CN113126652A - 无人机集群协同电子侦察的调度方法及装置 - Google Patents
无人机集群协同电子侦察的调度方法及装置 Download PDFInfo
- Publication number
- CN113126652A CN113126652A CN202110361908.5A CN202110361908A CN113126652A CN 113126652 A CN113126652 A CN 113126652A CN 202110361908 A CN202110361908 A CN 202110361908A CN 113126652 A CN113126652 A CN 113126652A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- radiation sources
- sensing range
- aerial vehicles
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000005855 radiation Effects 0.000 claims abstract description 159
- 230000008569 process Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 abstract description 19
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000011835 investigation Methods 0.000 description 6
- 230000008447 perception Effects 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种无人机集群协同电子侦察的调度方法及装置,该方法包括:确定任一无人机感知范围内辐射源的数量;若所述任一无人机感知范围内辐射源的数量为0,则根据感知范围内的无人机数量确定无人机的移动,直至范围内的辐射源数量增加。该方法无需观测环境的先验信息,即无人机集群在辐射源位置信息未知的情况下能够开展自主位置调整,实现无人机集群的网络拓扑结构优化。此外,可以通过设置每次的最大移动距离和迭代优化次数实现对无人机集群结构优化算法的控制,根据不同情况实现最佳性能表现。
Description
技术领域
本发明涉及传感监测技术领域,尤其涉及一种无人机集群协同电子侦察的调度方法及装置。
背景技术
无人机作为一种可遥控指挥或根据自身程序控制的飞行器,通过搭载不同载荷可以执行多种任务。近年来,由于电子设备性能的提升和成本下降,无人机的应用和发展迎来一次爆发性的增长。受益于无人机成本的经济性、起降的灵活性和用途的广泛性,无人机及其相关技术得到了广泛的应用。
无人机集群协同电子侦查的航路规划其难点在于在未知环境下对未知辐射源目标的高动态协同规划。从传感器载荷的拓扑规划来看其发展主要经历了三个阶段。第一阶段是针对某一静态区域的传感器部署,例如山区防火、大型石油矿产区域的环境监测等。这一类的传感器网络优化可以归纳为静态覆盖的方法,即通过对传感器网络的合理部署和其拓扑结构的优化实现对检测区域的观测目标尽可能真实的观测。通常利用多边形分区原理为传感器网络进行分区,计算各个分区内的最佳观测位置,并使传感器尽量靠近此最佳位置,从而实现更好的观测效果。第一种传感器网络静态优化的方法适用于传感器数量充足且监测环境的面积较小、观测环境相对简单的情况。面对大面积和复杂环境时,静态传感器网络需要极大数量的传感器节点,在这种情况下就需要规划合理的路径来实现对指定观测区域的巡查。相较于静态传感器网络的拓扑优化,无人机网络的路径规划需同时考虑通信链路和能耗的严格限制。在静态覆盖传感器网络的基础上规划无人机集群的行进路线,将整体的观测环境划分为若干个分区,根据当前区域内的最终落点位置和最小冗余倾向选择留在本区或前往下一分区。
因此,如何调度无人机集群进行动态的协同电子侦查,以解决实际工程应用中多类型无人机移动基站对地通信网络下部署能耗大的问题,是目前亟待解决的难题。
发明内容
针对现有技术存在的问题,本发明提供一种无人机集群协同电子侦察的调度方法及装置。
本发明提供一种无人机集群协同电子侦察的调度方法,包括:确定任一无人机感知范围内辐射源的数量;
若所述任一无人机感知范围内辐射源的数量为0,且感知范围内的无人机数量也为0,则所述任一无人机随机方向移动不超过标准步长的距离,直至范围内的辐射源数量增加;
若所述任一无人机感知范围内辐射源的数量为0,且感知范围内只有一个无人机,同时,所述一个无人机感知范围内辐射源数量大于0,且所述任一无人机的拥挤度小于预设阈值,则所述任一无人机向所述一个无人机移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加;
