一种多传感器多目标滤波的时变编队跟踪控制方法及系统

技术领域

本发明涉及多智能体编队跟踪技术领域，特别是涉及一种多传感器多目标滤波的时变编队跟踪控制方法及系统。

背景技术

近年来，编队跟踪问题受到了人们的广泛关注，并在军事和民用领域发挥了重要的作用。编队跟踪主要是利用智能体之间的信息交互和目标的状态来设计控制协议，从而使智能体能够跟踪目标并保持理想的编队，其中，编队队形由编队参考确定。

多智能体对多目标的编队跟踪问题是编队跟踪领域的热点。X W Dong研究了针对多目标的平均编队跟踪问题，即所有目标的平均状态都可以被智能体编队跟踪。他进一步提出了多智能体实现对多目标时变编队跟踪的充分必要条件，设计的控制协议可以进一步应用于高阶系统。JYHu提出了分布式时变编队跟踪的控制协议，并考虑了多目标状态中存在随机噪声的完全自适应时变编队跟踪问题，分析了该算法的稳定性和性能。

与集中式滤波相比，分布式多传感器多目标滤波具有实时性、容错性和易扩展性等优点，可分为采用数据关联(DA)和随机有限集(RFS)两种方法。使用RFS的分布式滤波方法计算速度很快，但它的理论研究还不够完善。将数据通过DA方法关联后，非线性系统的分布式滤波可以通过扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)和容积卡尔曼滤波(CKF)方法进行。由于CKF方法中每个容积点的权重相同且均为正值，因此CKF方法的稳定性优于UKF方法。同时，与CKF方法相比，EKF方法在处理二阶非线性系统时的精度较低，因此，CKF方法广泛应用于非线性滤波算法中。

然而，在大多数实际场景中，目标的状态是未知的，也就是说，目标是非合作的。在以前的工作中，L Tian考虑了智能体和目标都有未知干扰的时变编队跟踪问题。YZhang将多目标滤波与编队跟踪问题结合起来，提出了异质二阶系统的编队跟踪控制协议，但他们都没有考虑非线性观测模型的情况。

发明内容

本发明的目的是提供一种多传感器多目标滤波的时变编队跟踪控制方法及系统，实现了多智能体对多个非合作目标的编队跟踪。

为实现上述目的，本发明提供了如下方案：

一种多传感器多目标滤波的时变编队跟踪控制方法，包括：

获取多个智能体、多个目标和多个传感器之间的通信拓扑关系；各智能体上均携带有传感器；

建立所有目标的状态方程、传感器对所有目标的观测模型和各智能体的状态方程；

基于所述通信拓扑关系、所有目标的状态方程和传感器对所述目标的观测模型，并基于容积卡尔曼滤波设计分布式多传感器多目标滤波方法，获得各目标的最终状态估计值；

根据各智能体的状态方程，以及各目标的最终状态估计值确定各智能体的时变编队控制协议。

可选地，所述传感器包括雷达传感器和红外传感器。

可选地，所述所有目标的状态方程表示为：

其中，x

可选地，传感器对所有目标的观测模型表示为：

其中，

表示关于x

可选地，智能体的状态方程表示为：

其中，

可选地，基于所述通信拓扑关系、所有目标的状态方程和传感器对所述目标的观测模型，基于容积卡尔曼滤波设计分布式多传感器多目标滤波方法，获得各目标的最终状态估计值，具体包括：

当迭代次数l＝0时，将

通过公式

其中，w

其中，k时刻传感器i对所有目标的状态估计值

初始化：在k＝0时刻，对于每个传感器i，初始化传感器i对所有目标的状态估计值

根据公式

根据

根据

根据公式

基于容积点

根据误差协方差矩阵

根据k时刻传感器i对所有目标的量测值

可选地，智能体的时变编队控制协议表示为：

其中，

本发明还公开了一种多传感器多目标滤波的时变编队跟踪控制系统，包括：

通信拓扑关系确定模块，用于获取多个智能体、多个目标和多个传感器之间的通信拓扑关系；各智能体上均携带有传感器；

状态方程和观测模型建立模块，用于建立所有目标的状态方程、传感器对所有目标的观测模型和各智能体的状态方程；

目标的最终状态估计值和最终误差协方差确定模块，用于基于所述通信拓扑关系、所有目标的状态方程和传感器对所述目标的观测模型，基于容积卡尔曼滤波设计分布式多传感器多目标滤波方法，获得各目标的最终状态估计值；

智能体的时变编队控制协议确定模块，用于根据各智能体的状态方程，以及各目标的最终状态估计值确定各智能体的时变编队控制协议。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明公开了一种多传感器多目标滤波的时变编队跟踪控制方法及系统，基于通信拓扑关系、所有目标的状态方程和传感器对所述目标的观测模型，基于容积卡尔曼滤波设计分布式多传感器多目标滤波方法，获得各目标的最终状态估计值，根据各智能体的状态方程，以及各目标的最终状态估计值确定各智能体的时变编队控制协议，根据各智能体的时变编队控制协议，实现多智能体对多个非合作目标的编队跟踪，其中，传感器以及智能体均是分布式的，也就是个体的传感器以及智能体仅仅利用了其邻居的信息，具有较好的可拓展性与自组织性，能够分布式运行，提高计算与信息使用效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种多传感器多目标滤波的时变编队跟踪控制方法流程示意图；

图2为本发明实施例提供的各目标的状态示意图；

图3为本发明实施例提供的智能体和目标之间的有向通信拓扑结构示意图；

图4为本发明实施例提供的智能体上的传感器对目标的状态估计误差示意图；

图5为本发明实施例提供的每个智能体对多个目标的编队跟踪误差示意图；

图6为本发明实施例提供的时间t＝20s时多智能体和多目标的状态；

图7为本发明实施例提供的时间t＝40s时多智能体和多目标的状态；

图8为本发明实施例提供的时间t＝60s时多智能体和多目标的状态；

图9为本发明实施例提供的时间t＝80s时多智能体和多目标的状态；

图10为本发明一种多传感器多目标滤波的时变编队跟踪控制系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种多传感器多目标滤波的时变编队跟踪控制方法及系统，实现了多智能体对多个非合作目标的编队跟踪。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，本发明一种多传感器多目标滤波的时变编队跟踪控制方法包括如下步骤。

步骤101：获取多个智能体、多个目标和多个传感器之间的通信拓扑关系；各智能体上均携带有传感器。

传感器包括雷达传感器和红外传感器。

在智能体、目标、传感器系统之间的相互作用的拓扑结构可以被描述为两个图G

假设系统中存在M个智能体，N-M个目标，M个雷达传感器和M

定义Π＝[π

其中，b

步骤102：建立所有目标的状态方程、传感器对所有目标的观测模型和各智能体的状态方程。

目标s(s∈V

x

其中，x

其中，

假设所有传感器都位于M个智能体上，每个智能体携带一个雷达传感器，一个或0个红外传感器，k时刻传感器i(i∈D)对目标s的观测模型为：

其中，

其中，

令

其中，

均值为0，协方差矩阵为/>

k时刻智能体c，c∈V

其中，

步骤103：基于所述通信拓扑关系、所有目标的状态方程和传感器对所述目标的观测模型，基于容积卡尔曼滤波设计分布式多传感器多目标滤波方法，获得各目标的最终状态估计值。

1：初始化

在k＝0时刻，对于每个传感器i(i∈D)，根据公式(8)和公式(9)初始化i(i∈D)对所有目标的状态估计值

2.预测步

根据公式(10)计算容积点

其中，

通过公式(12)对容积点

通过公式(13)和(14)可以获得先验状态估计值

其中，

3.更新步

通过预测步得到的容积点和公式(15)计算得到一组新的容积点

通过公式(16)，(17)，(18)可以计算得到预测的量测值

/>

其中，

通过公式(19)计算滤波增益

结合k时刻传感器i对所有目标的量测值

4.一致性迭代

传感器的通信拓扑W中的第i行j列的元素w

取l(l＝1,...,L)为第l次迭代次数，其中L取值大于传感器通信拓扑的半径。假设

/>

在经过共L次迭代后，k时刻传感器

步骤104：根据各智能体的状态方程，以及各目标的最终状态估计值确定各智能体的时变编队控制协议。

根据各智能体时变编队控制协议，实现多智能体对多个非合作目标的编队跟踪。

基于步骤103得到的

其中，

为满足/>

作为具体实施方式，取10个智能体c＝1,2,...,10的初始位置均为[-150；-150；10；10]，智能体的状态方程为公式(7)，其中，

智能体和目标之间的有向通信拓扑结构如图3所示，其中，圆形代表智能体，三角形代表目标。智能体上的传感器对目标的状态估计误差

根据本发明提供的具体实施例，本发明公开了以下技术成果：本发明提出了一种分布式多传感器多目标滤波方法，基于智能体上携带传感器和所有目标都能被每个传感器测量到的假设，研究了经过DA方法对目标测量值和目标轨迹进行关联后的结果。并基于分布式多传感器多目标滤波方法得到的多目标的状态估计值，提出时变编队跟踪控制协议，实现多智能体对多个非合作目标的时变编队跟踪。主要优点如下：1)本发明提出了一种分布式多传感器多目标滤波方法，对多目标的状态进行估计。2)基于滤波得到的状态估计值，提出了一种时变编队跟踪控制协议，实现多智能体对多个非合作目标的编队跟踪。3)所设计的传感器以及智能体系统均是分布式的，也就是个体的传感器以及智能体仅仅利用了其邻居的信息。具有较好的可拓展性与自组织性，能够分布式运行，提高计算与信息使用效率。

图10为本发明一种多传感器多目标滤波的时变编队跟踪控制系统结构示意图，如图10所示，一种多传感器多目标滤波的时变编队跟踪控制系统，包括：

通信拓扑关系确定模块201，用于获取多个智能体、多个目标和多个传感器之间的通信拓扑关系；各智能体上均携带有传感器。

状态方程和观测模型建立模块202，用于建立所有目标的状态方程、传感器对所有目标的观测模型和各智能体的状态方程。

目标的最终状态估计值和最终误差协方差确定模块203，用于基于所述通信拓扑关系、所有目标的状态方程和传感器对所述目标的观测模型，基于容积卡尔曼滤波设计分布式多传感器多目标滤波方法，获得各目标的最终状态估计值。

智能体的时变编队控制协议确定模块204，用于根据各智能体的状态方程，以及各目标的最终状态估计值确定各智能体的时变编队控制协议。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。