标到第i个无人机的视线。记第i个无人机相对于目标的方位角为:
φi=arctan2(yi-yt,xi-xt)∈[-π,π)(2)
其中arctan2(·,·)为四象限反正切函数。记目标到第i个无人机的单位视线为:
目标与第i个无人机的几何关系如图1所示。
当第i个无人机搭载测距传感器时,该传感器能测量关于目标的带有噪声εr,i的距离信息,该噪声服从如下高斯分布:
其中
其中
其中
将无人机与目标之间的最小安全距离记为目标的毁伤范围rmin,无人机之间的最小安全距离记为dmin。
在估计中,克拉美-罗下界(cramér-raolowerbound)是所有无偏估计协方差矩阵的下界。通过为无人机编队形状
基于此,本发明实施例提供了一种无人机集群协同探测队形确定方法,如图2所示,可以包括以下步骤:
s21、针对无人机集群中的每一个无人机,根据该无人机搭载的传感器类型确定该无人机对应的特征系数,组成原始特征序列。
具体地,对i=1,2,…,n,按式(7)计算特征系数bi;
其中:
bi表示第i个无人机对应的特征系数;
ri表示第i个无人机到目标当前定位位置的距离;
αi为测信号强度传感器的路径衰减指数。
s22、将特征系数按照由大到小的顺序排列为非升序列。
具体地,将序列
s23、记录非升序列中每一个特征系数与原始特征序列中对应的特征系数之间的位置关系信息。
本步骤中,可以按照以下方法确定非升序列中每一个特征系数与原始特征序列中对应的特征系数之间的位置关系信息:
步骤1、确定第一位置标识序列,所述第一位置标识序列满足以下条件:
步骤2、确定第二位置标识序列,所述第二位置标识序列满足以下条件:
其中:
本步骤中,即确定满足如下条件的位置标识集合:位置标识集合
s24、比较所述非升序列中排序第一的特征系数与其他特征系数之和。
s25、根据比较结果,分别确定每一个无人机对应的辅助距离和辅助方位角。
具体实施时,如果排序第一的特征系数不小于其他特征系数之和,即排序第一的特征系数与其他特征系数之和满足以下条件:
则按照以下公式确定每一个无人机对应的辅助距离:
其中:
sj表示在所述非升序列中,位置标识为j的无人机对应的辅助距离;
rmin表示无人机与目标之间的最小安全距离;
dmin表示无人机之间的最小安全距离;
按照以下公式确定每一个无人机对应的辅助方位角:
其中:
<·>为将角度值等价投影到[-π,π)的算子。
如果排序第一的特征系数小于其他特征系数之和,即排序第一的特征系数与其他特征系数之和满足以下条件:
则确定一个满足如下条件的正整数m:
然后,计算:
计算:
对j=1,2,…,n,按照以下公式计算每一个无人机对应的辅助距离sj
按照以下公式确定每一个无人机对应的辅助方位角:
s26、根据记录的位置关系信息以及每一个无人机对应的辅助距离和辅助方位角,确定原始特征序列中每一个无人机相对于目标当前定位位置的距离和方位角。
具体地,对i=1,2,…,n,按式(17)和式(18)计算第i个无人机相对于目标当前定位位置的距离ri和方位角φi
其中:
ri表示原始特征序列中,第i个无人机相对于目标当前定位位置的距离;
φi表示原始特征序列中,第i个无人机相对于目标当前定位位置的方位角。
为了更好的理解本发明,以下结合具体的实施例对本发明的实施过程进行说明,本例中,以rmin=50,dmin=10为例。
当有4个无人机、且按公式(7)求得的特征系数向量为b=[10.70.80.9]t时(以满足公式(11)为例),所得到的最优协同探测队形如图3所示,其中无人机2、无人机3、无人机4相对于无人机1的位置分别为[-6857]t、[-6548]t、[-1131]t。
具体实施时,可令无人机集群按图3中的队形沿某个方向向前运动,如图4所示。
当探测到目标并得到其初始定位时,令集群以上述队形绕目标的定位位置旋转,如图5所示,在此过程中,对目标的定位精度将逐渐提升,集群队形的旋转中心也将随之改变。
