CN114440889A - 一种针对实时兴趣区动态进化的多域集群协同导航方法 - Google Patents

Abstract

本发明公布了一种针对实时兴趣区动态进化的多域集群协同导航方法，基于测角协同定位，在集群飞行前基于预设航迹和感兴趣区对基准无人载体之间、待辅助无人载体和基准无人载体之间的相对空间位置进行了优化，得到最优的基准无人载体机动方案使得集群无人载体的构型分布更加合理，取得最佳的集群整体定位精度；同时考虑到集群无人载体飞行中因预设航迹和感兴趣区变化等需要对集群无人载体的构型作动态调整，提出了一种在一定时间间隔后通过位置几何误差系数差值对构型优劣进行判别的方法，并在构型不满足要求时更新基准无人载体机动方案。和未采用优化的集群无人载体定位算法相比，本发明的动态构型优化方法能够取得更好的定位精度，适合实际应用。

Description

一种针对实时兴趣区动态进化的多域集群协同导航方法

技术领域

本发明公布了一种针对实时兴趣区动态进化的多域集群协同导航方法，属于定位与导航技术领域。

背景技术

近年来，无人载体集群协同技术因为其巨大的军事战略价值受到国内外越来越多的关注。

由于单个被动传感器仅能获得目标信号的到达角度与到达时间，为了获得目标的位置信息，通常需要多个传感器协同工作，可以组成无人载体编队被动探测系统，用以实现多无人载体协同导航。仅有角度测量的单站目标跟踪与定位理论研究表明，跟踪定位的效果与观测站的构型分布相关，多无人载体之间形成的几何构型对相对导航定位的精度影响显著，需要对集群无人载体构型进行合理优化，才能获得高的跟踪定位精度。

本发明针对无人载体集群作战时，因航行区域和航行环境的变化导致导航感兴趣区变化，而无法保证作战全时段的导航精度的问题，提出通过动态优化无人载体间的相对位置来满足要求作战精度要求。以位置误差几何系数作为构型优化的指标，提出了一种基于动态构型优化的无人载体协同导航算法。

发明内容

发明目的：提出一种针对实时兴趣区动态进化的多域集群协同导航方法，以扩大集群无人载体定位算法的适用性并提升定位精度，使其在非规则的编组的无人载体集群中也能得到良好的运用。

技术方案：一种针对实时兴趣区动态进化的多域集群协同导航方法，包括以下步骤：

步骤(1)，获取无人载体集群基于动态感兴趣区的构型优化所需数据；

步骤(2)，迭代计算t时刻基准无人载体在当前感兴趣区和预设航迹下应机动到的空间位置；

步骤(3)，依据机动更新的阈值与感兴趣区的变化进行基准无人载体的机动更新；

步骤(4)，判断集群无人载体是否完成飞行任务。

进一步的，由多架无人载体组成无人载体集群，包含基准无人载体和待辅助无人载体；其中基准无人载体可自主定位，为待辅助无人载体提供定位辅助信息，架数为l；所述步骤(1)包括如下具体步骤：

步骤(1-1)，获取基准无人载体架数l，待辅助无人载体架数m；

步骤(1-2)，根据集群无人载体的执行任务和任务环境限制预设待辅助无人载体群航迹trace₀；

步骤(1-3)，依据执行任务的要求在trace₀中选取待辅助无人载体感兴趣区ROI；

步骤(1-4)，根据集群无人载体的执行任务和任务环境限制确定基准无人载体可机动空间范围allow_space；

步骤(1-4)，根据集群无人载体的执行任务和任务环境限制确定基准无人载体更新机动的位置几何误差系数差值的阈值allow_ΔPDOP及时间间隔T。

进一步的，所述步骤(2)迭代计算t时刻基准无人载体在当前感兴趣区和预设航迹下应机动到的空间位置，包括以下步骤：

步骤(2a)，依据无人载体作战任务和作战环境设置迭代计算的输入参数；

步骤(2b)，种群初始化，随机产生基准无人载体的机动方案；

步骤(2c)，种群交叉、变异，进化出新一代的基准无人载体的机动方案；

步骤(2d)，计算各个体代表的基准无人载体机动方案对应的适应度Fitness；

步骤(2e)，依据适应度Fitness选择新一代种群并更新迭代代数；

步骤(2f)，输出基准无人载体机动空间位置A₁,…,A_l。

进一步的，模拟生物遗传和进化的模型，进而对基准无人载体机动优化问题进行求解；所述步骤(2a)包括如下具体步骤：

步骤(2a-1)，在预设航迹中选取采样点S₁,S₂,…,S_n；

步骤(2a-2)，根据步骤(1-3)设置的待辅助无人载体感兴趣区ROI设置各采样点权重w₁,w₂,…,w_n，依据集群飞行器任务和飞行环境，其中在感兴趣区内的采样点权重较大；

步骤(2a-3)，设置基准无人载体机动参考点R；

步骤(2a-4)，设置交叉概率p_m和变异概率p_n。

进一步的，所述步骤(2b)包括如下具体步骤：

步骤(2b-1)，设置种群个体数number；

步骤(2b-2)，设置种群最大迭代代数max_iteration；

步骤(2b-3)，设置每个个体上具有3×l个基因位，表示l架基准无人载体的空间位置，每个个体代表的基准无人载体空间位置坐标在步骤(1-4)中设置的基准无人载体可机动范围allow_space内随机生成，共number个个体组成初始种群；

步骤(2b-4)，设置种群当前代数iteration＝1。

进一步的，所述步骤(2c)包括如下具体步骤：

步骤(2c-1)，依次产生[number/2]个值在0～1内的随机数randn，其中[ ]符号代表取数值整数部分，当randn小于交叉概率p_m时，从初始种群中随机选取两个个体的等位基因g₁和g₂进行交叉产生两个子代个体，即将初始种群中的两个个体中的g₁和g₂替换为g′₁和g′₂，其中，g′₁和g′₂为经交叉产生的子代的等位基因，其表达式为：

g′₁＝p_m×g₁+(1-p_m)×g₂

g′₂＝p_m×g₂+(1-p_m)×g₁

当randn大于等于交叉概率p_m时：

g′₁＝g₁

g′₂＝g₂

最终经历交叉后产生子代种群generation1，其包含[number/2]×2个子代个体；

步骤(2c-2)，依次产生number个值在0～1内的随机数randn，当randn小于变异概率p_n时，从初始种群中随机选取一个个体的基因位g₃变异产生一个子代个体，即将初始种群中的一个个体中的g₃替换为g′₃，其表达式为：

g′₃＝g₃×rand

当randn大于等于变异概率p_n时：

g′₃＝g₃

其中，rand为数值大小在0～2范围内的随机数，最终经历变异后产生子代种群generation2，其包含number个子代个体。

进一步的，所述步骤(2d)包括如下具体步骤：

步骤(2d-1)，计算初始种群、子代种群generation1和子代种群generation2三个种群中所有个体的适应度函数f_k，其表达式为：

其中w_i为步骤(2a-2)中设置的采样点权重，PDOP_{i_k}为个体k代表的基准无人载体机动下采样点i的位置几何误差系数，其表达式为:

其中G_{i_k}为个体k代表的基准无人载体机动下观测系数矩阵，

为G_{i_k}的转置矩阵，G_{i_k}的计算公式分别如下表示：

其中，

为个体k代表的基准无人载体机动下基准无人载体位置和采样点位置的大地直角坐标系坐标，r_{j_k}和r_{hj_k}分别为在大地直角坐标系中，基准无人载体与待辅助无人载体的相对距离和相对距离在大地直角坐标系XOY平面上的投影，其表达式分别为：

其中，j＝1,2,…,l，l为基准无人载体的数量；

步骤(2d-2)，计算初始种群、子代种群generation1和子代种群generation2三个种群中所有个体的惩罚项Punish_k，其表达式为：

其中，

为步骤(2a-3)中设置基准无人载体机动参考点R在大地直角坐标系中的坐标，L为参考点R到基准无人载体可机动范围R的距离最大值；

步骤(2d-3)，综合计算初始种群、子代种群generation1和子代种群generation2三个种群中所有个体的适应度Fitness_k，其表达式为：

进一步的，所述步骤(2e)包括如下具体步骤：

步骤(2e-1)，依据步骤(2d-3)得到的Fitness降序初始种群、子代种群generation1和子代种群generation2中对应的所有个体，选择Fitness值相对最大的number个个体组成新初始种群；

步骤(2e-2)，iteration＝iteration+1；

步骤(2e-3)，判断是否iteration＞max_iteration，若是，执行步骤(2f-1)；否则执行步骤(2c-1)。

进一步的，所述步骤(2f)包括如下具体步骤：

步骤(2f-1)，选取当前种群中适应度最高即Fitness值最大的个体代表的基准无人载体空间位置作为基准无人载体的最优空间机动，输出基准无人载体机动的空间位置A₁,…,A_l；

步骤(2f-2)，结束迭代计算t时刻基准无人载体在当前感兴趣区和预设航迹下应机动到的空间位置。

进一步的，所述步骤(3)包括如下具体步骤：

步骤(3-1)，更新集群飞行时间t：

t＝t+T

其中，T为步骤(1-4)中设置的基准无人载体更新机动的时间间隔；

步骤(3-2)，根据t时刻后的集群无人载体的执行任务和任务环境限制的变化，更新t时刻后的预设待辅助无人载体群航迹trace_new和感兴趣区ROI_new；

步骤(3-3)，计算当前基准无人载体机动下对应trace_new和ROI_new的PDOP_now，其表达式为：

其中PDOP_i为通过步骤(2)得到的t-T时刻的基准无人载体机动下各trace_new中新采样点的位置几何误差系数，i＝1,2,…,n_new，n_new为更新预设航迹和感兴趣区后采样点的数量，PDOP_i的计算公式为:

其中G_i为观测系数矩阵，

为G_i的转置矩阵，δY为传感器测量误差向量，cov(δY)为δY协方差矩阵，G_i和cov(δY)的计算公式分别如下表示：

其中，

分别为基准无人载体和新采样点的大地直角坐标系坐标，r_j和r_hj分别为在大地直角坐标系中，基准无人载体与新采样点的相对距离和相对距离在大地直角坐标系XOY平面上的投影，其表达式分别为：

cov(δY)的计算公式如下表示：

其中，

为方位角测量误差方差，

为俯仰角测量误差方差，j＝1,2,…,l，l为基准无人载体的数量；

步骤(3-4)，依据trace_new和ROI_new通过步骤(2)得到基准无人载体最优机动，计算基准无人载体最优机动时的PDOP_opt，其表达式为：

其中PDOP_{i_opt}为最优基准无人载体机动下新采样点的位置几何误差系数，其表达式为:

其中G_{i_opt}为最优基准无人载体机动下观测系数矩阵，

为G_{i_opt}的转置矩阵，G_{i_opt}的计算公式分别如下表示：

其中，

为最优基准无人载体机动位置和新采样点的大地直角坐标系坐标，r_{j_opt}和r_{hj_opt}分别为在大地直角坐标系中，基准无人载体与新采样点的相对距离和相对距离在大地直角坐标系XOY平面上的投影，其表达式分别为：

其中，j＝1,2,…,l，l为基准无人载体的数量；

步骤(3-5)，计算ΔPDOP，其表达式为：

ΔPDOP＝PDOP_now-PDOP_new；

步骤(3-6)，判断ΔPDOP是否大于步骤(1-4)中设置的基准无人载体机动更新阈值allow_PDOP，若是，执行步骤(3-7)；否则执行步骤(3-8)；

步骤(3-7)，基准无人载体按步骤(3-4)得到的最优机动方案在t时刻重新机动；

步骤(3-8)，基准无人载体保持t-T时刻机动。

进一步的，所述步骤(4)包括如下具体步骤：

步骤(4-1)，判断集群无人载体是否完成飞行任务，若是，执行步骤(4-2)；否则执行步骤(3-1)；

步骤(3-2)，结束集群无人载体动态构型优化。

有益效果：本发明是一种针对实时兴趣区动态进化的多域集群协同导航方法，适用于给导航精度差的待辅助无人载体提供相对导航信息的基准无人载体的机动优化。针对实时兴趣区动态进化的多域集群协同导航方法，在集群飞行前模拟生物种群进化模型对基准无人载体之间、待辅助无人载体和基准无人载体之间的相对空间位置进行了优化，得到最优的基准无人载体机动方案使得集群无人载体的构型分布更加合理，取得最佳的集群整体定位精度；同时考虑到集群无人载体飞行中因预设航迹变化等需要对集群无人载体的构型作动态调整，提出了一种在一定时间间隔后通过位置几何误差系数(PositionalDilution Of Precision,PDOP)差值对构型优劣进行判别的方法，并在构型不满足要求时更新基准无人载体机动方案。和未采用优化的集群无人载体定位算法相比，本发明的动态构型优化方法能够取得更好的定位精度，适合实际应用。

附图说明

图1针对实时兴趣区动态进化的多域集群协同导航方法示意图；

图2针对实时兴趣区动态进化的多域集群协同导航方法流程图；

图3针对实时兴趣区动态进化的多域集群协同导航方法修正集群整体导航误差效果示意图。

具体实施方式

下面结合附图对本发明做更进一步的详细说明。

本发明方法通过对集群无人载体构型进行动态优化，使得基准无人载体提供的分布化测量参数更趋于精确合理，从而综合利用集群定位信息优化提高定位精度，同时增强集群无人载体定位算法对于多种集群编组情况的适应性。

如图2所示，一种针对实时兴趣区动态进化的多域集群协同导航方法，包括以下步骤：

步骤(1)，获取无人载体集群基于动态感兴趣区的构型优化所需数据；

步骤(2)，迭代计算t时刻基准无人载体在当前感兴趣区和预设航迹下应机动到的空间位置；

步骤(3)，依据机动更新的阈值与感兴趣区的变化进行基准无人载体的机动更新；

步骤(4)，判断集群无人载体是否完成飞行任务。

进一步的，由多架无人载体组成无人载体集群，包含基准无人载体和待辅助无人载体；其中基准无人载体可自主定位，为待辅助无人载体提供定位辅助信息，架数为l；所述步骤(1)包括如下具体步骤：

步骤(1-1)，获取基准无人载体架数l，待辅助无人载体架数m；

步骤(1-2)，根据集群无人载体的执行任务和任务环境限制预设待辅助无人载体群航迹trace₀；

步骤(1-3)，依据执行任务的要求在trace₀中选取待辅助无人载体感兴趣区ROI；

步骤(1-4)，根据集群无人载体的执行任务和任务环境限制确定基准无人载体可机动空间范围allow_space；

步骤(1-4)，根据集群无人载体的执行任务和任务环境限制确定基准无人载体更新机动的位置几何误差系数差值的阈值allow_ΔPDOP及时间间隔T。

进一步的，所述步骤(2)迭代计算t时刻基准无人载体在当前感兴趣区和预设航迹下应机动到的空间位置，包括以下步骤：

步骤(2a)，依据无人载体作战任务和作战环境设置迭代计算的输入参数；

步骤(2b)，种群初始化，随机产生基准无人载体的机动方案；

步骤(2c)，种群交叉、变异，进化出新一代的基准无人载体的机动方案；

步骤(2d)，计算各个体代表的基准无人载体机动方案对应的适应度Fitness；

步骤(2e)，依据适应度Fitness选择新一代种群并更新迭代代数；

步骤(2f)，输出基准无人载体机动空间位置A₁,…,A_l。

进一步的，模拟生物遗传和进化的模型，进而对基准无人载体机动优化问题进行求解；所述步骤(2a)包括如下具体步骤：

步骤(2a-1)，在预设航迹中选取采样点S₁,S₂,…,S_n；

步骤(2a-2)，根据步骤(1-3)设置的待辅助无人载体感兴趣区ROI设置各采样点权重w₁,w₂,…,w_n，依据集群飞行器任务和飞行环境，其中在感兴趣区内的采样点权重较大；

步骤(2a-3)，设置基准无人载体机动参考点R；

步骤(2a-4)，设置交叉概率p_m和变异概率p_n。

进一步的，所述步骤(2b)包括如下具体步骤：

步骤(2b-1)，设置种群个体数number；

步骤(2b-2)，设置种群最大迭代代数max_iteration；

步骤(2b-3)，设置每个个体上具有3×l个基因位，表示l架基准无人载体的空间位置，每个个体代表的基准无人载体空间位置坐标在步骤(1-4)中设置的基准无人载体可机动范围allow_space内随机生成，共number个个体组成初始种群；

步骤(2b-4)，设置种群当前代数iteration＝1。

进一步的，所述步骤(2c)包括如下具体步骤：

步骤(2c-1)，依次产生[number/2]个值在0～1内的随机数randn，其中[ ]符号代表取数值整数部分，当randn小于交叉概率p_m时，从初始种群中随机选取两个个体的等位基因g₁和g₂进行交叉产生两个子代个体，即将初始种群中的两个个体中的g₁和g₂替换为g′₁和g′₂，其中，g′₁和g′₂为经交叉产生的子代的等位基因，其表达式为：

g′₁＝p_m×g₁+(1-p_m)×g₂

g′₂＝p_m×g₂+(1-p_m)×g₁

当randn大于等于交叉概率p_m时：

g′₁＝g₁

g′₂＝g₂

最终经历交叉后产生子代种群generation1，其包含[number/2]×2个子代个体；

步骤(2c-2)，依次产生number个值在0～1内的随机数randn，当randn小于变异概率p_n时，从初始种群中随机选取一个个体的基因位g₃变异产生一个子代个体，即将初始种群中的一个个体中的g₃替换为g′₃，其表达式为：

g′₃＝g₃×rand

当randn大于等于变异概率p_n时：

g′₃＝g₃

其中，rand为数值大小在0～2范围内的随机数，最终经历变异后产生子代种群generation2，其包含number个子代个体。

进一步的，所述步骤(2d)包括如下具体步骤：

步骤(2d-1)，计算初始种群、子代种群generation1和子代种群generation2三个种群中所有个体的适应度函数f_k，其表达式为：

其中w_i为步骤(2a-2)中设置的采样点权重，PDOP_{i_k}为个体k代表的基准无人载体机动下采样点i的位置几何误差系数，其表达式为:

其中G_{i_k}为个体k代表的基准无人载体机动下观测系数矩阵，

为G_{i_k}的转置矩阵，G_{i_k}的计算公式分别如下表示：

其中，

为个体k代表的基准无人载体机动下基准无人载体位置和采样点位置的大地直角坐标系坐标，r_{j_k}和r_{hj_k}分别为在大地直角坐标系中，基准无人载体与待辅助无人载体的相对距离和相对距离在大地直角坐标系XOY平面上的投影，其表达式分别为：

其中，j＝1,2,…,l，l为基准无人载体的数量；

步骤(2d-2)，计算初始种群、子代种群generation1和子代种群generation2三个种群中所有个体的惩罚项Punish_k，其表达式为：

其中，

为步骤(2a-3)中设置基准无人载体机动参考点R在大地直角坐标系中的坐标，L为参考点R到基准无人载体可机动范围R的距离最大值；

步骤(2d-3)，综合计算初始种群、子代种群generation1和子代种群generation2三个种群中所有个体的适应度Fitness_k，其表达式为：

进一步的，所述步骤(2e)包括如下具体步骤：

步骤(2e-1)，依据步骤(2d-3)得到的Fitness降序初始种群、子代种群generation1和子代种群generation2中对应的所有个体，选择Fitness值相对最大的number个个体组成新初始种群；

步骤(2e-2)，iteration＝iteration+1；

步骤(2e-3)，判断是否iteration＞max_iteration，若是，执行步骤(2f-1)；否则执行步骤(2c-1)。

进一步的，所述步骤(2f)包括如下具体步骤：

步骤(2f-1)，选取当前种群中适应度最高即Fitness值最大的个体代表的基准无人载体空间位置作为基准无人载体的最优空间机动，输出基准无人载体机动的空间位置A₁,…,A_l；

步骤(2f-2)，结束迭代计算t时刻基准无人载体在当前感兴趣区和预设航迹下应机动到的空间位置。

进一步的，所述步骤(3)包括如下具体步骤：

步骤(3-1)，更新集群飞行时间t：

t＝t+T

其中，T为步骤(1-4)中设置的基准无人载体更新机动的时间间隔；

步骤(3-2)，根据t时刻后的集群无人载体的执行任务和任务环境限制的变化，更新t时刻后的预设待辅助无人载体群航迹trace_new和感兴趣区ROI_new；

步骤(3-3)，计算当前基准无人载体机动下对应trace_new和ROI_new的PDOP_now，其表达式为：

其中PDOP_i为通过步骤(2)得到的t-T时刻的基准无人载体机动下各trace_new中新采样点的位置几何误差系数，i＝1,2,…,n_new，n_new为更新预设航迹和感兴趣区后采样点的数量，PDOP_i的计算公式为:

其中G_i为观测系数矩阵，

为G_i的转置矩阵，δY为传感器测量误差向量，cov(δY)为δY协方差矩阵，G_i和cov(δY)的计算公式分别如下表示：

其中，

分别为基准无人载体和新采样点的大地直角坐标系坐标，r_j和r_hj分别为在大地直角坐标系中，基准无人载体与新采样点的相对距离和相对距离在大地直角坐标系XOY平面上的投影，其表达式分别为：

cov(δY)的计算公式如下表示：

其中，

为方位角测量误差方差，

为俯仰角测量误差方差，j＝1,2,…,l，l为基准无人载体的数量；

步骤(3-4)，依据trace_new和ROI_new通过步骤(2)得到基准无人载体最优机动，计算基准无人载体最优机动时的PDOP_opt，其表达式为：

其中PDOP_{i_opt}为最优基准无人载体机动下新采样点的位置几何误差系数，其表达式为:

其中G_{i_opt}为最优基准无人载体机动下观测系数矩阵，

为G_{i_opt}的转置矩阵，G_{i_opt}的计算公式分别如下表示：

其中，

为最优基准无人载体机动位置和新采样点的大地直角坐标系坐标，r_{j_opt}和r_{hj_opt}分别为在大地直角坐标系中，基准无人载体与新采样点的相对距离和相对距离在大地直角坐标系XOY平面上的投影，其表达式分别为：

其中，j＝1,2,…,l，l为基准无人载体的数量；

步骤(3-5)，计算ΔPDOP，其表达式为：

ΔPDOP＝PDOP_now-PDOP_new；

步骤(3-6)，判断ΔPDOP是否大于步骤(1-4)中设置的基准无人载体机动更新阈值allow_PDOP，若是，执行步骤(3-7)；否则执行步骤(3-8)；

步骤(3-7)，基准无人载体按步骤(3-4)得到的最优机动方案在t时刻重新机动；

步骤(3-8)，基准无人载体保持t-T时刻机动。

进一步的，所述步骤(4)包括如下具体步骤：

步骤(4-1)，判断集群无人载体是否完成飞行任务，若是，执行步骤(4-2)；否则执行步骤(3-1)；

步骤(3-2)，结束集群无人载体动态构型优化。

为了验证本发明所提出的一种针对实时兴趣区动态进化的多域集群协同导航方法的有效性，并采用蒙特卡罗方法进行数字仿真分析，仿真次数为100次。仿真中采用的测角传感器的测角噪声标准差为3°。图3为使用针对实时兴趣区动态进化的多域集群协同导航方法前后各待辅助无人载体的平均定位误差对比曲线。