若所述任一无人机感知范围内辐射源的数量为0,且感知范围内有多个无人机,同时,所述多个无人机中心位置的感知范围内辐射源数量大于0,且所述多个无人机中心位置的拥挤度小于预设阈值,则所述任一无人机向所述多个无人机中心位置移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加。
根据本发明一个实施例的无人机集群协同电子侦察的调度方法,若所述任一无人机感知范围内辐射源的数量大于0,则所述任一无人机移动到辐射源的中心位置;重复确定所述任一无人机感知范围内辐射源的数量,并根据辐射源的数量确定所述任一无人机的移动。
根据本发明一个实施例的无人机集群协同电子侦察的调度方法,还包括:对其它所有无人机进行确定感知范围内辐射源的数量,以及根据辐射源的数量确定无人机的移动的过程,直至所有无人机完成位置移动。
根据本发明一个实施例的无人机集群协同电子侦察的调度方法,所述任一无人机的拥挤度根据无人机感知范围内的无人机数量确定。
根据本发明一个实施例的无人机集群协同电子侦察的调度方法,所述多个无人机中心位置的拥挤度,根据多个无人机拥挤度的均值确定。
根据本发明一个实施例的无人机集群协同电子侦察的调度方法,所述多个无人机中心位置的感知范围内辐射源数量,根据多个无人机感知范围内辐射源数量均值确定。
本发明还提供一种无人机集群协同电子侦察的调度装置,包括:辐射感知模块,用于确定任一无人机感知范围内辐射源的数量;移动处理模块,用于进行如下判断及无人机的移动控制:
若所述任一无人机感知范围内辐射源的数量为0,且感知范围内的无人机数量也为0,则所述任一无人机随机方向移动不超过标准步长的距离,直至范围内的辐射源数量增加;
若所述任一无人机感知范围内辐射源的数量为0,且感知范围内只有一个无人机,同时,所述一个无人机感知范围内辐射源数量大于0,且所述任一无人机的拥挤度小于预设阈值,则所述任一无人机向所述一个无人机移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加;
若所述任一无人机感知范围内辐射源的数量为0,且感知范围内有多个无人机,同时,所述多个无人机中心位置的感知范围内辐射源数量大于0,且所述多个无人机中心位置的拥挤度小于预设阈值,则所述任一无人机向所述多个无人机中心位置移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加。
根据本发明一个实施例的无人机集群协同电子侦察的调度装置,所述移动处理模块还用于:若所述任一无人机感知范围内辐射源的数量大于0,则所述任一无人机移动到辐射源的中心位置;辐射感知模块还用于,重复确定所述任一无人机感知范围内辐射源的数量,并根据辐射源的数量确定所述任一无人机的移动。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述无人机集群协同电子侦察的调度方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述无人机集群协同电子侦察的调度方法的步骤。
本发明提供的无人机集群协同电子侦察的调度方法及装置,无需观测环境的先验信息,即无人机集群在辐射源位置信息未知的情况下能够开展自主位置调整,实现无人机集群的网络拓扑结构优化。此外,可以通过设置每次的最大移动距离和迭代优化次数实现对无人机集群结构优化算法的控制,根据不同情况实现最佳性能表现。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的无人机集群协同电子侦察的调度方法的流程示意图;
图2是本发明无人机集群协同电子侦察的调度方法的拓扑迭代次数与辐射源覆盖率的关系图;
图3是无人机集群未采用本发明优化前的拓扑结构图;
图4是无人机集群采用本发明优化后的拓扑结构图;
图5是本发明提供的无人机集群协同电子侦察的调度装置的结构示意图;
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合图1-图6描述本发明的无人机集群协同电子侦察的调度方法及装置。图1是本发明提供的无人机集群协同电子侦察的调度方法的流程示意图,如图1所示,本发明提供无人机集群协同电子侦察的调度方法,包括:
101、确定任一无人机感知范围内辐射源的数量。
无人机搭载的电子侦查载荷对辐射源进行侦查,其侦查范围为以自身为球心的半径为R的球体,R将作为参数来描述系统的辐射源覆盖率和拓扑优化的过程。
无人机集群协同对指定区域进行辐射源的监测,其中包括无人机平台和辐射源,各个无人机的感知距离和辐射源的强调假设相同,在指定范围内辐射源随机分布且无人机集群没有辐射源位置的先验信息,假设在指定的观测区域内随机分布着K个辐射源,被侦查的辐射源事件集表示为S={s1,s2,…,sK},sk∈S,k=1,2,…,K;L个搭载电子侦查载荷的无人机平台对辐射源进行侦查,所有无人机的有效侦查半径为R且均能同指挥中心保持有效通信和位置定位。用Nsensing(l)表示第l个无人机的感知范围内辐射源的数量。
