【技术实现步骤摘要】
一种多无人机编队感知资源联合调度方法、装置和系统
[0001]本专利技术涉及通信感知
，具体为一种多无人机编队感知资源联合调度方法
、
装置和系统
。
技术介绍
[0002]随着无线感知技术迅猛发展，多无人机编队协同感知方法得到越来越广泛的关注
。
多个感知无人机协同作业提升了目标感知效率，广泛应用于军事侦察
、
目标识别
、
电子对抗
、
战场评估等领域
。
因此，立足高精度
、
低延时的多无人机编队感知需求，结合空域
、
模糊区域
、
群智特性等要求，分析无人机优化部署位置及天线方向的内在演化规律，研究多层次感知资源联合调度方法
。
通过建立典型场景下感知节点拓扑关系与感知网络效用映射模型，设计高效的资源调度算法，实现对目标的精准感知与检测
。
[0003]经过对现有技术检索发现，
Wang.Weijia
发表在
【技术保护点】
【技术特征摘要】
1.
一种多无人机编队感知资源联合调度方法，其特征在于，所述方法应用于集群无人机侦察，包括以下步骤：
S1
：基于设定的编队内无人机个数
、
无人机感知频段范围
、
无人机可部署区域
、
无人机间距离约束
、
待感知目标个数
、
待感知目标频点集合
、
待感知目标位置及环境参数，推导多无人机的信号联合检测概率；
S2
：最大化所述多无人机的信号联合检测概率，构建多无人机感知资源联合调度的原问题
P1
；
S3
：将所述原问题
P1
转化为多无人机天线指向优化的从问题
P2
及多无人机部署优化的主问题
P3
；
S4
：采用块坐标下降算法对所述从问题
P2
进行求解，得到最优多无人机天线指向；
S5
：基于得到的最优多无人机天线指向，采用块坐标下降算法对所述主问题
P3
进行求解，得到最优多无人机部署位置
。2.
根据权利要求1所述方法，其特征在于，所述步骤
S1
具体包括：在一个三维平面中，假设无人机的数目为
M、
第
i
个无人机的位置为
q
i
＝
[x
i
,y
i
,H]
T
，其中
x
i
,y
i
代表位置的横纵坐标
,H
代表位置高度；假设待感知目标数目为
K、
第
k
个目标的位置为
q
t,k
＝
[x
t,k
,y
t,k
,z
t,k
]
T
，则某一无人机
i
到待感知目标
k
的距离
、
水平角和俯仰角如下：
d
i,k
＝
||q
t,k
‑
q
i
||2ψ
i,k
＝
arctan(x
t,k
‑
x
i
,y
t,k
‑
y
i
)
每个无人机上装备一根定向天线，得到某一无人机
i
接收到待感知目标
k
信号的天线增益
G
i,k
(q
i
,
ψ
i
)
及信噪比
γ
i,k
(q
i
,
ψ
i
)
为：为：其中
θ
表示为天线主瓣宽度
、
β0为当距离为1时的信道增益
、P
k
为待感知目标信号发送功率
、N
t
为定向天线阵元数目；基于信噪比
γ
i,k
(q
i
,
ψ
i
)
得到无人机
i
对于待感知目标
k
的能量检测概率
P
i,k
(q
i
,
ψ
i
)
为：其中
Q
表示为标准正态分布的右尾函数
、N
为接收信号采样数目
、P
fa
为感知系统的虚警概率；假设某一无人机
i
的频谱感知范围为
(f
imin
,f
imax
)
，假设待感知目标
k
的传输频点集合为
F
k
，得到无人机
i
对待感知目标
k
在频点
f
上的信号检测概率为：
进而得到对于待感知目标
k
在频点
f
上，
M
个无人机的信号联合检测概率为：
3.
根据权利要求2所述方法，其特征在于，所述步骤
S2
具体包括：定义系统的检测概率和函数为：推广到实际场景，以最大化系统的检测概率和函数为目标，构建多无人机感知资源联合调度的原问题
P1
如下：如下：如下：如下：如下：其中，
Q∈{q1,q2,...,q
M
}
为无人机位置集合，
D
为可部署区域范围，
S
l
为无人机与目标最小距离限制，
R
l
为无人机间最小距离限制
。4.
根据权利要求3所述方法，其特征在于，所述步骤
S3
具体包括：通过对问题等价转换，将所述原问题
P1
简化为一个从问题
P2
和一个主问题
P3
；所述从问题
P2
为：在确定无人机编队部署位置的情况下，优化所有无人机的定向天线指向；并表示为：指向；并表示为：所述主问题
P3
为：在得知最优定向天线指向的情况下，优化所有无人机的部署位置；并表示为：表示为：表示为：表示为：
其中
G
dpi
(Q,
ψ
)
为每次执行从问题
P2
优化后的函数值
。5.
根据权利要求4所述方法，其特征在于，所述步骤
S4
具体包括：
S41.
设定初始无人机...
【专利技术属性】
技术研发人员：周凌云，蒲文强，尤明懿，张荣庆，王巍，史清江，
申请(专利权)人：中国电子科技集团公司第三十六研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。