基于快速聚类和优化分配的多目标无人监测跟踪方法技术

本发明专利技术公开了一种基于快速聚类和优化分配的多目标无人监测跟踪方法，能够将整块复杂不确定的待监测区域快速划分为多个具有价值聚类的子区域，以分开监测，降低了系统整体的难度，也提高了无人监测的工作效率；根据现实情况对各区域内的无人机进行再分配调整，提升了系统的灵活性；结合相关算法将复杂的多目标跟踪问题转化为无人器的轨迹优化问题，通过优化后的多无人器的协同控制，保障了无人监测跟踪系统的稳定性与精准度。

Multi-target Unmanned Monitoring and Tracking Method Based on Fast Clustering and Optimal Allocation

【技术实现步骤摘要】
基于快速聚类和优化分配的多目标无人监测跟踪方法
本专利技术涉及一种基于快速聚类和优化分配的多目标无人监测跟踪方法。
技术介绍
我国是海洋大国，拥有1.8万千米的海岸线，蕴藏了大量的生物、矿产等自然资源，广袤富饶的海洋对于祖国具有重要的经济、军事战略价值。随着我国经济的发展以及周边国际环境的日益变化，我们强大的经济体需要与之相匹配的安全力量来守护这片宝贵的海上领土，因此全天候的海上监测任务十分迫切。目前除了海警船、军舰、巡逻机等传统监测手段，还普遍采用了灵活的无人监测方法包括无人艇、无人机等，扩大了海上监测的覆盖范围，也降低了成本。但是已有的无人监测方法往往未考虑到覆盖区域的划分、无人器的分配方式以及无人器的协同控制等问题，也未能将以上几个重要模块有机结合在一起。其中针对区域覆盖范围，有人提出将整块待监测区域分解为多个子区域，以分开监测，提高工作效率，并采用了传统的K-mean、均值漂移等聚类算法，而这些算法存在参数不确定、计算复杂、响应速度慢、效率低等局限性。经研究调查，现有公开编号为CN201810318518.8的中文专利涉及一种多无人机协同侦察移动目标的方法：将待侦察区域简单划本文档来自技高网...

【技术保护点】
1.一种基于快速聚类和优化分配的多目标无人监测跟踪方法，其特征在于包括以下步骤：步骤A，构建局部密度rho函数和高密度的点距离delta函数，基于rho函数和delta函数对待监测区域内的目标点进行聚类，其中选择rho和delta值都较大的目标点作为聚类中心，周围的目标点采取跟随策略，其归类到密度比自己大的最近邻居所在的簇，以此将整个区域分解成多个具有高价值聚类的子区域；步骤B，对子区域分配无人机，以最大期望观测收益为指标初步分配各个子区域内无人机的数量；其中根据各自区域内的实际情况对无人机的数目再调节，当子区域内的目标数大于无人机数时，发送信号给目标数小于无人机数的子区域的无人机请求进行协助...

【技术特征摘要】
1.一种基于快速聚类和优化分配的多目标无人监测跟踪方法，其特征在于包括以下步骤：步骤A，构建局部密度rho函数和高密度的点距离delta函数，基于rho函数和delta函数对待监测区域内的目标点进行聚类，其中选择rho和delta值都较大的目标点作为聚类中心，周围的目标点采取跟随策略，其归类到密度比自己大的最近邻居所在的簇，以此将整个区域分解成多个具有高价值聚类的子区域；步骤B，对子区域分配无人机，以最大期望观测收益为指标初步分配各个子区域内无人机的数量；其中根据各自区域内的实际情况对无人机的数目再调节，当子区域内的目标数大于无人机数时，发送信号给目标数小于无人机数的子区域的无人机请求进行协助，前来协助的无人机则以该子区域内发现目标的最后一架无人机作为虚拟领航者；从其它子区域前来协助的无人机作为跟随者跟随虚拟领航者；步骤C，根据优化一致性算法多目标跟踪问题转化为无人器的轨迹优化。2.根据权利要求1所述的基于快速聚类和优化分配的多目标无人监测跟踪方法，其特征在于在步骤A中，包括以下步骤：步骤A-1，待聚类目标点的数据集和相应指标集定位为以此构建局部密度rho函数，rho函数的公式如下所示：其中，pi表示局部密度函数，dij＝dist(Xi，Xj)表示数据点Xi和Xj之间的距离，dc表示截止距离，如果x＜0，则χ(x)＝1，否则χ(x)＝0；。步骤A-2，通过计算点Xi与任何其它密度较高的点之间的最小距离来测量高密度点的距离delta函数，其公式如下所示：其中，δi表示点i与高密度点的距离；步骤A-3，依据上述步骤的rho和delta画出一个平面决策图，根据决策图，选出rho和delta值都大的点作为聚类中心。其中为了能够快速选择出中心点，减少因为人工筛选造成的时间，首先对rho、delta值进行排序，再选取一个合理的阈值，最后将rho、delta值都大于设定阈值的目标点选定为聚类中心点。3.根据权利要求1所述的基于快速聚类和优化分配的多目标无人监测跟踪方法，其特征在于在步骤B中，以最大期望观测收益为指标初步分配各个子区域内无人机的数量，如下所示：其中，M表示无人机的分配指标，λ1、λ2表示权重系数，Ei表示期望观测收益，Ti、Ti表示理想观测时间，第一部分用于表示总的期望观测收益，而第二部分用于平衡各无人机的任务执行代价。4.根据权利要求1所述的基于快速聚类和优化分配的多目标无人监测跟踪方法，其特征在于在步骤B中，跟随者与领航者之间通过保持着一定的距离与角度，并实时调整距离和方向夹角，实现队形的稳定，无人机在惯性坐标系下的运动方程如下所示：其中，分别表示无人机在x、y方向的速度，ψi、ωi分别表示无人机的偏航角、偏航角角速度；并定义系统误差为：其中，eψ表示方向误差，ex、ey表示位置编队误差，ψL、ΨF表示领...

【专利技术属性】
技术研发人员：陈旭，胡凯，邓志良，刘佳，刘云平，严飞，苗国英，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏,32