System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及雷达目标智能认知,尤其是涉及一种基于雷达航迹信息的集群无人机威胁指数计算方法。
技术介绍
1、集群无人机具备成本低、数量多、可执行多类型任务等优点。传统雷达监视系统无法对集群无人机目标的威胁性做出合理的智能判定与量化描述。基于集群无人机雷达航迹信息的威胁指数计算可以提升雷达系统对集群无人机的智能监视能力,为战场态势感知、自动化辅助决策以及集群无人机的高效率反制提供有效的参考信息。因此,基于雷达航迹信息的集群无人机威胁指数计算可为我国今后的复杂战场态势评估以及智能化辅助决策技术研究提供有力的技术支撑,具备较高的军事应用价值。
技术实现思路
1、本专利技术的目的是提供一种基于雷达航迹信息的集群无人机威胁指数计算方法,适用于集群无人机雷达监视过程中的场景智能认知,可实现对多架集群无人机威胁指数的快速计算。
2、为实现上述目的,本专利技术提供了一种基于雷达航迹信息的集群无人机威胁指数计算方法,包括如下步骤:
3、s1、构建信息矩阵并进行预处理;
4、s2、进行集群无人机的多域关联与分组;
5、s3、评估分组目标多元威胁权值;
6、s4、计算集群无人机威胁指数。
7、优选的,所述步骤s1具体为:定义集群无人机威胁指数评估周期由k个时间采样点组成,每个时间采样点定义为tk,定义该评估周期内的集群无人机航迹信息集合为ξ,并根据该集合中的无人机时空间信息构建位置矩阵、速度矩阵、状态矩阵和编号矩阵;
8
9、
10、k表示评估周期的时间采样点个数;m表示评估周期内无人机目标的最大数量;矩阵{ωx,ωy,ωz}的每一行描述了一个评估周期内每个时间采样点对应的xyz坐标;xm,k表示的是第m个无人机航迹在tk时刻在x轴上的坐标,单位为米;ym,k和zm,k表示在y轴和z轴上的对应坐标,单位为米;在tk时刻第m个无人机目标航迹不存在,则定义(xm,k,ym,k,zm,k)=(0,0,0);
11、速度矩阵定义为:
12、
13、矩阵{vx,vy,vz}中的每一行描述了一个评估周期内的航迹的速度信息;表示的是第m个无人机航迹在tk时刻在x方向上的速度分量,单位为米/秒,y和z方向上的速度定义与x方向一致;在tk时刻第m个无人机目标航迹不存在,则定义
14、状态矩阵定义为:
15、
16、其中fm,k描述了评估周期内无人机目标m在tk时刻的状态;fm,k=0表示航迹处于终结状态,fm,k=1表示航迹处于正常跟踪状态,fm,k=2表示新航迹的起始状态;
17、编号矩阵定义为:
18、
19、其中ψm,k表示第m个无人机航迹在tk时刻对应的航迹编号;ψm,k=-33表示无效航迹编号,表示该航迹已经终结,对于在评估周期内已经终结的航迹,判定其不存在威胁,不需要计算威胁指数;对状态矩阵f逐行进行遍历,若存在fmk=0的情况,则将第m个无人机目标判定为无威胁目标,将矩阵ωx,ωy,ωz,vx,vy,vz,f以及ψ中的第m行数据移除;将无危胁目标移除之后的信息矩阵分别定义为ω′x,ω′y,ω′z,v′x,v′y,v′z,f′和ω′,完成上述筛选后的集群无人机集合定义为u,u(i)表示u中的第i架无人机,i=1,2,…,6。
20、优选的,所述步骤s2具体为:基于步骤s1生成的信息矩阵,对u中的每一架无人机进行空间域关联和速度域关联,实现对全部无人机目标的分组;
21、空间域关联为:
22、定义空间域关联半径为r,定义u(i)和u(j)在tk时刻的空间坐标分别为(xi,yi,zi)和(xj,yj,zj),则u(i)和u(j)的距离为:
23、
24、若d(i,j,tk)<r,则判定u(i)和u(j)在tk关联;若d(i,j,tk)>r,则判定u(i)和u(j)在tk时刻不存在空间关联。
25、速度域关联为:
26、定义u(i)和u(j)在评估周期内的重叠时间采样点个数为k’,在重叠时间采样点范围内u(i)和u(j)在x,y,z方向上的速度均方根误差为:
27、
28、计算重叠时间采样点上u(i)和u(j)在x,y,z方向上的平均速度:
29、
30、u(i)和u(j)的总体速度方差为:
31、
32、u(i)和u(j)的平均速度分别为:
33、
34、u(i)和u(j)的速度关联判定遵循以下两条准则:
35、准则1:
36、
37、准则2:
38、d(i,j,tk+t)<r;
39、当准则1和准则2都满足时,判定u(i)和u(j)在速度上是关联的,建立速度关联矩阵nvel;nvel(i,j)=1表示u(i)和u(j)在速度上关联,nvel(i,j)=0表示u(i)和u(j)在速度上不关联;
40、集群无人机分组:
41、基于空间关联矩阵npos和速度关联矩阵nvel将u中的无人机分为独立作业目标与集群协作目标两类,构建新的目标集合与目标单元;对于u(i),其类别的判定方法为:
42、(1)独立作业目标:若u(i)对应的空间和速度关联矩阵元素满足如下条件:
43、npos(i,j)=0且nvel(i,j)=0,j=1,2,…,k’,判定u(i)为独立作业目标;
44、(2)集群协作目标:对于u(i),若在集群无人机u中存在其他u(j),满足npos(i,j)=1且nvel(i,j)=1,则判定u(i)和u(j)为一组集群协同目标;
45、基于上述判定准则(1)和(2),采用如下步骤对u进行目标分组:
46、第一步:定义集群协作目标集合为d1,独立作业目标集合为d2;
47、第二步:从u(1)开始遍历空间关联矩阵npos和速度关联矩阵nvel,采用判定准则(1)和(2)对u(i)的类别进行分组:
48、第三步:遍历u中的全部无人机目标,重复步骤s2的目标分组,直到集群无人机u的全部目标均分组至集合d1或d2中。
49、优选的,所述步骤s3具体为:多元威胁权值以集合d1和d2中的目标为基本单元进行计算,集群无人机目标的威胁是与战场环境中的重点目标相关联,定义战场环境重点目标集合为a,无人机的威胁权值与a中的每一个重点目标相关联,分别定义无人机目标在距离维度、速度维度和状态维度上的权值因子;
50、距离权值:
51、定义a(q)为重点目标集合a中的第q个重点目标,定义重点目标距离的安全半径分别为300米,600米和1000米;
52、对于集群协作目标d1(p),本文档来自技高网...
【技术保护点】
1.一种基于雷达航迹信息的集群无人机威胁指数计算方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于雷达航迹信息的集群无人机威胁指数计算方法,其特征在于,所述步骤S1具体为:
3.根据权利要求1所述的一种基于雷达航迹信息的集群无人机威胁指数计算方法,其特征在于,所述步骤S2具体为:基于步骤S1生成的信息矩阵,对U中的每一架无人机进行空间域关联和速度域关联,实现对全部无人机目标的分组;
4.根据权利要求1所述的一种基于雷达航迹信息的集群无人机威胁指数计算方法,其特征在于,所述步骤S3具体为:
5.根据权利要求1所述的一种基于雷达航迹信息的集群无人机威胁指数计算方法,其特征在于,所述步骤S4具体为:
【技术特征摘要】
1.一种基于雷达航迹信息的集群无人机威胁指数计算方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于雷达航迹信息的集群无人机威胁指数计算方法,其特征在于,所述步骤s1具体为:
3.根据权利要求1所述的一种基于雷达航迹信息的集群无人机威胁指数计算方法,其特征在于,所述步骤s2具体为:基于步骤s1...
【专利技术属性】
技术研发人员:刘佳,朱熙,郝鑫海,李法诺,
申请(专利权)人:北京航空航天大学,
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。