102、若所述任一无人机感知范围内辐射源的数量为0,且感知范围内的无人机数量也为0,则所述任一无人机随机方向移动不超过标准步长的距离,直至范围内的辐射源数量增加。
若Nsensing(l)=0,即第l个无人机的感知范围内辐射源的数量为零,则相应的无人机可细分为三种情况进行移动。
103、若所述任一无人机感知范围内辐射源的数量为0,且感知范围内只有一个无人机,同时,所述一个无人机感知范围内辐射源数量大于0,且所述一个无人机的拥挤度小于预设阈值,则所述任一无人机向所述一个无人机移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加。
在一个实施例中,所述任一无人机的拥挤度根据无人机感知范围内的无人机数量确定。具体地,Nl为第l个无人机感知范围内的无人机数量,则拥挤度ρi=Ni/L,L为无人机总数。
在103中,N(l)=1,即第l个无人机感知范围内存在一个无人机平台。为了方便描述,我们假设此无人机编号为i,此时若Nsensing(i)>Nsensing(l)且拥挤度ρi=Ni/L<λ(预设阈值为λ),即证明在无人机平台i的辐射源感知数量大于无人机平台l的数量,且无人机平台i处的拥挤度低于门限值,则此时无人机平台l向无人机平台i的方向移动一步,即:
移动后,若辐射源感知数量Nsensing(l)增大,则表示移动成功,否则继续此操作。
104、若所述任一无人机感知范围内辐射源的数量为0,且感知范围内有多个无人机,同时,所述多个无人机中心位置的感知范围内辐射源数量大于0,且所述多个无人机中心位置的拥挤度小于预设阈值,则所述任一无人机向所述多个无人机中心位置移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加。
在一个实施例中,所述多个无人机中心位置的拥挤度,根据多个无人机拥挤度的均值确定,具体如下:
ρc为多个无人机中心位置的拥挤度,M为多个无人机的数目,ρm为M个无人机中的一个的拥挤度。
在一个实施例中,所述多个无人机中心位置的感知范围内辐射源数量,根据多个无人机感知范围内辐射源数量均值确定,具体如下:
Nsensing(c)为多个无人机中心位置的感知范围内辐射源数量,M为多个无人机的数目,Nsensing(m)为M个无人机中m个无人机的感知范围内辐射源数量。
在104中,N(l)>1,即第l个无人机感知范围内存在多个无人机平台,此时首先找到附近无人机平台集群的中心位置:
再分别计算此中心位置处的辐射源感知数量和此处的平台拥挤度,此时若Nsensing(c)>Nsensing(l)且ρc<λ,即证明在无人机集群中心位置c的辐射源感知数量大于无人机平台l的数量,且无人机平台i处的拥挤度低于门限值,则此时无人机平台l向无人机集群中心位置c的方向移动一步,即:
移动后,若辐射源感知数量Nsensing(l)增大,则表示移动成功,否则继续此操作。
本发明的无人机集群协同电子侦察的调度方法,无需观测环境的先验信息,即无人机集群在辐射源位置信息未知的情况下能够开展自主位置调整,实现无人机集群的网络拓扑结构优化。此外,可以通过设置每次的最大移动距离和迭代优化次数实现对无人机集群结构优化算法的控制,根据不同情况实现最佳性能表现。
在一个实施例中,若所述任一无人机感知范围内辐射源的数量大于0,则所述任一无人机移动到辐射源的中心位置。可选的,还包括,重复确定所述任一无人机感知范围内辐射源的数量,并根据辐射源的数量确定所述任一无人机的移动过程。
若Nsensing(l)>0,即第l个无人机的感知范围内辐射源的数量大于零,则该无人机平台移动到所感知辐射源的中心位置。可选地,所述任一无人机继续操作步骤101~104以及前述过程。
在一个实施例中,对其它所有无人机进行确定感知范围内辐射源的数量,以及根据辐射源的数量确定无人机的移动的过程,直至所有无人机完成位置移动。
即区域内所有的无人机平台均按上述步骤或者结合可选实施例的步骤,进行执行或者迭代多次执行,直至无人机节点位置移动结束。
如图2所示,增加无人机平台的数量可以显著提升无人机集群网络协同电子侦查的覆盖率,但是这将带来系统成本和系统复杂度的提高。根据我们提出的无人机集群自适应拓扑结构优化的方法,无人机根据自身的辐射源感知情况和周边无人机平台位置,实时调整自身位置。通过迭代调整的方法,可以在不增加平台数量和系统复杂度的情况下有小提升对感知范围内辐射源的有效覆盖。
对比图3和图4,可以看到无人机平台在不需要辐射源位置信息的情况下可以自行调整位置,进而优化无人机集群的拓扑结构。仿真结果表明,经过20次的迭代拓扑结构优化,无人机位置分布更加合理,相应的辐射源覆盖率也得到提升。
下面对本发明提供的无人机集群协同电子侦察的调度装置进行描述,下文描述的无人机集群协同电子侦察的调度装置与上文描述的无人机集群协同电子侦察的调度方法可相互对应参照。
图5是本发明提供的无人机集群协同电子侦察的调度装置的结构示意图,如图5所示,该无人机集群协同电子侦察的调度装置包括:辐射感知模块501和移动处理模块502。其中,辐射感知模块501用于确定任一无人机感知范围内辐射源的数量;移动处理模块502用于进行如下判断及无人机的移动控制:
若所述任一无人机感知范围内辐射源的数量为0,且感知范围内的无人机数量也为0,则所述任一无人机随机方向移动不超过标准步长的距离,直至范围内的辐射源数量增加;若所述任一无人机感知范围内辐射源的数量为0,且感知范围内只有一个无人机,同时,所述一个无人机感知范围内辐射源数量大于0,且所述一个无人机的拥挤度小于预设阈值,则所述任一无人机向所述一个无人机移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加;若所述任一无人机感知范围内辐射源的数量为0,且感知范围内有多个无人机,同时,所述多个无人机中心位置的感知范围内辐射源数量大于0,且所述多个无人机中心位置的拥挤度小于预设阈值,则所述任一无人机向所述多个无人机中心位置移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加。
在一个实施例中,所述移动处理模块502还用于:若所述任一无人机感知范围内辐射源的数量大于0,则所述任一无人机移动到辐射源的中心位置。辐射感知模块501还用于,重复确定所述任一无人机感知范围内辐射源的数量,用于移动处理模块根据辐射源的数量确定所述任一无人机的移动过程。
本发明实施例提供的装置实施例是为了实现上述各方法实施例的,具体流程和详细内容请参照上述方法实施例,此处不再赘述。
本发明实施例提供的无人机集群协同电子侦察的调度装置,无需观测环境的先验信息,即无人机集群在辐射源位置信息未知的情况下能够开展自主位置调整,实现无人机集群的网络拓扑结构优化。此外,可以通过设置每次的最大移动距离和迭代优化次数实现对无人机集群结构优化算法的控制,根据不同情况实现最佳性能表现。
图6是本发明提供的电子设备的结构示意图,如图6所示,该电子设备可以包括:处理器(processor)601、通信接口(Communications Interface)602、存储器(memory)603和通信总线604,其中,处理器601,通信接口602,存储器603通过通信总线604完成相互间的通信。处理器601可以调用存储器603中的逻辑指令,以执行无人机集群协同电子侦察的调度方法,该方法包括:确定任一无人机感知范围内辐射源的数量;若所述任一无人机感知范围内辐射源的数量为0,且感知范围内的无人机数量也为0,则所述任一无人机随机方向移动不超过标准步长的距离,直至范围内的辐射源数量增加;若所述任一无人机感知范围内辐射源的数量为0,且感知范围内只有一个无人机,同时,所述一个无人机感知范围内辐射源数量大于0,且所述一个无人机的拥挤度小于预设阈值,则所述任一无人机向所述一个无人机移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加;若所述任一无人机感知范围内辐射源的数量为0,且感知范围内有多个无人机,同时,所述多个无人机中心位置的感知范围内辐射源数量大于0,且所述多个无人机中心位置的拥挤度小于预设阈值,则所述任一无人机向所述多个无人机中心位置移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加。
此外,上述的存储器603中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的无人机集群协同电子侦察的调度方法,该方法包括:确定任一无人机感知范围内辐射源的数量;若所述任一无人机感知范围内辐射源的数量为0,且感知范围内的无人机数量也为0,则所述任一无人机随机方向移动不超过标准步长的距离,直至范围内的辐射源数量增加;若所述任一无人机感知范围内辐射源的数量为0,且感知范围内只有一个无人机,同时,所述一个无人机感知范围内辐射源数量大于0,且所述一个无人机的拥挤度小于预设阈值,则所述任一无人机向所述一个无人机移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加;若所述任一无人机感知范围内辐射源的数量为0,且感知范围内有多个无人机,同时,所述多个无人机中心位置的感知范围内辐射源数量大于0,且所述多个无人机中心位置的拥挤度小于预设阈值,则所述任一无人机向所述多个无人机中心位置移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的无人机集群协同电子侦察的调度方法,该方法包括:确定任一无人机感知范围内辐射源的数量;若所述任一无人机感知范围内辐射源的数量为0,且感知范围内的无人机数量也为0,则所述任一无人机随机方向移动不超过标准步长的距离,直至范围内的辐射源数量增加;若所述任一无人机感知范围内辐射源的数量为0,且感知范围内只有一个无人机,同时,所述一个无人机感知范围内辐射源数量大于0,且所述一个无人机的拥挤度小于预设阈值,则所述任一无人机向所述一个无人机移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加;若所述任一无人机感知范围内辐射源的数量为0,且感知范围内有多个无人机,同时,所述多个无人机中心位置的感知范围内辐射源数量大于0,且所述多个无人机中心位置的拥挤度小于预设阈值,则所述任一无人机向所述多个无人机中心位置移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种无人机集群协同电子侦察的调度方法,其特征在于,包括:
确定任一无人机感知范围内辐射源的数量;
若所述任一无人机感知范围内辐射源的数量为0,且感知范围内的无人机数量也为0,则所述任一无人机随机方向移动不超过标准步长的距离,直至范围内的辐射源数量增加;
若所述任一无人机感知范围内辐射源的数量为0,且感知范围内只有一个无人机,同时,所述一个无人机感知范围内辐射源数量大于0,且所述一个无人机的拥挤度小于预设阈值,则所述任一无人机向所述一个无人机移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加;
若所述任一无人机感知范围内辐射源的数量为0,且感知范围内有多个无人机,同时,所述多个无人机中心位置的感知范围内辐射源数量大于0,且所述多个无人机中心位置的拥挤度小于预设阈值,则所述任一无人机向所述多个无人机中心位置移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加。
2.根据权利要求1所述的无人机集群协同电子侦察的调度方法,其特征在于,还包括:
若所述任一无人机感知范围内辐射源的数量大于0,则所述任一无人机移动到辐射源的中心位置;
重复确定所述任一无人机感知范围内辐射源的数量,并根据辐射源的数量确定所述任一无人机的移动过程。
3.根据权利要求1或2所述的无人机集群协同电子侦察的调度方法,其特征在于,还包括:
对其它所有无人机进行确定感知范围内辐射源的数量,以及根据辐射源的数量确定无人机移动的过程,直至所有无人机完成位置移动。
4.根据权利要求1所述的无人机集群协同电子侦察的调度方法,其特征在于,所述任一无人机的拥挤度根据无人机感知范围内的无人机数量确定。
5.根据权利要求1所述的无人机集群协同电子侦察的调度方法,其特征在于,所述多个无人机中心位置的拥挤度,根据多个无人机拥挤度的均值确定。
6.根据权利要求1所述的无人机集群协同电子侦察的调度方法,其特征在于,所述多个无人机中心位置的感知范围内辐射源数量,根据多个无人机感知范围内辐射源数量均值确定。
7.一种无人机集群协同电子侦察的调度装置,其特征在于,包括:
辐射感知模块,用于确定任一无人机感知范围内辐射源的数量;
移动处理模块,用于进行如下判断及无人机的移动控制:
若所述任一无人机感知范围内辐射源的数量为0,且感知范围内的无人机数量也为0,则所述任一无人机随机方向移动不超过标准步长的距离,直至范围内的辐射源数量增加;
若所述任一无人机感知范围内辐射源的数量为0,且感知范围内只有一个无人机,同时,所述一个无人机感知范围内辐射源数量大于0,且所述一个无人机的拥挤度小于预设阈值,则所述任一无人机向所述一个无人机移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加;
若所述任一无人机感知范围内辐射源的数量为0,且感知范围内有多个无人机,同时,所述多个无人机中心位置的感知范围内辐射源数量大于0,且所述多个无人机中心位置的拥挤度小于预设阈值,则所述任一无人机向所述多个无人机中心位置移动不超过标准步长的距离,直至所述任一无人机感知范围内辐射源数量增加。
8.根据权利要求1所述的无人机集群协同电子侦察的调度装置,其特征在于,所述移动处理模块还用于:
若所述任一无人机感知范围内辐射源的数量大于0,则所述任一无人机移动到辐射源的中心位置;
辐射感知模块还用于,重复确定所述任一无人机感知范围内辐射源的数量,并根据辐射源的数量确定所述任一无人机的移动过程。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述无人机集群协同电子侦察的调度方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述无人机集群协同电子侦察的调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110361908.5A CN113126652B (zh) | 2021-04-02 | 2021-04-02 | 无人机集群协同电子侦察的调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110361908.5A CN113126652B (zh) | 2021-04-02 | 2021-04-02 | 无人机集群协同电子侦察的调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113126652A true CN113126652A (zh) | 2021-07-16 |
CN113126652B CN113126652B (zh) | 2022-09-30 |
