一种双无人机协同跟踪地面移动目标方法

k 分别表示第 i 架无人机对目 标的观测距离，方位角； xi [k ] ， yi k 为目标关于对第
其中， i [k ] ， i i 架无人机的坐标，此处假定传感器与无人机航向指向一 致； ip
( x [k ])2 ( y k )2 i ip k i [ k ] i zi [k ] yi k 1 ) i [k ] i k tan ( xi k
(3)
k ， i [k ] 分别为测量距离和方位角误差。
无人机1,2各自采用递推 最小二乘滤波预测N-N1步 目标状态信息
无人机1,2各自获取 第k步目标状态信息 目标状态信息基于3.2节 方法进行数据融合处理
k=k+1 k>mlspan-j N
2、目标状态信息预测和融合
2.1 基于递推最小二乘滤波的目标状态信息预测 考虑到最小二乘法与其它方法（如卡尔曼滤波，
----------------------------------收稿日期： 修订日期： 基 金 项 目 ： 航 空 科 学 基 金 (20125553030) ； 西 工 大 新 人 新 方 向 资 助 项 目 （ 10GH0134 ） ； 全 国 高 校 博 士 点 基 金 （20116102110026） 作者简介：符小卫（1976-） ，男，陕西宝鸡，副教授，博士（后） ，研究方向为复杂航空火力控制理论；侯建永（1987-）, 男，山东潍坊，硕士研究生，研究方向为无人机航迹规划、智能算法；高晓光（1957-） ，女，辽宁鞍山，教授，博导， 研究方向为航空武器系统作战效能分析；刘重（1985-） ，男，湖北黄冈，博士，研究方向为复杂系统建模与仿真。
分布式遗传算法计 算得到无人机1,2各 自N步最优控制序列
- -
滤波算法，灰色滤波）相比原理简单，易于操
j=j+N1
Y
分布式遗传算法计算得到 无人机1,2各自mlspan-j 步最优控制序列 j>mlspan
无人机1，2各自执行 mlspan-j步最优控制序列 N 无人机1，2各自 执行N1步最优控 制序列
A cooperative ground moving target track method using two unmanned aerial vehicles
Fu Xiao-wei, Hou Jian-yong, Gao Xiao-guang, Liu zhong
（School of Electronics and Information，Northwestern Polytechnical University，Xi＇an 710129,China） Abstract: We investigate the cooperative tracking of a ground moving target using two unmanned aerial vehicles under communication delay,and construct an algorithm model.Considering the communication delay, we proposed a data fusion method combined with the recursive least squares filtering and the weighted least squres.Then the recursive least squares filtering is built for the prediction of target states,a trajectory planning algorithm based on receding horizon and the distributed genetic algorithm is designed to implement the task of cooperative target tracking using two unmanned aerial vehicles.The fitness function consists of several components including the distance of vehicles and target, the communication distance of vehicles, the communication angle of vehicles. Simulation studies show the cooperative track algorithm in this thesis can implement the track task well; compared to one vehicle track the target, the position error decreases obviously; the position error during to the communication delay can decrease. Key words: two unmanned aerial vehicles cooperative tracking;communication delay;fusion method;distributed genetic algorithm; receding trajectory planning 实际目标跟踪过程中，UAV 对目标的观测效果不仅取决于 0、引言 当前时刻目标状态信息，更与未来时刻目标的状态信息密 目标跟踪是无人机众多应用中一个非常重要的任务， [7] [8] 切相关 ， 并且上述文献大都没有考虑通信延时 对无人机 目前无人机执行跟踪任务大多采用一架无人机，但是单架 跟踪目标所造成的影响。 