当有4个无人机、且按公式(7)求得的特征系数向量为b=[10.250.250.25]t时(满足公式(8)),所得到的最优协同探测队形如图6所示,其中无人机2、无人机3、无人机4相对于无人机1的位置分别为[0100]t、[5050]t、[6050]t。
同样地,此时无人机集群的初始探测过程和精细定位过程分别如图7和图8所示。
基于相同的技术构思,本发明实施例还提供了一种无人机集群协同探测队形确定装置,如图9所示,可以包括:
第一确定单元91,用于针对无人机集群中的每一个无人机,根据该无人机搭载的传感器类型确定该无人机对应的特征系数,组成原始特征序列;
排序单元92,用于将特征系数按照由大到小的顺序排列为非升序列;
记录单元93,用于记录所述非升序列中每一个特征系数与所述原始特征序列中对应的特征系数之间的位置关系信息;
比较单元94,用于比较所述非升序列中排序第一的特征系数与其他特征系数之和;
第二确定单元95,用于根据比较结果,分别确定每一个无人机对应的辅助距离和辅助方位角;
第三确定单元96,用于根据记录的位置关系信息以及每一个无人机对应的辅助距离和辅助方位角,确定原始特征序列中每一个无人机相对于目标当前定位位置的距离和方位角。
在一种实施方式中,所述第一确定单元,具体用于按照以下公式确定该无人机对应的特征系数:
其中:
bi表示第i个无人机对应的特征系数;
ri表示第i个无人机到目标当前定位位置的距离;
αi为测信号强度传感器的路径衰减指数。
在一种实施方式中,
所述记录单元,用于按照以下方法确定所述非升序列中每一个特征系数与所述原始特征序列中对应的特征系数之间的位置关系信息:
确定第一位置标识序列,所述第一位置标识序列满足以下条件:
确定第二位置标识序列,所述第二位置标识序列满足以下条件:
其中:
n≥2,表示无人机集群中包含无人机的数量;
在一种实施方式中,所述第二确定单元,具体用于根据比较结果,如果排序第一的特征系数不小于其他特征系数之和,则按照以下公式确定每一个无人机对应的辅助距离:
其中:
sj表示在所述非升序列中,位置标识为j的无人机对应的辅助距离;
rmin表示无人机与目标之间的最小安全距离;
dmin表示无人机之间的最小安全距离;
按照以下公式确定每一个无人机对应的辅助方位角:
其中:
<·>为将角度值等价投影到[-π,π)的算子。
在一种实施方式中,所述第二确定单元,具体用于根据比较结果,如果排序第一的特征系数小于其他特征系数之和,则按照以下公式确定每一个无人机对应的辅助距离:
其中:
m为正整数,且满足以下条件:
按照以下公式确定每一个无人机对应的辅助方位角:
其中:
在一种实施方式中,所述第三确定单元,用于根据记录的位置关系信息以及每一个无人机对应的辅助距离和辅助方位角,按照以下公式确定原始特征序列中每一个无人机相对于目标当前定位位置的距离:
按照以下公式确定原始特征序列中每一个无人机相对于目标当前定位位置的方位角:
其中:
ri表示原始特征序列中,第i个无人机相对于目标当前定位位置的距离;
φi表示原始特征序列中,第i个无人机相对于目标当前定位位置的方位角。
基于相同的技术构思,本发明实施例还提供了一种计算装置,所述计算装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述任一无人机集群协同探测队形确定方法所述的步骤。
基于相同的技术构思,本发明实施例还提供了一种计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一无人机集群协同探测队形确定方法所述的步骤。
通过具体实施方式的说明,应当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解,然而所附图示仅是提供参考与说明之用,并非用来对本发明加以限制。