Family
ID=76774745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110361908.5A Active CN113126652B (zh) | 2021-04-02 | 2021-04-02 | 无人机集群协同电子侦察的调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113126652B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113821049A (zh) * | 2021-08-25 | 2021-12-21 | 中山大学 | 基于蚂蚁信息素机制的无人机集群涌现感知方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105842683A (zh) * | 2016-05-27 | 2016-08-10 | 南京博驰光电科技有限公司 | 一种无人机综合防御系统及方法 |
CN107521678A (zh) * | 2017-08-14 | 2017-12-29 | 上海交通大学 | 用于核辐射放射源定位及抓取的无人机系统及其方法 |
CN109581458A (zh) * | 2018-12-14 | 2019-04-05 | 中国人民解放军第二军医大学 | 基于无人机的核辐射寻源系统 |
CN110261819A (zh) * | 2019-06-19 | 2019-09-20 | 南京航空航天大学 | 基于时延补偿的多无人机协同定位方法 |
CN111490848A (zh) * | 2020-04-03 | 2020-08-04 | 中国人民解放军海军航空大学 | 一种基于异构认知传感网的电子对抗侦察体系架构 |
CN112130581A (zh) * | 2020-08-19 | 2020-12-25 | 昆明理工大学 | 一种面向空中机动作战的无人机集群协同任务规划方法 |
-
2021
- 2021-04-02 CN CN202110361908.5A patent/CN113126652B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105842683A (zh) * | 2016-05-27 | 2016-08-10 | 南京博驰光电科技有限公司 | 一种无人机综合防御系统及方法 |
CN107521678A (zh) * | 2017-08-14 | 2017-12-29 | 上海交通大学 | 用于核辐射放射源定位及抓取的无人机系统及其方法 |
CN109581458A (zh) * | 2018-12-14 | 2019-04-05 | 中国人民解放军第二军医大学 | 基于无人机的核辐射寻源系统 |
CN110261819A (zh) * | 2019-06-19 | 2019-09-20 | 南京航空航天大学 | 基于时延补偿的多无人机协同定位方法 |
CN111490848A (zh) * | 2020-04-03 | 2020-08-04 | 中国人民解放军海军航空大学 | 一种基于异构认知传感网的电子对抗侦察体系架构 |
CN112130581A (zh) * | 2020-08-19 | 2020-12-25 | 昆明理工大学 | 一种面向空中机动作战的无人机集群协同任务规划方法 |
Non-Patent Citations (4)
Title |
---|
FUCHENG YANG等: "UAV-Based Collaborative Electronic Reconnaissance Network for 6G", 《WILEY》, 3 September 2021 (2021-09-03), pages 1 - 7 * |
YICHUAN YANG等: "Multi-static radar power allocation for multi-stage stochastic task of missile interception", 《IET RADAR, SONAR & NAVIGATION》, 2 March 2018 (2018-03-02), pages 540 - 548 * |
张海峰 等: "基于任务协同的无人机多侦察载荷使用", 《海军航空工程学院学报》, vol. 33, no. 3, 31 December 2018 (2018-12-31), pages 333 - 338 * |
陈知秋 等: "无人机对辐射源定位方法精度分析与控制策略", 《测控技术》, vol. 31, no. 4, 31 December 2012 (2012-12-31), pages 67 - 72 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113821049A (zh) * | 2021-08-25 | 2021-12-21 | 中山大学 | 基于蚂蚁信息素机制的无人机集群涌现感知方法及装置 |
