一种面向任务分级目标运动特性的跟踪轨迹优化方法技术

本发明专利技术涉及一种面向任务分级目标运动特性的跟踪轨迹优化方法，采用BCRLB作为资源分配模型对目标跟踪性能的度量函数，考虑到不同威胁程度的目标，以及目标运动时可能与僚机出现的切飞情况，针对不同威胁程度的目标设置威胁度，针对可能出现严重影响目标跟踪性能的切飞情况，设置衰减因子，以僚机的平飞速度和转弯速度为优化变量，以最小化目标估计状态误差为目标，在满足各种约束前提下建立资源分配模型，得到每时刻各僚机的运动状态进而得到各僚机的飞行轨迹，最终完成面向任务分级、目标运动特性的跟踪轨迹优化的任务，实现最高精度的跟踪。跟踪。跟踪。

【技术实现步骤摘要】
一种面向任务分级目标运动特性的跟踪轨迹优化方法


[0001]本专利技术属于雷达
，具体涉及一种面向任务分级目标运动特性的跟踪轨迹优化方法。

技术介绍

[0002]在现代战场环境中，将雷达组网搭载在无人机集群平台是越来越常见的侦查与反侦查手段。机载雷达执行侦察任务的时候，不仅要对目标区域进行完整的搜索，还要进一步对区域内高威胁度的重点目标进行持续性的跟踪。而当雷达与目标发生切飞情况时(径向速度为0)，回波信号会湮灭在杂波中，严重影响目标跟踪性能。所以对分布式雷达网建立合理的资源分配机制、优化僚机集群的轨迹对提升目标跟踪精度至关重要。
[0003]上个世纪80年代至今，很多国家都致力于自动化航迹规划系统以及组网雷达发射资源协同优化分配的研究。NASA制定了实时航路规划系统ANOE的研发计划。Majumder等人为适应3D环境，提出在全程飞行状态下进行增量路径搜索的求解算法。普林斯顿大学学者Godrich基于多输入多输出(MIMO)雷达平台提出了一种功率分配方法，以满足目标定位精度需求为约束，减少发射功率。在国内方面，东南大学曾勇等人将无人机作为通信平台，提出航迹规划方案以提升通信性能。面向多目标定位与跟踪任务，电子科技大学易伟教授针对MIMO雷达提出了一种资源按需分配算法，以期以最小的发射功率实现多目标保精度跟踪。西安电子科技大学严俊坤教授构建了以最小化总资源消耗和多目标定位/跟踪误差为目标的向量优化模型，可对系统发射资源进行按需分配管理，同时还提出一种组网雷达功率分配方法，可有效推远杂波背景下的目标跟踪距离，针对异步工作条件下的单目标跟踪任务，提出了相应的组网雷达资源分配方法，可显著提升目标的跟踪精度。
[0004]总体来讲，国内外很多学者针对不同应用条件，在优化僚机集群的轨迹方向以提高跟踪精度以及系统的资源分配做了大量研究工作，但目前的轨迹优化工作只针对特定简单的场景进行了探索，僚机集群的工作方式只是对单独僚机的简单复制，与僚机集群的分布式探测背景结合不够，在总资源有限情况下对各僚机的资源分配不够精细等问题。

