CN113093785A - 一种通信支援下的无人机群目标覆盖方法 - Google Patents

Abstract

本发明公开了一种通信支援下的无人机群目标覆盖方法，属于无人机群通信技术领域。该方法以各目标点为圆心、预设值为半径做圆，计算各圆覆盖目标点数目，保留覆盖点数最大的集合，利用均值中心化手段及二次微扰动策略重新确定覆盖该集合中各目标点及其近邻点的圆心位置。对于未覆盖的目标点，重复进行上述操作，直至目标点全部被覆盖或簇数达到无人机数目上限，以实现在通信支援过程中无人机群最大程度覆盖多目标点的目的。本发明解决了无人机群通信支援覆盖问题，实现了通信支援中无人机群最大程度覆盖多目标点的目的，提高了结果的稳定性和覆盖率，可用于无人机群的协同通信支援、协同干扰等任务场景。

Description

一种通信支援下的无人机群目标覆盖方法

技术领域

本发明属于无人机群通信技术领域，特别涉及了一种通信支援下的无人机群目标覆盖方法。

背景技术

随着现代技术的不断发展，战场形势也变的日益复杂，作战方式也随之更加多样，其中无人机已经成为一种重要的作战方式，因为无人机具有建造成本低、安全系数高等优点，它在现代战争中起着至关重要的作用。同时，无人机需要执行的任务难度越来越大，单无人机的作战模式已经难以满足作战需求，对无人机群的协同作战研究已经成为了必然的趋势。无人机群给战场中的目标提供通信支援是一个重要的应用，在通信支援中需要考虑到无人机群通信覆盖范围的形状和大小，通信支援覆盖算法需要在这个条件下实现对目标点较高的覆盖率并确保覆盖的稳定性。

在无人机群的通信支援应用中一个重要的环节就是确定各架无人机的位置，来实现对目标点的通信覆盖，其中就涉及到对目标点进行聚类。常见的聚类算法有K-means聚类、DBSCAN密度聚类、均值漂移聚类和Mini Batch K-means聚类。K-means聚类算法的思想是假设需要将目标点分成K个类，就在目标点中随机选取K个点作为聚类中心，而后计算每个目标点到聚类中心的距离，将该目标点划分到距离最近的聚类中心，再重新计算每类的质心，进行迭代直到质心不再变化。这个算法的缺陷是没有考虑到覆盖形状和范围，同时随机选取聚类中心会导致无人机群的通信覆盖率低、稳定性差。DBSCAN密度聚类根据以目标点为中心半径内覆盖的目标点数将目标点划分为核心点、边界点、噪音点三种，将噪音点删除，边界点指派到与之关联的核心点的簇中来完成聚类。它的缺点是未指定类的数量，而通信支援中无人机的数量是确定的，在这个算法中指定类的数量会导致对目标点的覆盖率变低。均值漂移聚类是基于滑动窗口的聚类算法，通过将中心点向密度大的地方移动来找到数据点的密集区域，但是该算法也未指定类的数量，在无人机群的通信支援中对目标点的覆盖率依旧不理想。Mini Batch K-means算法是K-means算法的变种，与K均值算法不同的地方在于该算法数据的更新是在一个小的样本集上，对每个小批量目标点进行平均值的计算并更新质心，该算法比K均值算法有更快的收敛速度，但是聚类的效果更差，显然这在无人机群的通信支援中是不适用的。

综上所述，现有的聚类算法应用在无人机群的通信支援中普遍存在对目标点覆盖率低、稳定性差的问题。

发明内容

本发明的目的在于提供一种通信支援下的无人机群目标覆盖方法，所解决的技术问题是解决单机通信范围一般量化为圆形区域所导致的现有聚类算法对目标点覆盖效果差、普适性弱、聚类结果不稳定等问题。

本发明采用的技术方案为：

一种通信支援下的无人机群目标覆盖方法，包括以下步骤：

步骤1：导入需要通信支援的目标点数据集point，设定目标点总数为Pnum，无人机总数为Dnum、单机覆盖半径为radius；

步骤2：分别以各目标点为圆心、radius为半径绘制圆，计算各圆覆盖目标点数density，保留目标点数最多的集合；

步骤3：利用均值中心化方法确定目标点最多的集合的重心位置，并将重心位置作为新的圆心，并以radius为半径绘制圆，计算该圆覆盖的目标点数cover_num1，并将覆盖的目标点数cover_num1组成一个新的集合；

