基于无线紫外光虚拟围栏的蜂群无人机机间避让预警方法与流程

本发明属于紫外光预警技术以及无人机控制技术领域，具体涉及基于无线紫外光虚拟围栏的蜂群无人机机间避让预警方法。

背景技术：

近年来，随着无人机民用市场的快速发展，无人机集群技术也随之成熟。目前，国内无人机主要应用于物流配送、农业植保等领域，由于蜂群无人机的集群作业能力，所以在上述应用场景中比单架次无人机更能体现出其应用优势。蜂群无人机内的通信网络也可以称之为航空自组网，网络内的各无人机节点不仅可以收发信息，还可以作为中继节点将信息转发。无论是民用场景还是军事应用场景，保证航空自组网的稳定是不可或缺的，机间共享信息的缺失不仅会影响无人机的通信，而且还会影响无人机安全，而保证无人机安全是顺利执行任务的前提，所以在强电磁干扰等复杂环境下，保证航空自组网的稳定和无人机机间安全是必要的。

无线紫外光因具有非直视、低窃听率等特点被广泛用于通信领域，尤其是军事领域。在强电磁干扰等复杂环境下，利用无线紫外光构建航空自组网是可行的，并且已经有成熟的技术，但机载无线紫外光作为无人机有效载荷，其具有的测距功能并未利用，而无人机集群内各无人机之间避让的基础是距离信息。

技术实现要素：

为克服上述现有技术的不足，本发明目的在于提供基于无线紫外光虚拟围栏的蜂群无人机机间避让预警方法，利用无线紫外光搭建机载无线紫外光虚拟围栏模型以及利用无迹卡尔曼滤波框架改进高斯混合概率假设密度滤波算法实现蜂群无人机机间避让预警；具有高效、抗干扰能力强的特点。

本发明的另一目的是利用上述方法，提出适用于蜂群无人机机间避让预警策略以完善蜂群无人机机间避让预警技术。

为实现上述目的，本发明所采用的技术方案是，基于无线紫外光虚拟围栏的蜂群无人机机间避让预警方法，利用无迹卡尔曼滤波框架改进高斯混合概率密度滤波算法、建立无线紫外光虚拟围栏模型、对各类避让预警过程进行分析并提出蜂群无人机机间避让预警策略，包括以下步骤：

步骤1，建立无线紫外光虚拟围栏模型；

步骤2，利用改进无迹卡尔曼滤波框架改进高斯混合概率假设密度滤波算法；

步骤3，分析并提出蜂群无人机机间避让预警策略；

步骤4，利用步骤1改进增强矢量场直方图算法；

步骤5，利用步骤2、步骤3和步骤4实现无人机轨迹预测与避让预警。

所述的步骤1，将机载无线紫外光设备的覆盖区域定义为无线紫外光虚拟围栏模型，建立无线紫外光虚拟围栏，将机载无线紫外光设备的不同区域放置不同的无线紫外光led灯，在通信区放置266nm的日盲紫外光led灯，在紧急避让区放置超声波等距离传感器以辅助避让。

所述的步骤2，具体做法是：

步骤2.1，预测，k时刻时先验目标的概率密度函数为：

式中：

新生目标的概率密度函数和衍生目标概率密度函数可表示为：

上式中：

则通过无迹变换获得的新生和存活目标的采样点集合和权值集合为：

其中τ用于调节采样点与平均值之间的距离，并且n+κ≠0，n表示维数，由采样点和权值集合可求得新生目标和衍生目标的状态更新值如下：

针对存活目标，其在k-1时刻的概率密度函数可表示为：

可以根据式(1-6)和式(1-7)获取其采样点集和权值则该目标的预测概率密度函数为：

式中：

则存活目标的状态更新参数值为：

综上所述，可求得基于无迹变换的高斯混合先验概率密度函数为：

步骤2.2，更新在k时刻时，更新的后验概率密度函数表示如下：

上式中：

通过上述两个步骤便完成了基于无迹变换的高斯混合概率密度滤波算法的核心过程推导，表2为各类符号对应关系表，

所述的步骤3，具体做法是：

步骤3.1，区域探测，利用机载无线紫外光设备对感知范围内的无人机目标进行探测并结合其他机载传感器获取目标运动状态；

步骤3.2，目标轨迹预测，利用步骤3.1中获取的无人机状态信息对目标进行建模和膨胀化处理，从而实现目标轨迹预测。

步骤3.3，无人机会遇状态分类，无人机会遇状态总共分为三种状态：

a、安全状态：通过目标运动状态信息判断被预测的无人机目标在下一个运动周期t内是否处于探测区内并且正在远离，若满足此条件则判定该无人机目标是安全状态；

b、一般危险：通过目标运动状态信息判断被预测的无人机目标在下一个运动周期t是否处于探测区内并且正在靠近，并且在(t+2t)个周期内处于预警区，若满足此条件则判定该无人机目标是一般危险状态；

c、危险状态：通过目标运动状态信息判断被预测的无人机目标在下一个运动周期t内是否处于预警区，若满足此条件则判定该无人机目标是危险状态，并且立即进行局部避让；

步骤3.4，控制执行与循环，根据步骤3.3的进行状态判断，若无人机目标会遇状态被判定为安全状态，则继续该方向的路径移动，若无人机目标会遇状态被判定为一般危险或危险状态，则执行步骤3.1；