技术实现思路

[0005]为了解决现有技术中存在的上述问题，本专利技术提供了一种面向任务分级目标运动特性的跟踪轨迹优化方法。本专利技术要解决的技术问题通过以下技术方案实现：
[0006]本专利技术提供了一种面向任务分级目标运动特性的跟踪轨迹优化方法，包括：
[0007]步骤1：基于Singer运动模型建立目标运动模型；
[0008]步骤2：建立僚机运动模型，其中第i架僚机在k时刻的平飞速度和转角速度作为待优化的机动控制变量
[0009]步骤3：根据所述目标运动模型和所述僚机运动模型，建立量测模型；
[0010]步骤4：根据所述量测模型，利用BCRLB确定资源分配模型，其中，在所述资源分配
模型中加入威胁度系数和衰减因子中的至少一个；
[0011]步骤5：求解所述资源分配模型的最优解，得到各时刻各僚机的机动控制变量最优值，完成面向任务分级目标运动特性的跟踪轨迹优化。
[0012]在本专利技术的一个实施例中，所述步骤1包括：
[0013]设平面中存在Q个以任意方式运动目标，建立目标q在k时刻的状态为：
[0014][0015]其中，(x
T,q,k
,y
T,q,k
)表示目标q在k时刻的位置坐标，表示目标q在k时刻的速度分量，表示目标q在k时刻的加速度分量；
[0016]利用Singer模型动态方程和目标q在k时刻的状态，建立目标运动模型为：
[0017]x
T,q,k+1
＝f
T
(x
T,q,k
,t
k+1
‑
t
k
)+u(t
k+1
‑
t
k
)；
[0018]其中，f
T
(.)表示目标q的状态转移函数，表示目标在融合时刻t
k
的过程融合向量，服从均值为0协方差为的高斯分布；
[0019][0020]其中，I2表示2维单位矩阵，表示直积操作，T0＝t
k+1
‑
t
k
表示融合时刻间隔，α表示机动频率，T表示采样周期。
[0021]在本专利技术的一个实施例中，所述步骤2包括：
[0022]设N个僚机在二维平面内飞行，第i架僚机在k时刻的状态为：
[0023][0024]其中，表示第i架僚机在k时刻的位置坐标，表示第i架僚机的在k时刻的飞行方向和x轴的夹角；
[0025]根据第i架僚机在k时刻的状态，得到第i架僚机的下一时刻的顺势状态转换方程为：
[0026][0027]根据第i架僚机的下一时刻的顺势状态转换方程，建立僚机运动模型为：
[0028][0029]其中，表示在k
‑
1时刻全部僚机的状态向量，d
k
表示k时刻所有僚机的机动控制变量，表示过程噪声，服从均值为0协方差的高斯分布。
[0030]在本专利技术的一个实施例中，所述步骤3包括：
[0031]根据第i架僚机在k时刻的状态，以及目标q在k时刻的状态，建立量测函数为：
[0032][0033]其中，R
i,k,q
表示k时刻第i架僚机对目标q的距离量测值，θ
i,k,q
表示k时刻第i架僚机对目标q的方位角量测值；
[0034]根据所述量测函数，建立量测模型为：
[0035][0036]其中，w
i,k,q
表示k时刻第i架僚机对目标q的量测值的量测噪声，服从均值为0，协方差为Σ
i,k,q
的高斯分布；
[0037][0038][0039]其中，表示k时刻第i架僚机对目标q的距离测量值的测量方差，表示k时刻第i架僚机对目标q的方位角测量值的测量方差，β
i
表示第i架僚机的雷达的发射信号带宽，B
i
分别表示第i架僚机的雷达的3dB接收波束宽度，SNR
i,k,m
表示k时刻第i架僚机的雷达的回波信号信噪比。
[0040]在本专利技术的一个实施例中，所述步骤4包括：
[0041]根据所述量测模型和所述目标运动模型，得到目标q状态的归一化估计BCRLB为：
[0042]F(d
i,k
)＝Tr(Λ
·
(B
‑1(x
T,q,k+1
))4×4·
Λ
T
)；
[0043]其中，Tr(
·
)表示求迹，4
×
4表示取其前4
×
4维目标状态估计的部分,Λ为归一化矩阵，B
‑1(x
T,q,k+1
)表示滤波估计的方差下界；
[0044]对目标q状态的归一化估计BCRLB，加入威胁度系数，实现对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向任务分级目标运动特性的跟踪轨迹优化方法，其特征在于，包括：步骤1：基于Singer运动模型建立目标运动模型；步骤2：建立僚机运动模型，其中第i架僚机在k时刻的平飞速度和转角速度作为待优化的机动控制变量步骤3：根据所述目标运动模型和所述僚机运动模型，建立量测模型；步骤4：根据所述量测模型，利用BCRLB确定资源分配模型，其中，在所述资源分配模型中加入威胁度系数和衰减因子中的至少一个；步骤5：求解所述资源分配模型的最优解，得到各时刻各僚机的机动控制变量最优值，完成面向任务分级目标运动特性的跟踪轨迹优化。2.根据权利要求1所述的面向任务分级目标运动特性的跟踪轨迹优化方法，其特征在于，所述步骤1包括：设平面中存在Q个以任意方式运动目标，建立目标q在k时刻的状态为：其中，(x
T,q,k
,y
T,q,k
)表示目标q在k时刻的位置坐标，表示目标q在k时刻的速度分量，表示目标q在k时刻的加速度分量；利用Singer模型动态方程和目标q在k时刻的状态，建立目标运动模型为：x
T,q,k+1
＝f
T
(x
T,q,k
,t
k+1
‑
t
k
)+u(t
k+1
‑
t
k
)；其中，fT(.)表示目标q的状态转移函数，表示目标在融合时刻t
k
的过程融合向量，服从均值为0协方差为的高斯分布；其中，I2表示2维单位矩阵，表示直积操作，T0＝t
k+1
‑
t
k
表示融合时刻间隔，α表示机动频率，T表示采样周期。3.根据权利要求2所述的面向任务分级目标运动特性的跟踪轨迹优化方法，其特征在于，所述步骤2包括：设N个僚机在二维平面内飞行，第i架僚机在k时刻的状态为：
其中，表示第i架僚机在k时刻的位置坐标，表示第i架僚机的在k时刻的飞行方向和x轴的夹角；根据第i架僚机在k时刻的状态，得到第i架僚机的下一时刻的顺势状态转换方程为：根据第i架僚机的下一时刻的顺势状态转换方程，建立僚机运动模型为：其中，表示在k
‑
1时刻全部僚机的状态向量，d
k
表示k时刻所有僚机的机动控制变量，表示过程噪声，服从均值为0协方差的高斯分布。4.根据权利要求3所述的面向任务分级目标运动特性的跟踪轨迹优化方法，其特征在于，所述步骤3包括：根据第i架僚机在k时刻的状态，以及目标q在k时刻的状态，建立量测函数为：其中，R<...

【专利技术属性】
技术研发人员：严俊坤，厉辰，关永胜，刘宏伟，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：