无人机在执行该任务时有很多局限性， 主要包括以下几点： 基于以上背景和需求，本文提出了基于分布式遗传算 （1）、信息量大，运算量大，花费时间长；（2）、跟踪 法和滚动时域优化结合的通信延时情况下双无人机目标跟 目标时容易被击落或者出现故障， 导致跟踪任务失败； （3） 踪航迹规划算法，采用递推最小二乘滤波方法预测目标的 无人机跟踪的范围有限，跟踪的误差较大，很容易造成目 状态信息，结合递推最小二乘滤波和加权最小二乘估计设 标的丢失等等。因此国内外针对双无人机和多无人机目标 计了融合算法,然后再计算适应度函数值， 优化了航迹寻优 跟踪问题做了相应的研究: 文献[1] 研究了一种双无人机 过程，克服了通信延时对无人机跟踪目标的影响，改进了 地面目标跟踪算法。 文献[2]研究了复杂环境下无人机目标 跟踪的效果。 跟踪算法，提出一种梯度下降的方法。文献[3]提出了一种 1、双无人机跟踪航迹规划算法建模 使用动态规划的全局最优化跟踪算法。 文献[4]研究了多个 无人机自主控制完成时间协同的任务。 文献[5]采用遗传算 文中，采用两架载有相同传感器的无人机进行单目标 法设计了航路规划算法，无人机各自的航迹编码为离散时 的跟踪，假设传感器固定，能够对目标进行测量，测量存 间变化的速度和航向变化序列，以此序列作为遗传算法种 在距离和角度误差，两架无人机的信息可以进行融合，以 群中的个体，每一个个体都考虑了无人机的性能约束，确 减小误差，获取对目标状态信息更精确的估计。 保了无人机的航迹可飞。 文献[6]研究了通信和测量受限的 1.1 通信延时下双无人机跟踪框架 异构多无人机网络化分布式协同目标观测与跟踪问题，提 建立了基于分布式遗传算法的双无人机跟踪问题求解 出改进的一致性信息滤波（ICF）算法，实现通信和测量范 模型， 流程图如图 1 所示， 图中 mlspan 为规划步长， i,j,k 围内各无人机节点的分布式信息融合。上述文献在无人机 初始值都为 0，N 为时域优化步长，N1 为执行步长，采用 航迹规划时大都只考虑目标当前位置的状态信息，然而， 递推最小二乘滤波方法预测目标状态信息，结合递推最小
作，且在一定条件下具有很好的统计特性，更具有工程实 [9] 现意义，所以本文采用递推最小二乘滤波 来进行目标状 态信息的预测，采用实时更新参数的方式，假设采样步长 为 N,利用过去时刻 0,1………N-1 的 N 个点的测量值计算 二次曲线的参数 a, b, c。因为随着时间推移，目标运动 状态可能改变，所以在每个目标数据采集时刻 K 重复进行 上述这个递推过程，更新参数 a, b, c。以 X 轴坐标为例，
向角改变速率（受无人机最大可用过载限制）
min max 。
1.3 目标运动观测模型 本文中对目标模型做简化处理，假设目标在二维平面 内运动， 状态包括笛卡尔坐标系下的位置、 速度和加速度， 目标的运动模型如下：
vt vt 1 a t xt xt 1 vt t cos y y v sin t 1 t t t
速度， xt ，
(2)
给定无人机1,2和目 标的初始状态
其中 a 为加速度， 为与 X 轴逆时间偏角，vt 为目标
yt 为目标位置， t 为步长间隔时间。
目标的观测模型如下：
无人机1,态信息基于3.2节 方法进行数据融合处理
j>mlspan-N1 i=i+1 N Y i>N1 Y
网络出版时间：2013-03-08 10:13 网络出版地址：/kcms/detail/51.1196.TP.20130308.1013.074.html
一种双无人机协同跟踪地面移动目标方法
符小卫，侯建永，高晓光，刘 重
*
（西北工业大学 电子信息学院，西安 710129） 摘要：针对通信延时情况下双无人机协同跟踪地面移动目标问题进行研究，构建了基于分布式遗传算法和滚动时域优化 结合的目标跟踪航迹规划算法模型。考虑到通信延时会增加目标状态信息数据融合时的误差，导致无人机跟踪任务效果 变差，本文结合递推最小二乘滤波和加权最小二乘估计设计了融合方法，来融合处理目标状态信息；考虑到无人机对目 标的观测效果与未来时刻的目标状态信息密切相关，采用递推最小二乘滤波预测目标的状态信息，结合分布式遗传算法 和滚动时域优化设计了双无人机目标跟踪航迹规划算法。适应度函数考虑了无人机和目标之间的距离，无人机之间的通 信距离，无人机之间的通信角度。仿真结果表明：该协同跟踪方法，能够较好地完成跟踪任务；与一架无人机跟踪相比 误差明显减小；并且可以减小通信延时带来的跟踪误差。 关键词：双机协同跟踪；通信延时；融合方法；分布式遗传算法；滚动航迹规划 中文图书分类号：TP373.1 文献标识码：A
二乘滤波和加权最小二乘估计设计了融合方法来融合处理 目标状态信息，结合滚动时域优化和分布式遗传算法来求 解无人机 1,2 的最优控制序列。包括以下步骤： （1）无人机 1 对目标状态信息进行测量，并基于通信，将 自身状态信息和测量的目标状态信息传送给无人机 2；同 理，无人机 2 也将自身状态信息和测量的目标状态信息传 送给无人机 1； （2 ） 结合递推最小二乘滤波和加权最小二乘估计设计了融 合方法，无人机 1,2 各自采用该融合方法对获取对方的目 标状态信息进行融合处理，然后采用递推最小二乘滤波对 目标状态信息进行预测； （3）根据目标测量和预测的信息，设计滚动时域优化航迹 规划模型，基于分布式遗传算法求解最优控制序列，无人 机 1,2 各自基于滚动时域优化来调整未来一段时刻的飞行 轨迹，获得新的观测数据，进行下一步循环。
开始
表示无人机的坐标， t 为步长间隔时间。运动学约束包 括如上公式所示：最大最小加速度（受无人机动力性能限 制） vmin
其中 vk ， k 表示无人机的速度和航向角， xk ， yk
v vmax ，最大最小速率（分别受无人 机性能和失速速率限制） vmin vk vmax ，最大最小航