CN113821049B (zh) * | 2021-08-25 | 2022-10-14 | 中山大学 | 基于蚂蚁信息素机制的无人机集群涌现感知方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113126652B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Fault-tolerant cooperative navigation of networked UAV swarms for forest fire monitoring | |
CN108897312B (zh) | 多无人飞行器对大规模环境的持续监控路径规划方法 | |
US20170131727A1 (en) | Dynamic task allocation in an autonomous multi-uav mission | |
Chen et al. | The coverage problem in UAV network: A survey | |
Chang et al. | Coactive design of explainable agent-based task planning and deep reinforcement learning for human-UAVs teamwork | |
CN110850891A (zh) | 一种基于空间和时间协同的多无人机动态航路规划方法 | |
Sharifi et al. | Cooperative multi-vehicle search and coverage problem in an uncertain environment | |
Blasi et al. | A particle swarm approach for flight path optimization in a constrained environment | |
CN112367111A (zh) | 一种无人机中继部署方法、系统、计算机设备及应用 | |
US20200166928A1 (en) | Unmanned vehicles and associated hub devices | |
CN113342030B (zh) | 基于强化学习的多无人机协同自组织控制方法及系统 | |
CN112859915B (zh) | 基于饱和阈值事件触发的高层消防无人机编队控制方法及系统 | |
CN114489147B (zh) | 无人机集群自组织区域覆盖方法、装置和设备 | |
Shin et al. | UAV swarms: Decision-making paradigms | |
CN113126652B (zh) | 无人机集群协同电子侦察的调度方法及装置 | |
CN112001309A (zh) | 基于无人机集群的目标搜索方法、装置、设备及存储介质 | |
CN114115329A (zh) | 中继协同无人机任务规划方法及装置 | |
Hu et al. | Vision-based multi-agent cooperative target search | |
Wu et al. | Collision-aware task assignment for multi-robot systems | |
CN112396298A (zh) | 一种无人直升机多机协同任务规划方法 | |
SKOBELEV et al. | Multi-agent tasks scheduling for coordinated actions of unmanned aerial vehicles acting in group | |
Poudel et al. | Priority-aware task assignment and path planning for efficient and load-balanced multi-UAV operation | |
Patley et al. | Modified particle swarm optimization based path planning for multi-UAV formation | |
Weinan et al. | A distributed and integrated method for cooperative mission planning of multiple heterogeneous UAVs | |
Zadeh et al. | Multi-uavs for bushfire situational awareness: a comparison of environment traversal algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |