CN113821049B - 基于蚂蚁信息素机制的无人机集群涌现感知方法及装置 - Google Patents
基于蚂蚁信息素机制的无人机集群涌现感知方法及装置 Download PDFInfo
- Publication number
- CN113821049B CN113821049B CN202110979112.6A CN202110979112A CN113821049B CN 113821049 B CN113821049 B CN 113821049B CN 202110979112 A CN202110979112 A CN 202110979112A CN 113821049 B CN113821049 B CN 113821049B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- radiation source
- neighborhood
- reconnaissance
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
Abstract
本发明公开了基于蚂蚁信息素机制的无人机集群涌现感知方法及装置,方法包括:对各架无人机在起飞前的先验信息进行初始化;其中,所述各架无人机的先验信息保持一致;所述各架无人机根据所述先验信息在对应的空域进行辐射源信号搜寻;当任一所述无人机发现辐射源信号时,该无人机将当前时刻的第一信息包发送给目标范围内的邻域无人机;所述邻域无人机根据所述第一信息包调整自身的飞行方向和侦察方向;当所述无人机在发现所述辐射源信号时,都提高所述辐射源信号对应位置的置信度;当所述置信度高于第一阈值时,确定所述置信度对应位置为侦察结果。本发明能够提高对目标辐射源的侦察感知精度,可广泛应用于电子信息技术领域。
Description
技术领域
本发明涉及电子信息技术领域,尤其是基于蚂蚁信息素机制的无人机集群涌现感知方法及装置。
背景技术
在复杂环境中的侦察感知任务中,单个无人机由于受到天气、电磁波等外在因素的影响,导致感知精度较差,无法实现对目标辐射源的定位。因此如何通过集群之间的协同,发挥出集群的优势来完成任务,已经成为了一项重要的挑战。
发明内容
有鉴于此,本发明实施例提供基于蚂蚁信息素机制的无人机集群涌现感知方法及装置,以提高对目标辐射源的侦察感知精度。
本发明实施例的一方面提供了一种基于蚂蚁信息素机制的无人机集群涌现感知方法,包括:
对各架无人机在起飞前的先验信息进行初始化;其中,所述各架无人机的先验信息保持一致;
所述各架无人机根据所述先验信息在对应的空域进行辐射源信号搜寻;
当任一所述无人机发现辐射源信号时,该无人机将当前时刻的第一信息包发送给目标范围内的邻域无人机;
所述邻域无人机根据所述第一信息包调整自身的飞行方向和侦察方向;
当所述无人机在发现所述辐射源信号时,都提高所述辐射源信号对应位置的置信度;
当所述置信度高于第一阈值时,确定所述置信度对应位置为侦察结果。
可选地,所述方法还包括:
在确定所述置信度对应位置为侦察结果之后,耗散当前辐射源信号对应的信息包;
控制所述各架无人机执行下一侦察任务。
可选地,所述各架无人机上具有通信设备,所述通信设备用于实现无人机之间的数据通信以及用于实现无人机与控制中心之间的远程通信;
所述无人机能够响应于远程通信指令进行飞行模式调整和姿态调整;
所述辐射源包括机扫辐射源或相控阵辐射源。
可选地,所述无人机在飞行过程中的飞行约束集合包括运动约束、侦察约束和通信约束;
其中,所述运动约束表征任意两架所述无人机在任一时刻的距离大于安全飞行最小间距;
所述侦察约束表征任意无人机在任意时刻测出的辐射源的信号描述字;
所述通信约束表征任意两架无人机之间的数据通信以及无人机与控制中心之间的数据通信。
可选地,所述方法还包括:
每架无人机将自身侦察到的辐射源信息与接收到其他无人机侦察到的辐射源信息进行加权处理,融合得到对应辐射源的信息素。
可选地,所述无人机将当前时刻的第一信息包发送给目标范围内的邻域无人机这一步骤之后,还包括:
邻域无人机判断自己机身上是否存在对应辐射源的信息素,若是,则对接收到的第一信息包进行加权处理,并增加该辐射源的位置的置信度;若否,则由所述邻域无人机根据所述第一信息包调整自身的飞行方向和侦察方向,直至邻域无人机找到对应辐射源,并在所述邻域无人机上存储了对应辐射源的信息素。
可选地,当所述邻域无人机找到对应辐射源之后,判断该邻域无人机是否已经存有该辐射源的信息素,若是,则对该辐射源的信息素进行加权处理,并增加该辐射源的位置的置信度;若否,则存储该辐射源的信息素。
本发明实施例另一方面提供了基于蚂蚁信息素机制的无人机集群涌现感知装置,包括:
第一模块,用于对各架无人机在起飞前的先验信息进行初始化;其中,所述各架无人机的先验信息保持一致;
第二模块,用于所述各架无人机根据所述先验信息在对应的空域进行辐射源信号搜寻;
第三模块,用于当任一所述无人机发现辐射源信号时,该无人机将当前时刻的第一信息包发送给目标范围内的邻域无人机;
第四模块,用于所述邻域无人机根据所述第一信息包调整自身的飞行方向和侦察方向;
第五模块,用于当所述无人机在发现所述辐射源信号时,都提高所述辐射源信号对应位置的置信度;
第六模块,用于当所述置信度高于第一阈值时,确定所述置信度对应位置为侦察结果。
本发明实施例另一方面提供了一种电子设备,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例另一方面提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前面的方法。
本发明的实施例对各架无人机在起飞前的先验信息进行初始化;其中,所述各架无人机的先验信息保持一致;所述各架无人机根据所述先验信息在对应的空域进行辐射源信号搜寻;当任一所述无人机发现辐射源信号时,该无人机将当前时刻的第一信息包发送给目标范围内的邻域无人机;所述邻域无人机根据所述第一信息包调整自身的飞行方向和侦察方向;当所述无人机在发现所述辐射源信号时,都提高所述辐射源信号对应位置的置信度;当所述置信度高于第一阈值时,确定所述置信度对应位置为侦察结果。本发明能够提高对目标辐射源的侦察感知精度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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为发生信息素涌现时刻的效果示意图;
图2为本发明实施例的整体算法流程图;
图3为本发明实施例提供的基于蚂蚁信息素机制的无人机集群涌现感知演化步骤流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
针对现有技术存在的问题,本发明实施例提供了一种基于蚂蚁信息素机制的无人机集群涌现感知方法,包括:
对各架无人机在起飞前的先验信息进行初始化;其中,所述各架无人机的先验信息保持一致;
所述各架无人机根据所述先验信息在对应的空域进行辐射源信号搜寻;
当任一所述无人机发现辐射源信号时,该无人机将当前时刻的第一信息包发送给目标范围内的邻域无人机;
所述邻域无人机根据所述第一信息包调整自身的飞行方向和侦察方向;
当所述无人机在发现所述辐射源信号时,都提高所述辐射源信号对应位置的置信度;
当所述置信度高于第一阈值时,确定所述置信度对应位置为侦察结果。
可选地,所述方法还包括:
在确定所述置信度对应位置为侦察结果之后,耗散当前辐射源信号对应的信息包;
控制所述各架无人机执行下一侦察任务。
可选地,所述各架无人机上具有通信设备,所述通信设备用于实现无人机之间的数据通信以及用于实现无人机与控制中心之间的远程通信;
所述无人机能够响应于远程通信指令进行飞行模式调整和姿态调整;
所述辐射源包括机扫辐射源或相控阵辐射源。
可选地,所述无人机在飞行过程中的飞行约束集合包括运动约束、侦察约束和通信约束;
其中,所述运动约束表征任意两架所述无人机在任一时刻的距离大于安全飞行最小间距;
所述侦察约束表征任意无人机在任意时刻测出的辐射源的信号描述字;
所述通信约束表征任意两架无人机之间的数据通信以及无人机与控制中心之间的数据通信。
可选地,所述方法还包括:
每架无人机将自身侦察到的辐射源信息与接收到其他无人机侦察到的辐射源信息进行加权处理,融合得到对应辐射源的信息素。
可选地,所述无人机将当前时刻的第一信息包发送给目标范围内的邻域无人机这一步骤之后,还包括:
邻域无人机判断自己机身上是否存在对应辐射源的信息素,若是,则对接收到的第一信息包进行加权处理,并增加该辐射源的位置的置信度;若否,则由所述邻域无人机根据所述第一信息包调整自身的飞行方向和侦察方向,直至邻域无人机找到对应辐射源,并在所述邻域无人机上存储了对应辐射源的信息素。
可选地,当所述邻域无人机找到对应辐射源之后,判断该邻域无人机是否已经存有该辐射源的信息素,若是,则对该辐射源的信息素进行加权处理,并增加该辐射源的位置的置信度;若否,则存储该辐射源的信息素。
本发明实施例提供了基于蚂蚁信息素机制的无人机集群涌现感知装置,包括:
第一模块,用于对各架无人机在起飞前的先验信息进行初始化;其中,所述各架无人机的先验信息保持一致;
第二模块,用于所述各架无人机根据所述先验信息在对应的空域进行辐射源信号搜寻;
第三模块,用于当任一所述无人机发现辐射源信号时,该无人机将当前时刻的第一信息包发送给目标范围内的邻域无人机;
第四模块,用于所述邻域无人机根据所述第一信息包调整自身的飞行方向和侦察方向;
第五模块,用于当所述无人机在发现所述辐射源信号时,都提高所述辐射源信号对应位置的置信度;
第六模块,用于当所述置信度高于第一阈值时,确定所述置信度对应位置为侦察结果。
本发明实施例提供了一种电子设备,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前面的方法。
下面结合说明书附图,对本发明的具体实现原理进行详细说明:
首先需要说明的是,蚂蚁在觅食的过程中,能够分为搜索食物和搬运食物两个环节。每个蚂蚁在运动过程中都会在其经过的路径上留下信息素,而且能够感知到信息素的存在及其强度,比较倾向于向信息素浓度高的路径移动,同样信息素自身也会随着时间的流逝而挥发,显然某一路径上经过的蚂蚁数目越多,那么其信息素就越强,以后的蚂蚁选择该路径的可能性就比较高,整个蚁群的行为表现出了信息正反馈现象。
在复杂环境中的侦察感知任务中,单个无人机由于受到天气、电磁波等外在因素的影响,导致感知精度较差,无法实现对目标辐射源的定位。因此如何通过集群之间的协同,发挥出集群的优势来完成任务,已经成为了一项重要的挑战。针对上述问题,本发明受到蚁群觅食的启发,提出了一种基于蚂蚁信息素机制的涌现感知方法,提高了对目标辐射源信息侦察感知的精度。
图1是蚁群“信息素”式涌现的示意图,假设多个无人机在空间分散分布,以便取得良好的测向交叉定位效果。初试状态时,如图1(a)所示,无人机101个体飞行方向和侦察方向杂乱无序,通过无人机个体之间的信息素交互机制,无人机个体会逐渐调整测向的角度和飞行的方向,当置信度达到一定门限后,如图1(b)所示,实现了侦察的涌现,将侦察的结果进行上报。
在本实施例中,假设无人机集群中每个个体都是同质的,在无人机释放前,均装有相同的先验信息(如辐射源频段范围、调制类型)。在指定空域,分散释放无人机,每架无人机独立执行侦察任务。当某架无人机发现辐射源信号,则将信息包(时间、置信度、测频结果、测向结果和自身位置)发送给一定范围内的无人机,周围的无人机接收到该信号后,按照一定的置信概率调整自己的飞行方向和侦察方向。同时个体在独立侦察的过程中,如果侦测到所关注的信号,则将信息包的置信度增加,修正侦察数据,再传递给其他无人机。当所侦察的辐射源信号位置置信度达到一定门限,“涌现”产生,该侦察结果即为需要上报的侦察结果,此时系统发生“雪崩”效应,快速耗散掉关于该辐射源的信息包,并开始下一次独立侦察的过程,算法的流程图如图2所示。
需要说明的是,本发明中,前置假设条件如下:每架无人机可通过程控指令进行飞行模式调整和姿态调整,并可以选择开启和关闭侦察设备。每个无人机携带侦察设备测量辐射源脉冲描述字(主要是测频、侧向,还可以测量信号的脉宽、带宽、重频及调制方式)。每个单元携带通信设备可以与别的无人机实现短程通信(传递指令及数据)。每架无人机也可以与控制中心(地面或空中)实现远程遥控通信。假设辐射源为机扫或相控阵辐射源,在一个扫描周期内可近似认为辐射源是不动的,这样交叉定位算法才能取得较好的聚集效果。
本发明中,对每架无人机配置对应的约束条件,具体地:
以平面二维飞行为例,先考虑多部无人机对多部辐射源的协同侦察情况。假设有N架无人机(比如N=100),设在无人机的飞行控制区域为{(x,y)|(x,y)∈[xmin,xmax]×[ymin,ymax]},为方便起见,假设该区域为矩形区域。当然,也可以辐射源的扇形区域来分析问题,并不影响结论(例如{(R,A)|(R,A)∈[Rmin,Rmax]×[Amin,Amax]})。
每一架无人机都是同质的,携带侦察设备,假设只能对辐射源进行单脉冲测向,且测向精度不高。但通过一个辐射源扫描周期T的数据积累,最多可能有N个测向数据,这些数据通过测向交叉定位,可以精确定出辐射源的位置(理论上只需要两架方位不同的无人机测向数据,即可定出辐射源位置)。
考虑到刚开始投放无人机始可能有先验信息(大致辐射源坐标),也可能没有任何先验信息。在没有任何先验信息的情况下,需要无人机初始搜索,订立信息传递规则、运动规则、并通过演化自组织形成最佳构型。特别是在有多部辐射源的情况下,传统“他组织”形态的构型非常不稳健;而通过自组织形态进行自主搜索,自主演化,可实现类似遗传算法的并行演化规则,最终搜索出多个全局解。其结果是一群无人机演化到协同侦察一部辐射源;而另一群无人机演化到协同侦察另一部辐射源。也即是说自组织侦察可以实现体系对抗优势,因为数量众多,可以保证并行协同演化到最佳形态。
设辐射源的扫描周期为T,在时间T内N架无人机完成对M部辐射源的协同定位(N>>M)。假设M部辐射源以中心频率进行区分(fl,l=1,2,...,M)。
运动约束:运动约束主要指自身控制安全飞行以及两两间的防撞安全。
每架无人机的飞行速度为设自身飞行满足最大和最小的约束条件,即vi∈[vmin,vmax]。每架无人机在辐射源扫描周期T允许的最大角度变化范围为ΔA,即|Ai(k+1)-Ai(k)|≤ΔA。任两架无人机在某一时刻的距离必须大于安全飞行最小间距,即
下标“M”表示运动约束。
侦察约束:每架无人的基本侦察信息描述字为Ii(k)={ti(k),si(k),fi(k),Ai(k)}(本文称为“信息素”,类似于蚂蚁搬家的信息素),其中t为侦察时间,s为侦察置信度(s∈[0,1]),f为测频结果,A为该频点的测向结果(相对于自身平台或变换某一绝对坐标点)。当然在某个时刻某架无人机可能测出两部甚至多部辐射源的信号描述字,可将该信息包记为
通信约束:每架无人机都可以和地面或空中进行远程通信,如下达遥控命令返回或攻击;也可以两两间短程进行信息交互。为什么用短程通信其根本原因是避免整体演化陷入局部收敛,有利于在小范围发现新的辐射源。短程通信传递的信息包就是上面的Ii(k)。假设每架无人机只能和据它一定范围内的其它无人机进行通信,设该通信视距为Δc(下标“C”表示通信约束)。因此第i架无人机和第j架无人机能够短程通信的基本条件为Δij≤Δc。一般来说通信约束的间距要大于上面的避免碰撞的间距,即Δc>ΔM。图1中的小圆圈即表示以该架无人机为中心,允许短程通信的范围。这里有一个假设条件,假设无人机携带的是全向通信天线,这在距离较近时是合理的,由于距离近,可以保证良好的通信条件。
下面根据上面的一系列假设制定游戏演化规则。总的原则是为了实现高精度对多个辐射源的协同定位,无人机必须在空间分散开来,以取得角度分集探测效果;另外一个原则是能量的持续注入和雪崩式耗散。要充分尊重每个个体的自主选择能力,它虽然受邻近无人机信息素的影响,根据置信度做出相应反应,但同时自己也在自主侦察。按自组织系统的观点来说,必须有持续的新的能量注入,也必须有能量的耗散。当某架无人机对某部辐射源信息素的置信度超过某个门限值sc时(如sc=0.99),“雪崩”发生了,该架无人机通过远程通信告知辐射源侦察结果(即完成一次完整的协同侦察);同时按照“雪崩”原则,通过短程通信,逐渐清除该辐射源的所有信息素(但同时保留其它辐射源的信息素)。判断是否属于某一部辐射源的信息素,可以简单按测频结果进行划分。当|fi(k)-fl|≤Δf时,Δf为测频精度,可认为第i架无人机的测量结果为频率为fl的辐射源的测量结果。用符号表示第i架无人机在第k步传递的信息素实际上为第l部辐射源的侦察信息。
基于蚂蚁信息素机制的无人机集群涌现感知演化步骤如3所示。首先载机初始化释放N架无人机,假设N架无人机均匀分布于矩形区域(xi(0),yi(0))∈[xmin,xmax]×[ymin,ymax]。每架无人机的初始化速度均匀分布于区域vi(0)∈[vmin,vmax],飞行姿态360度随机,即每架无人机独立进行侦察(测频测向),如果第i架无人机测到了第l部辐射源的信息,记为并将置信度置为最小步长si(k)=δs。否则Ii(0)=φ。
每架无人机除了接收别人的信息,自己同时也在自主侦察,并将两者融为一体。如果侦察到第l部辐射源的信息素,且已有第l部辐射源的信息素:
si(k)=si(k)+δs
上面的表明,如果有新的侦察信息,则第l部辐射源的信息素的置信度是逐渐增加的,同时其测频测角信息也按照份额进行加权修正。
如果自己侦察到了第l部辐射源的信息素,总信息素中没有第l部辐射源的信息素则:
si(k)=δs,
当系统中某部辐射源的信息素中的置信度大于某一高门限时,即si(k)≥sc,发生“雪崩”,设该次判断是第i架无人机产生的,则该架无人机通过远程通信将信息素告知控制中心,此即是一次高可信度的协同侦察结果。同时需要告知网内无人机,该部辐射源以经在前面若干个周期内通过大家的协同努力实现了高精度的侦察,最近一小段时间我们应该清除该信息,去侦察别的频段的辐射源了。雪崩的耗散规则从发生雪崩的第i架无人机为中心,一直耗散到满足通信视距的所有无人机,清除这些无人机中有关第l部辐射源的所有信息,在一个辐射源扫描周期T内完成,几乎是瞬间的。如果无人机足够密,具有长程关联性,则能保证清除所有无人机中关于第l部辐射源的侦察信息。
上面只是更新了每架无人机的信息素,为了使更多的无人机受信息素的影响进而调整自己的姿态向辐射源方向运动,需要以概率的形式改变自身姿态向辐射源方向运动。每架无人机选择最高的辐射源信息素,以概率为si(k)的大小调整自己的姿态角向辐射源方向运动。即
θi(k+1)=θi(k)±ΔA
符号的选择根据|θi(k+1)-Ai(k)|≤|θi(k)-Ai(k)|而确定,必须保证调整后与辐射源的视线角更小了,这样更有利于无人机个体开展对辐射源的独立侦察,有利于信息素的提高。
综上所述,本发明为了解决复杂环境中侦察感知精度较差的难题,通过对无人机集群涌现侦察感知的过程进行了分析与建模,同时借鉴蚂蚁信息素机制,对求解方法进行了优化,与现有技术相比:
(a)对无人机集群协同侦察感知问题进行了建模
当前目标辐射源感知面临的环境越来越复杂,单台设备测得的精度不高,因此提出无人机集群协同感知模型,利用无人机的数量优势,扩大了对目标区域的感知范围。
(b)研究了基于蚂蚁信息素机制的涌现感知方法
基于蚂蚁信息素机制,当某架无人机发现辐射源信号,则将信息包发送给一定范围内的无人机,周围的无人机接收到该信号后,按照一定的置信概率调整自己的飞行方向和侦察方向,将信息包中的置信度增加,并对侦察数据进行修正。当所侦察的辐射源信号位置置信度达到一定门限,“涌现”产生,实现侦察结果的上报,该方法提高了对目标辐射源侦察感知的精度。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以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。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (9)
1.基于蚂蚁信息素机制的无人机集群涌现感知方法,其特征在于,包括:
对各架无人机在起飞前的先验信息进行初始化;其中,所述各架无人机的先验信息保持一致,所述先验信息包括辐射源频段范围;
所述各架无人机根据所述先验信息在对应的空域进行辐射源信号搜寻,所述无人机在飞行过程中的飞行约束集合包括运动约束,所述运动约束表征任意两架所述无人机在任一时刻的距离大于安全飞行最小间距;
当任一所述无人机发现辐射源信号时,该无人机将当前时刻的第一信息包发送给目标范围内的邻域无人机,所述第一信息包记载有时间、置信度、测频结果、测向结果和自身位置;
所述邻域无人机根据所述第一信息包调整自身的飞行方向和侦察方向,以使调整后的所述邻域无人机与辐射源的视线角变小;
当所述无人机在发现所述辐射源信号时,都提高所述辐射源信号对应位置的置信度;
当所述置信度高于第一阈值时,确定所述置信度对应位置为侦察结果;
其中,在所述无人机将当前时刻的第一信息包发送给目标范围内的邻域无人机这一步骤之后,还包括:
邻域无人机判断自己机身上是否存在对应辐射源的信息素,若是,则对接收到的第一信息包进行加权处理,并增加该辐射源的位置的置信度;若否,则由所述邻域无人机根据所述第一信息包调整自身的飞行方向和侦察方向,直至邻域无人机找到对应辐射源,并在所述邻域无人机上存储了对应辐射源的信息素。
2.根据权利要求1所述的基于蚂蚁信息素机制的无人机集群涌现感知方法,其特征在于,所述方法还包括:
在确定所述置信度对应位置为侦察结果之后,耗散当前辐射源信号对应的信息包;
控制所述各架无人机执行下一侦察任务。
3.根据权利要求1所述的基于蚂蚁信息素机制的无人机集群涌现感知方法,其特征在于,
所述各架无人机上具有通信设备,所述通信设备用于实现无人机之间的数据通信以及用于实现无人机与控制中心之间的远程通信;
所述无人机能够响应于远程通信指令进行飞行模式调整和姿态调整;
所述辐射源包括机扫辐射源或相控阵辐射源。
4.根据权利要求1所述的基于蚂蚁信息素机制的无人机集群涌现感知方法,其特征在于,所述无人机在飞行过程中的飞行约束集合还包括侦察约束和通信约束;
其中,所述侦察约束表征任意无人机在任意时刻测出的辐射源的信号描述字;
所述通信约束表征任意两架无人机之间的数据通信以及无人机与控制中心之间的数据通信。
5.根据权利要求1所述的基于蚂蚁信息素机制的无人机集群涌现感知方法,其特征在于,所述方法还包括:
每架无人机将自身侦察到的辐射源信息与接收到其他无人机侦察到的辐射源信息进行加权处理,融合得到对应辐射源的信息素。
6.根据权利要求1所述的基于蚂蚁信息素机制的无人机集群涌现感知方法,其特征在于,当所述邻域无人机找到对应辐射源之后,判断该邻域无人机是否已经存有该辐射源的信息素,若是,则对该辐射源的信息素进行加权处理,并增加该辐射源的位置的置信度;若否,则存储该辐射源的信息素。
7.基于蚂蚁信息素机制的无人机集群涌现感知装置,其特征在于,包括:
第一模块,用于对各架无人机在起飞前的先验信息进行初始化;其中,所述各架无人机的先验信息保持一致,所述先验信息包括辐射源频段范围;
第二模块,用于所述各架无人机根据所述先验信息在对应的空域进行辐射源信号搜寻,所述无人机在飞行过程中的飞行约束集合包括运动约束,所述运动约束表征任意两架所述无人机在任一时刻的距离大于安全飞行最小间距;
第三模块,用于当任一所述无人机发现辐射源信号时,该无人机将当前时刻的第一信息包发送给目标范围内的邻域无人机,所述第一信息包记载有时间、置信度、测频结果、测向结果和自身位置;
第四模块,用于所述邻域无人机根据所述第一信息包调整自身的飞行方向和侦察方向,以使调整后的所述邻域无人机与辐射源的视线角变小;
第五模块,用于当所述无人机在发现所述辐射源信号时,都提高所述辐射源信号对应位置的置信度;
第六模块,用于当所述置信度高于第一阈值时,确定所述置信度对应位置为侦察结果;
其中,在所述无人机将当前时刻的第一信息包发送给目标范围内的邻域无人机这一步骤之后,还包括:
邻域无人机判断自己机身上是否存在对应辐射源的信息素,若是,则对接收到的第一信息包进行加权处理,并增加该辐射源的位置的置信度;若否,则由所述邻域无人机根据所述第一信息包调整自身的飞行方向和侦察方向,直至邻域无人机找到对应辐射源,并在所述邻域无人机上存储了对应辐射源的信息素。
8.一种电子设备,其特征在于,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110979112.6A CN113821049B (zh) | 2021-08-25 | 2021-08-25 | 基于蚂蚁信息素机制的无人机集群涌现感知方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110979112.6A CN113821049B (zh) | 2021-08-25 | 2021-08-25 | 基于蚂蚁信息素机制的无人机集群涌现感知方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113821049A CN113821049A (zh) | 2021-12-21 |
CN113821049B true CN113821049B (zh) | 2022-10-14 |
Family
ID=78923104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110979112.6A Active CN113821049B (zh) | 2021-08-25 | 2021-08-25 | 基于蚂蚁信息素机制的无人机集群涌现感知方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113821049B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114543810B (zh) * | 2022-02-21 | 2023-06-13 | 中山大学 | 一种复杂环境下的无人机集群无源定位方法及装置 |
CN115021800B (zh) * | 2022-07-19 | 2023-03-31 | 国家无线电监测中心福建监测站 | 使用无人机查找Ka频段卫星终端的方法、装置和电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983179A (zh) * | 2018-06-28 | 2018-12-11 | 浙江大学 | 一种群智能敏捷的雷达海上目标检测系统 |
CN109254588A (zh) * | 2018-10-17 | 2019-01-22 | 北京航空航天大学 | 一种基于交叉变异鸽群优化的无人机集群协同侦察方法 |
CN109343569A (zh) * | 2018-11-19 | 2019-02-15 | 南京航空航天大学 | 多无人机集群自组织协同察打任务规划方法 |
CN110058613A (zh) * | 2019-05-13 | 2019-07-26 | 大连海事大学 | 一种多无人机多蚁群协同搜索目标方法 |
CN110221290A (zh) * | 2019-06-12 | 2019-09-10 | 南京邮电大学 | 基于蚁群算法优化的无人机目标搜索构建方法 |
CN110456815A (zh) * | 2019-07-04 | 2019-11-15 | 北京航空航天大学 | 一种基于行军蚁启发式智能的无人机集群协同定位方法 |
CN111695776A (zh) * | 2020-05-11 | 2020-09-22 | 清华大学 | 无人机集群分布式在线协同区域侦察方法及装置 |
CN112783213A (zh) * | 2021-01-13 | 2021-05-11 | 北京理工大学 | 一种基于混合机制的多无人机协同广域动目标搜索方法 |
KR20210082576A (ko) * | 2019-12-26 | 2021-07-06 | 금오공과대학교 산학협력단 | Gsa에 기반하는 군집 무인항공기의 정찰 방법 |
CN113110605A (zh) * | 2021-05-28 | 2021-07-13 | 中国人民解放军国防科技大学 | 城市环境下多无人机协同搜索方法及装置 |
CN113126652A (zh) * | 2021-04-02 | 2021-07-16 | 中国人民解放军海军航空大学 | 无人机集群协同电子侦察的调度方法及装置 |
-
2021
- 2021-08-25 CN CN202110979112.6A patent/CN113821049B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983179A (zh) * | 2018-06-28 | 2018-12-11 | 浙江大学 | 一种群智能敏捷的雷达海上目标检测系统 |
CN109254588A (zh) * | 2018-10-17 | 2019-01-22 | 北京航空航天大学 | 一种基于交叉变异鸽群优化的无人机集群协同侦察方法 |
CN109343569A (zh) * | 2018-11-19 | 2019-02-15 | 南京航空航天大学 | 多无人机集群自组织协同察打任务规划方法 |
CN110058613A (zh) * | 2019-05-13 | 2019-07-26 | 大连海事大学 | 一种多无人机多蚁群协同搜索目标方法 |
CN110221290A (zh) * | 2019-06-12 | 2019-09-10 | 南京邮电大学 | 基于蚁群算法优化的无人机目标搜索构建方法 |
CN110456815A (zh) * | 2019-07-04 | 2019-11-15 | 北京航空航天大学 | 一种基于行军蚁启发式智能的无人机集群协同定位方法 |
KR20210082576A (ko) * | 2019-12-26 | 2021-07-06 | 금오공과대학교 산학협력단 | Gsa에 기반하는 군집 무인항공기의 정찰 방법 |
CN111695776A (zh) * | 2020-05-11 | 2020-09-22 | 清华大学 | 无人机集群分布式在线协同区域侦察方法及装置 |
CN112783213A (zh) * | 2021-01-13 | 2021-05-11 | 北京理工大学 | 一种基于混合机制的多无人机协同广域动目标搜索方法 |
CN113126652A (zh) * | 2021-04-02 | 2021-07-16 | 中国人民解放军海军航空大学 | 无人机集群协同电子侦察的调度方法及装置 |
CN113110605A (zh) * | 2021-05-28 | 2021-07-13 | 中国人民解放军国防科技大学 | 城市环境下多无人机协同搜索方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于蚁群算法的多无人机协同航路规划;王铭谦;《计算机工程》;20111215;全文 * |
蚁群优化理论在无人机战术控制中的应用研究;陈岩;《中国博士学位论文全文数据库》;20090715;参见第五章 * |
Also Published As
Publication number | Publication date |
---|---|
CN113821049A (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10514711B2 (en) | Flight control using computer vision | |
CN113821049B (zh) | 基于蚂蚁信息素机制的无人机集群涌现感知方法及装置 | |
Scerri et al. | Geolocation of RF emitters by many UAVs | |
US8639396B1 (en) | Cooperative control of unmanned aerial vehicles for tracking targets | |
CN108732543B (zh) | 一种基于射频隐身的机载组网雷达辐射参数联合优化方法 | |
KR101872621B1 (ko) | 다기능 레이더를 탑재한 비행체의 가용 자원 관리 장치 및 그 방법 | |
US11587445B2 (en) | System and method for fusing asynchronous sensor tracks in a track fusion application | |
US8149154B2 (en) | System, method, and software for performing dual hysteresis target association | |
US10937324B2 (en) | Orchestration in heterogeneous drone swarms | |
CN112363539B (zh) | 多无人机协同目标搜索方法 | |
CN115567353B (zh) | 一种面向雷达组网系统的干扰多波束调度和干扰功率联合优化方法 | |
Annepu et al. | Implementation of an efficient artificial bee colony algorithm for node localization in unmanned aerial vehicle assisted wireless sensor networks | |
Wu | UAV-based interference source localization: A multimodal Q-learning approach | |
CN113342030A (zh) | 基于强化学习的多无人机协同自组织控制方法及系统 | |
He et al. | Acoustic localization system for precise drone landing | |
Rolly et al. | Unmanned aerial vehicles: Applications, techniques, and challenges as aerial base stations | |
Wicks | Cognitive radar: A way forward | |
CN112738709A (zh) | 一种基于uwb信号的粒子群搜索室内定位方法及系统 | |
Farid et al. | Effective UAV patrolling for swarm of intruders with heterogeneous behavior | |
CN114372543B (zh) | 一种基于载波相位的rfid室内多目标3d定位系统及方法 | |
CN111090079A (zh) | 基于无源传感器协同的雷达组网辐射间隔优化控制方法 | |
Kurosaki et al. | Comparison of drone classification accuracy for cnn models using UWB radar | |
Teague et al. | Time series classification of radio signal strength for qualitative estimate of UAV motion | |
Khodaparast et al. | Deep reinforcement learning based data collection in IoT networks | |
KR102624771B1 (ko) | 무인기 재밍 장치 및 방법 |
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 |