步骤4：根据步骤3中组成的集合中的目标点数cover_num1设定扰动范围，并根据扰动范围内近邻点数及位置确定扰动方向，进行第一次扰动；

步骤5：判断第一次扰动之后集合中覆盖的目标点数cover_num2是否增多，若cover_num2≤cover_num1，则保存圆心位置及其覆盖目标点数cover_num1，删除目标点集point中已被覆盖的目标点；

若cover_num2>cover_num1，则返回执行步骤3，更新圆心位置，进行第二次扰动，判断第二次扰动之后集合中覆盖的目标点数cover_num3是否增多，若cover_num3≤cover_num2，保存第一次扰动的圆心位置及其覆盖目标点数cover_num2，删除目标点集point中已被覆盖的目标点；若cover_num3＞cover_num2，保存更新后的圆心及其覆盖目标点，删除目标点集point中已被覆盖的目标点；

步骤6：判断目标点Pmum是否全部被覆盖，若是，确定各个圆心的最终位置后并以预设值绘制各圆，完成无人机群覆盖方法的全过程；若不是，则返回步骤2，并对删除已覆盖点的其余目标点进行密度聚类与覆盖。

其中步骤2中计算各圆覆盖目标点数density的具体方式如下：

(2a)计算第i个目标点与其余目标点间的距离，表达式如下：

其中表示dis_ij从第i个目标点到第j个目标点的欧式距离，point_i(x)，point_i(y)，point_j(x)，point_j(y)分别为第i，j个目标点的横、纵坐标；

(2b)根据式<1>计算第i个目标点的密度大小，其密度表达式如下：

其中，1≤i≤Pnum,1≤j≤Pnum,density_ij表示目标点point_j是否在以point_i为圆心,radius为搜索半径的探测范围内，若在则density_ij为1，若不在则density_ij为0；density_i表示在以point_i为圆心，radius为半径的探测范围内的目标点数；

2c)根据式<3>比较各目标点密度大小，保留密度值最大的目标点，并以该目标点为圆心、radius为半径的探测范围内的各目标点构成集合。

其中步骤3中的均值中心化方法的计算过程是取目标集合中的所有目标点横、纵坐标的均值作为该集合新的圆心位置，其表达式如下：

其中，1≤j≤n，center_i(x)，center_i(y)为均值中心化后所得点的横、纵坐标，n代表在均值中心化前各圆所覆盖的目标点数，point_j(x)，point_j(y)，分别代表集合元素的横、纵坐标。

其中设定步骤4中的扰动范围的参数如下：

首先根据目标点总数Pnum和无人机总数Dnum，计算在理论条件下全部的目标点都被覆盖的情况下单机覆盖的均值目标点数，之后根据单个无人机实际覆盖的目标数距离到均值的方差大小设定扰动范围，扰动范围经验参数的设定算法按以下步骤进行：

(4a)首先假设全部目标均被覆盖的条件下从理论上计算单个无人机覆盖目标点数，求解均值的表达式如下：

其中mean代表在假设条件下的无人机覆盖目标点的平均数，Pnum表示目标点总数，Dnum表示无人机总数；

(4b)当实际无人机覆盖的目标点数大于等于mean*1.2时，它的扰动范围设置为radius<R<1.2*radius；

(4c)当实际无人机覆盖的目标点数大于等于mean*0.8且小于mean时，设置其扰动范围为radius<R<1.3*radius；

(4d)当实际无人机覆盖的目标点数大于等于mean*0.5且小于mean*0.8时，设置其扰动范围为radius<R<1.4*radius；

(4e)当实际无人机覆盖的目标点数大于等于mean*0.3且小于mean*0.5时，设置其扰动范围为radius<R<1.6*radius；

(4f)当实际无人机覆盖的目标点数小于mean*0.3时，设置其扰动范围为radius<R<1.8*radius。

其中步骤4中的根据扰动范围内近邻点数及位置找到扰动的方向以及大小，计算过程按以下步骤进行：

(5a)以中心为原点，建立平面直角坐标系，统计在扰动范围之内的I、II、III、IV象限的目标点数目，表达式如下：

其中

表示在扰动范围内的第i个目标点是否在第k个象限内，k表示I、II、III、IV象限，gnum^k表示在第k个象限内的全部的目标点数，n代表在扰动范围内的所有目标点数；

(5b)其扰动距离取象限数目最多的象限目标点距离未扰动之前圆心最大的距离减去无人机的搜索半径并向上取整，向上取整的原因是避免点扰动后的点刚好处于临界线上的问题，其表达式如下：

distance＝ceil(max(dis_center_i)-radius) <10>

其中dis_i表示目标点i距离未扰动之前的圆心距离，distance表示扰动距离大小，r表示无人机的搜索半径；

(5c)从I、II、III、IV四个象限中找到目标点数最多的一个象限以及在这个象限中的目标点集合，选取所得圆心为起点、目标点数最多的象限中各点横、纵坐标的均值为终点，构造向量，向量方向即为圆心的扰动方向，终点横、纵坐标表达式如下：

其中1≤i≤kmax，point(x)，point(y)代表了将要扰动的方向位置，kmax表示在目标点数最多象限的目标集合数目，point_i(x)，point_i(y)表示目标点i的横纵坐标。

本发明与现有技术相比具有如下优点：

(1)本发明由于采用基于密度聚类方法的覆盖算法，可保证每次遍历目标点集时都优先选取聚合效果最优的子集，弥补了由于单机通信范围一般量化为圆形区域所导致的现有聚类算法对目标点覆盖效果差、普适性弱、聚类结果不稳定等缺陷。

(2)本发明由于采用均值中心化手段初步优化和更新圆心位置，可有效缓解目标点因位于单机覆盖范围边界位置所导致的通信信号差等情况。

(3)本发明由于根据集合元素个数设定两次扰动范围，并根据扰动范围内近邻点数目及位置确定扰动方向，进而通过二次微扰动策略确定圆心位置，可保证原集合中各目标点及其近邻点最大限度被单机覆盖。

(4)本发明由于每确定一个圆心位置，都会删除目标点集中已被该圆覆盖的各目标点，可以有效避免同一目标点同时被多架无人机覆盖导致覆盖效率降低、无人机间距离过近导致碰撞等情况出现。

附图说明

图1为本发明的实现流程图；

图2为无人机数量为20，单机通信半径为8.9的条件下，各无人机对随机生成的100个待支援目标点的覆盖效果图；

图3为无人机数量为20，单机通信半径为10.3的条件下，各无人机对随机生成的100个待支援目标点的覆盖效果图；

图4为无人机数量为15，单机通信半径为10.3的条件下，各无人机对随机生成的100个待支援目标点的覆盖效果图。

具体实施方式

以下结合附图对本发明的技术方案和效果作进一步详细描述。

参照图1，一种通信支援下的无人机群目标覆盖方法，该方法通过以各目标点为圆心、预设值为半径做圆，计算各圆覆盖目标点数目，保留覆盖点数最大的集合，利用均值中心化手段及二次微扰动策略重新确定覆盖该集合中各目标点及其近邻点的圆心位置。对于未覆盖的目标点，重复进行上述操作，直至目标点全部被覆盖或簇数达到无人机数目上限，以实现在通信支援过程中，无人机群最大程度覆盖多目标点的目的。

其具体步骤如下：

步骤1：导入需要通信支援的目标点数据集point，设定目标点总数为Pnum，无人机总数为Dnum、单机覆盖半径为radius；

步骤2：分别以各目标点为圆心、radius为半径绘制圆，计算各圆覆盖目标点数density，保留目标点数最多的集合；

步骤3：利用均值中心化方法确定目标点最多的集合的重心位置，并将重心位置作为新的圆心，并以radius为半径绘制圆，计算该圆覆盖的目标点数cover_num1，并将覆盖的目标点数cover_num1组成一个新的集合；

步骤4：根据步骤3中组成的集合中的目标点数cover_num1设定扰动范围，并根据扰动范围内近邻点数及位置确定扰动方向，进行第一次扰动；

步骤5：判断第一次扰动之后集合中覆盖的目标点数cover_num2是否增多，若cover_num2≤cover_num1，则保存圆心位置及其覆盖目标点数cover_num1，删除目标点集point中已被覆盖的目标点；

若cover_num2>cover_num1，则返回执行步骤3，更新圆心位置，进行第二次扰动，判断第二次扰动之后集合中覆盖的目标点数cover_num3是否增多，若cover_num3≤cover_num2，保存第一次扰动的圆心位置及其覆盖目标点数cover_num2，删除目标点集point中已被覆盖的目标点；若cover_num3＞cover_num2，保存更新后的圆心及其覆盖目标点，删除目标点集point中已被覆盖的目标点；

步骤6：判断目标点Pmum是否全部被覆盖，若是，确定各个圆心的最终位置后并以预设值绘制各圆，完成无人机群覆盖方法的全过程；若不是，则返回步骤2，并对删除已覆盖点的其余目标点进行密度聚类与覆盖。

其中步骤2中计算各圆覆盖目标点数density的具体方式如下：

(2a)计算第i个目标点与其余目标点间的距离，表达式如下：

其中表示dis_ij从第i个目标点到第j个目标点的欧式距离，point_i(x)，point_i(y)，point_j(x)，point_j(y)分别为第i，j个目标点的横、纵坐标；

(2b)根据式<1>计算第i个目标点的密度大小，其密度表达式如下：

其中，1≤i≤Pnum,1≤j≤Pnum,density_ij表示目标点point_j是否在以point_i为圆心,radius为搜索半径的探测范围内，若在则density_ij为1，若不在则density_ij为0；density_i表示在以point_i为圆心，radius为半径的探测范围内的目标点数；

2c)根据式<3>比较各目标点密度大小，保留密度值最大的目标点，并以该目标点为圆心、radius为半径的探测范围内的各目标点构成集合。

其中步骤3中的均值中心化方法的计算过程是取目标集合中的所有目标点横、纵坐标的均值作为该集合新的圆心位置，其表达式如下：

其中，1≤j≤n，center_i(x)，center_i(y)为均值中心化后所得点的横、纵坐标，n代表在均值中心化前各圆所覆盖的目标点数，point_j(x)，point_j(y)，分别代表集合元素的横、纵坐标。

其中设定步骤4中的扰动范围的参数如下：

首先根据目标点总数Pnum和无人机总数Dnum，计算在理论条件下全部的目标点都被覆盖的情况下单机覆盖的均值目标点数，之后根据单个无人机实际覆盖的目标数距离到均值的方差大小设定扰动范围，扰动范围经验参数的设定算法按以下步骤进行：

(4a)首先假设全部目标均被覆盖的条件下从理论上计算单个无人机覆盖目标点数，求解均值的表达式如下：

其中mean代表在假设条件下的无人机覆盖目标点的平均数，Pnum表示目标点总数，Dnum表示无人机总数；

(4b)当实际无人机覆盖的目标点数大于等于mean*1.2时，它的扰动范围设置为radius<R<1.2*radius；

(4c)当实际无人机覆盖的目标点数大于等于mean*0.8且小于mean时，设置其扰动范围为radius<R<1.3*radius；

(4d)当实际无人机覆盖的目标点数大于等于mean*0.5且小于mean*0.8时，设置其扰动范围为radius<R<1.4*radius；

(4e)当实际无人机覆盖的目标点数大于等于mean*0.3且小于mean*0.5时，设置其扰动范围为radius<R<1.6*radius；

(4f)当实际无人机覆盖的目标点数小于mean*0.3时，设置其扰动范围为radius<R<1.8*radius。

其中步骤4中的根据扰动范围内近邻点数及位置找到扰动的方向以及大小，计算过程按以下步骤进行：

(5a)以中心为原点，建立平面直角坐标系，统计在扰动范围之内的I、II、III、IV象限的目标点数目，表达式如下：

其中

表示在扰动范围内的第i个目标点是否在第k个象限内，k表示I、II、III、IV象限，gnum^k表示在第k个象限内的全部的目标点数，n代表在扰动范围内的所有目标点数；

(5b)其扰动距离取象限数目最多的象限目标点距离未扰动之前圆心最大的距离减去无人机的搜索半径并向上取整，向上取整的原因是避免点扰动后的点刚好处于临界线上的问题，其表达式如下：

distance＝ceil(max(dis_center_i)-radius) <10>

其中dis_i表示目标点i距离未扰动之前的圆心距离，distance表示扰动距离大小，r表示无人机的搜索半径；

(5c)从I、II、III、IV四个象限中找到目标点数最多的一个象限以及在这个象限中的目标点集合，选取所得圆心为起点、目标点数最多的象限中各点横、纵坐标的均值为终点，构造向量，向量方向即为圆心的扰动方向，终点横、纵坐标表达式如下：

其中1≤i≤kmax，point(x)，point(y)代表了将要扰动的方向位置，kmax表示在目标点数最多象限的目标集合数目，point_i(x)，point_i(y)表示目标点i的横纵坐标。

本方法的效果可以通过以下仿真实验进行说明：

(1)仿真实施条件

下述仿真中均取待支援目标数目points为100个，各目标点横、纵坐标取值区间为[0,100]。

(2)仿真实施内容及结果

仿真1：随机生成100个待支援目标点，根据基于密度聚类方法的覆盖算法，在无人机数量num为20，单机通信半径radius为8.9的条件下，各无人机对待支援目标点的覆盖效果，如图2所示。

仿真2：随机生成100个待支援目标点，根据基于密度聚类方法的覆盖算法，在无人机数量num为20，单机通信半径radius为10.3的条件下，各无人机对待支援目标点的覆盖效果，如图3所示。

仿真3：随机生成100个待支援目标点，根据基于密度聚类方法的覆盖算法，在无人机数量num为15，单机通信半径radius为10.3的条件下，各无人机对待支援目标点的覆盖效果，如图4所示。

图2～图4表明，对于待支援的多目标点，本发明能够在目标点位置随机生成的情况下，实现通信支援过程中无人机群最大程度覆盖多目标点的目的，普适性强、聚类结果稳定。

以上描述仅是本发明的一个具体实例，并未构成对本发明的任何限制。显然对于本领域的专业人员来说，在了解了本发明内容和原理后，都可能在不背离本发明原理、结构的情况下，进行形式和细节上的各种修正和改变，但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。

Claims (5)

1.一种通信支援下的无人机群目标覆盖方法，其特征在于，包括以下步骤：

步骤1：导入需要通信支援的目标点数据集point，设定目标点总数为Pnum，无人机总数为Dnum、单机覆盖半径为radius；

步骤2：分别以各目标点为圆心、radius为半径绘制圆，计算各圆覆盖目标点数density，保留目标点数最多的集合；

步骤3：利用均值中心化方法确定目标点最多的集合的重心位置，并将重心位置作为新的圆心，并以radius为半径绘制圆，计算该圆覆盖的目标点数cover_num1，并将覆盖的目标点数cover_num1组成一个新的集合；

步骤4：根据步骤3中组成的集合中的目标点数cover_num1设定扰动范围，并根据扰动范围内近邻点数及位置确定扰动方向，进行第一次扰动；

步骤5：判断第一次扰动之后集合中覆盖的目标点数cover_num2是否增多，若cover_num2≤cover_num1，则保存圆心位置及其覆盖目标点数cover_num1，删除目标点集point中已被覆盖的目标点；

若cover_num2>cover_num1，则返回执行步骤3，更新圆心位置，进行第二次扰动，判断第二次扰动之后集合中覆盖的目标点数cover_num3是否增多，若cover_num3≤cover_num2，保存第一次扰动的圆心位置及其覆盖目标点数cover_num2，删除目标点集point中已被覆盖的目标点；若cover_num3＞cover_num2，保存更新后的圆心及其覆盖目标点，删除目标点集point中已被覆盖的目标点；

步骤6：判断目标点Pmum是否全部被覆盖，若是，确定各个圆心的最终位置后并以预设值绘制各圆，完成无人机群覆盖方法的全过程；若不是，则返回步骤2，并对删除已覆盖点的其余目标点进行密度聚类与覆盖。

2.根据权利要求1所述的通信支援下的无人机群目标覆盖方法，其特征在于，步骤2中计算各圆覆盖目标点数density的具体方式如下：

(2a)计算第i个目标点与其余目标点间的距离，表达式如下：

其中表示dis_ij从第i个目标点到第j个目标点的欧式距离，point_i(x)，point_i(y)，point_j(x)，point_j(y)分别为第i，j个目标点的横、纵坐标；

(2b)根据式<1>计算第i个目标点的密度大小，其密度表达式如下：

其中，1≤i≤Pnum,1≤j≤Pnum,density_ij表示目标点point_j是否在以point_i为圆心,radius为搜索半径的探测范围内，若在则density_ij为1，若不在则density_ij为0；density_i表示在以point_i为圆心，radius为半径的探测范围内的目标点数；

2c)根据式<3>比较各目标点密度大小，保留密度值最大的目标点，并以该目标点为圆心、radius为半径的探测范围内的各目标点构成集合。

3.根据权利要求1所述的通信支援下的无人机群目标覆盖方法，其特征在于，步骤3中的均值中心化方法的计算过程是取目标集合中的所有目标点横、纵坐标的均值作为该集合新的圆心位置，其表达式如下：

其中，1≤j≤n，center_i(x)，center_i(y)为均值中心化后所得点的横、纵坐标，n代表在均值中心化前各圆所覆盖的目标点数，point_j(x)，point_j(y)，分别代表集合元素的横、纵坐标。

4.根据权利要求1所述的通信支援下的无人机群目标覆盖方法，其特征在于，设定步骤4中的扰动范围的参数如下:

首先根据目标点总数Pnum和无人机总数Dnum，计算在理论条件下全部的目标点都被覆盖的情况下单机覆盖的均值目标点数，之后根据单个无人机实际覆盖的目标数距离到均值的方差大小设定扰动范围，扰动范围经验参数的设定算法按以下步骤进行：

(4a)首先假设全部目标均被覆盖的条件下从理论上计算单个无人机覆盖目标点数，求解均值的表达式如下：

其中mean代表在假设条件下的无人机覆盖目标点的平均数，Pnum表示目标点总数，Dnum表示无人机总数；

(4b)当实际无人机覆盖的目标点数大于等于mean*1.2时，它的扰动范围设置为radius<R<1.2*radius；

(4c)当实际无人机覆盖的目标点数大于等于mean*0.8且小于mean时，设置其扰动范围为radius<R<1.3*radius；

(4d)当实际无人机覆盖的目标点数大于等于mean*0.5且小于mean*0.8时，设置其扰动范围为radius<R<1.4*radius；

(4e)当实际无人机覆盖的目标点数大于等于mean*0.3且小于mean*0.5时，设置其扰动范围为radius<R<1.6*radius；

(4f)当实际无人机覆盖的目标点数小于mean*0.3时，设置其扰动范围为radius<R<1.8*radius。

5.根据权利要求1所述的通信支援下的无人机群目标覆盖方法，其特征在于，步骤4中的根据扰动范围内近邻点数及位置找到扰动的方向以及大小，计算过程按以下步骤进行：

(5a)以中心为原点，建立平面直角坐标系，统计在扰动范围之内的I、II、III、IV象限的目标点数目，表达式如下：

其中

表示在扰动范围内的第i个目标点是否在第k个象限内，k表示I、II、III、IV象限，gnum^k表示在第k个象限内的全部的目标点数，n代表在扰动范围内的所有目标点数；

(5b)其扰动距离取象限数目最多的象限目标点距离未扰动之前圆心最大的距离减去无人机的搜索半径并向上取整，向上取整的原因是避免点扰动后的点刚好处于临界线上的问题，其表达式如下：

distance＝ceil(max(dis_center_i)-radius) <10>

其中dis_i表示目标点i距离未扰动之前的圆心距离，distance表示扰动距离大小，r表示无人机的搜索半径；

(5c)从I、II、III、IV四个象限中找到目标点数最多的一个象限以及在这个象限中的目标点集合，选取所得圆心为起点、目标点数最多的象限中各点横、纵坐标的均值为终点，构造向量，向量方向即为圆心的扰动方向，终点横、纵坐标表达式如下：

其中1≤i≤kmax，point(x)，point(y)代表了将要扰动的方向位置，kmax表示在目标点数最多象限的目标集合数目，point_i(x)，point_i(y)表示目标点i的横纵坐标。

Images