步骤3.5，结果判断，若无人机到达目的地，则策略执行结束，若未到达目的地，则继续执行步骤3.1。

所述的步骤4，具体做法是：

步骤4.1，紫外光虚拟围栏内的区域离散值m(i,j)的大小：

m(i,j)的大小会影响无人机的运动轨迹形式，式(1-18)仅适用于运动轨迹为直线的运动物体；

步骤4.2，为了更贴近真实无人机运动轨迹，假设无人机在一段时间内运动轨迹为弧线，故定义：

式中ζij被定义为与机间距离ρ(i,j)相关的单调递减影响函数，该函数可表示如下：

步骤4.3，考虑到其他无人机的运动状态会影响局部路径规划效果，提升机间距离以改善对避让轨迹的影响，故令ζij定义为公式如下：

其中a表示权重值，ρ(n)表示阈值，l表示膨胀半径。

本发明的特征和改进在于：

步骤1中，根据无线紫外光不同波段具有不同的特性进行信号覆盖区域划分，为了提高避让预警成功率，还结合超声波等短距离测距实现近距离的避让预警距离信息的提供。无线紫外光虚拟围栏模型共分为四层覆盖区域，分别为紧急避让区、预警区、通信区以及探测区，其中为了能够实现稳定通信，通信区限定使用波段为266nm的“日盲”紫外光；为了增加避让预警成功率，紧急避让区利用超声波等距离传感器实现距离的测量。步骤2中，提出使用无迹卡尔曼滤波框架改进高斯混合概率假设密度滤波算法以实现无人机等分析非线性系统的多目标轨迹预测。步骤3中利用无线紫外光实现无人机机间的预警避让。步骤4中通过将蜂群无人机中各无人机会遇状态进行分类，并利用不同的会遇状态进行避让等级划分，最后实现不同会遇状态下的蜂群无人机的机间避让预警。

本发明的有益效果是：

本发明的方法利用无线紫外光改进机载覆盖模型、增强矢量场直方图算法以及基于无迹卡尔曼框架改进高斯混合概率假设密度滤波算法。结果表明：利用无线紫外光可以实现在多架次无人机机间的预警避让，并提出一种适用于蜂群无人机的预警避让策略。具体优点如下：

1)对机载无线紫外光覆盖区域进行划分，实现机载无线紫外光的虚拟围栏，并利用无线紫外光不同波段的传播特性实现不同区域功能的划分，其中，通信区使用266nm的“日盲”紫外光，紧急避让利用传统的超声波测距传感器通过无人机机间的距离信息。

2)利用无迹卡尔曼滤波框架改进高斯混合概率假设密度滤波算法，从而实现蜂群无人机中多无人机轨迹预测，并利用该预测信息实现多架次无人机的避让预警。

3)利用对蜂群无人机中各架次无人机的不同会遇状态进行分类，并利用不同的会遇状态实现多架次无人机的避让预警。

4)利用无线紫外光改进增强矢量场直方图算法，从而实现无人机机间局部避让。

利用该模型可以实现无线紫外光航空自组网内各节点的预警避让；利用该算法可以在机载无线紫外光的基础上实现机间避让。仿真结果表明，改进后的算法能够实现利用无线紫外光的距离信息的基础上完成运动目标的局部避让，并且局部路径规划短，耗时少。对蜂群无人机内各架次无人机的会遇状态进行分类，并利用各类状态实现无人机的避让预警。利用该算法可以实现在利用机载无线紫外光设备的基础上实现无人机的多目标轨迹预测，仿真结果表明，改进后的算法能够较原有算法实现对非线性系统的多目标轨迹预测，并且轨迹预测精度有所提高。

综上所述，本发明利用无线紫外光虚拟围栏模型实现蜂群无人机机间避让预警，利用无线紫外光预测无人机运动轨迹实现多架次无人机的机间避让，保证蜂群无人机的安全。另外，提出适用于蜂群无人机的避让预警策略，进一步完善蜂群无人机机间避让预警技术。本发明的还涉及对无线紫外光预警技术与蜂群无人机机间避让技术的创新。

附图说明

图1为本发明无线紫外光虚拟围栏模型图。

图2为本发明改进后的高斯混合概率假设密度滤波算法仿真图，其中，图2(a)为ospa-dis；图2(b)为ospa-loc；图2(c)为目标丢失对比图

图3为本发明无线紫外光蜂群无人机避让预警策略流程图。

图4为无线紫外光虚拟围栏直方图。

图5为本发明多架次无人机避让预警仿真图，其中图5(a)为局部避让轨迹放大图；图5(b)为局部避让轨迹放大图；图5(c)为局部避让轨迹放大图

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

步骤1，在研究蜂群无人机机间避让预警过程中，为了能够利用机载无线紫外光设备的测距功能以及无线紫外光不同波段的不同传播特性，将机载无线紫外光设备的覆盖区域定义为无线紫外光虚拟围栏模型，如图1所示：

建立无线紫外光虚拟围栏，将机载无线紫外光设备的不同区域放置不同的无线紫外光led灯，在通信区放置266nm的“日盲”紫外光led灯，在紧急避让区放置超声波等距离传感器以辅助避让；

步骤2，利用无迹卡尔曼滤波框架改进高斯混合概率假设密度滤波算法，如图2所示为改进后与改进前的各算法仿真对比图：

步骤2.1，预测，k时刻时先验目标的概率密度函数为：

式中：

新生目标的概率密度函数和衍生目标概率密度函数可表示为：

上式中：

则通过无迹变换获得的新生和存活目标的采样点集合和权值集合为：

其中τ用于调节采样点与平均值之间的距离，并且n+κ≠0，n表示维数。由采样点和权值集合可求得新生目标和衍生目标的状态更新值如下：

针对存活目标，其在k-1时刻的概率密度函数可表示为：

我们可以根据式(1-6)和式(1-7)获取其采样点集和权值则该目标的预测概率密度函数为：

式中：

则存活目标的状态更新参数值为：

综上所述，我们可以求得基于无迹变换的高斯混合先验概率密度函数为：

步骤2.2，更新在k时刻时，更新的后验概率密度函数表示如下：

上式中：

通过上述两个步骤便完成了基于无迹变换的高斯混合概率密度滤波算法的核心过程推导，表1为各类符号对应关系表，

步骤3：分析并提出蜂群无人机机间避让预警策略；

为了解决无人机集群在复杂环境中通信缺失前提下的无人机机间安全问题，本步骤设计了一种基于目标轨迹预测的无线紫外光无人机机间避让策略；该策略的整体思路如下：首先利用机载无线紫外光设备探测一定范围内的无人机，并通过数据融合技术对各个目标进行建模，接着通过分析下一时刻目标的会遇状态从而进行状态分类，若会遇状态处于危险状态，则利用改进后的增强矢量场直方图算法进行局部避让，处于安全状态或一般危险状态的目标进入下一周期的运动；最后，经过多次循环迭代最终获得最佳的避让飞行轨迹，如图3所示：具体做法是：

步骤3.1，区域探测，利用机载无线紫外光设备对感知范围内的无人机目标进行探测并结合其他机载传感器获取目标运动状态；

步骤3.2，目标轨迹预测，利用步骤3.1中获取的无人机状态信息对目标进行建模和膨胀化处理，从而实现目标轨迹预测。

步骤3.3，无人机会遇状态分类，无人机会遇状态总共分为三种状态：

a、安全状态：通过目标运动状态信息判断被预测的无人机目标在下一个运动周期t内是否处于探测区内并且正在远离，若满足此条件则判定该无人机目标是安全状态；

b、一般危险：通过目标运动状态信息判断被预测的无人机目标在下一个运动周期t是否处于探测区内并且正在靠近，并且在(t+2t)个周期内处于预警区，若满足此条件则判定该无人机目标是一般危险状态；

c、危险状态：通过目标运动状态信息判断被预测的无人机目标在下一个运动周期t内是否处于预警区，若满足此条件则判定该无人机目标是危险状态，并且立即进行局部避让；

步骤3.4，控制执行与循环，根据步骤3.3的进行状态判断，若无人机目标会遇状态被判定为安全状态，则继续该方向的路径移动，若无人机目标会遇状态被判定为一般危险或危险状态，则执行步骤3.1；

步骤3.5，结果判断，若无人机到达目的地，则策略执行结束，若未到达目的地，则继续执行步骤3.1；

步骤4，利用步骤1改进增强矢量场直方图算法；常规探测器测量距离有限，并且探测角度小、方向有限制，若想实现全方位探测必须在无人机各个方向安装探测器，无人机载荷增加势必会减少无人机续航时间，在无线紫外光航空自组网中，可以在利用机载无线紫外光设备实现通信的同时，充分发挥其测距的功能，由于机载紫外光设备可以实现全方向的发送和接收，可以在不增加载荷的情形下利用无线紫外光实现机间的避让预警，将机载紫外光设备覆盖的范围称之为无线紫外光虚拟围栏；将紫外光虚拟围栏覆盖范围内以方向角γ(i,j)划分成总数为n的辐射区，如图4所示：具体做法是：

步骤4.1，紫外光虚拟围栏内的区域离散值m(i,j)的大小：

m(i,j)的大小会影响无人机的运动轨迹形式，式(1-18)仅适用于运动轨迹为直线的运动物体；

步骤4.2，为了更贴近真实无人机运动轨迹，假设无人机在一段时间内运动轨迹为弧线，故定义：

式中ζij被定义为与机间距离ρ(i,j)相关的单调递减影响函数，该函数可表示如下：

步骤4.3，考虑到其他无人机的运动状态会影响局部路径规划效果，提升机间距离以改善对避让轨迹的影响，故令ζij定义为公式如下：

其中ρ(n)表示阈值，l表示膨胀半径。