由图3可以看出，在飞行仿真过程中，本发明提出的针对实时兴趣区动态进化的多域集群协同导航方法，不仅能够降低飞行时集群无人载体的平均定位误差，还可以针对实时兴趣区进行无人载体构型的动态进化，以满足兴趣区内的定位精度需求，能够有效改善集群条件下的协同定位性能，具有良好的应用价值。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种针对实时兴趣区动态进化的多域集群协同导航方法，其特征在于，包括以下步骤：

步骤(1)，获取无人载体集群基于动态感兴趣区的构型优化所需数据；

步骤(2)，迭代计算t时刻基准无人载体在当前感兴趣区和预设航迹下应机动到的空间位置；

步骤(3)，依据机动更新的阈值与感兴趣区的变化进行基准无人载体的机动更新；

步骤(4)，判断集群无人载体是否完成飞行任务。

2.根据权利要求1所述的针对实时兴趣区动态进化的多域集群协同导航方法，其特征在于，由多架无人载体组成无人载体集群，包含基准无人载体和待辅助无人载体；其中基准无人载体可自主定位，为待辅助无人载体提供定位辅助信息，架数为l；所述步骤(1)包括如下具体步骤：

步骤(1-1)，获取基准无人载体架数l，待辅助无人载体架数m；

步骤(1-2)，根据集群无人载体的执行任务和任务环境限制预设待辅助无人载体群航迹trace₀；

步骤(1-3)，依据执行任务的要求在trace₀中选取待辅助无人载体感兴趣区ROI；

步骤(1-4)，根据集群无人载体的执行任务和任务环境限制确定基准无人载体可机动空间范围allow_space；

步骤(1-4)，根据集群无人载体的执行任务和任务环境限制确定基准无人载体更新机动的位置几何误差系数差值的阈值allow_ΔPDOP及时间间隔T。

3.根据权利要求2所述的针对实时兴趣区动态进化的多域集群协同导航方法，其特征在于，所述步骤(3)包括如下具体步骤：

步骤(3-1)，更新集群飞行时间t：

t＝t+T

其中，T为步骤(1-4)中设置的基准无人载体更新机动的时间间隔；

步骤(3-2)，根据t时刻后的集群无人载体的执行任务和任务环境限制的变化，更新t时刻后的预设待辅助无人载体群航迹trace_new和感兴趣区ROI_new；

步骤(3-3)，计算当前基准无人载体机动下对应trace_new和ROI_new的PDOP_now，其表达式为：

其中PDOP_i为通过步骤(2)得到的t-T时刻的基准无人载体机动下各trace_new中新采样点的位置几何误差系数，i＝1,2,…,n_new，n_new为更新预设航迹和感兴趣区后采样点的数量，PDOP_i的计算公式为：

其中G_i为观测系数矩阵，

为G_i的转置矩阵，δY为传感器测量误差向量，cov(δY)为δY协方差矩阵，G_i和cov(δY)的计算公式分别如下表示：

其中，

分别为基准无人载体和新采样点的大地直角坐标系坐标，r_j和r_hj分别为在大地直角坐标系中，基准无人载体与新采样点的相对距离和相对距离在大地直角坐标系XOY平面上的投影，其表达式分别为：

cov(δY)的计算公式如下表示：

其中，

为方位角测量误差方差，

为俯仰角测量误差方差，j＝1,2,…,l；

步骤(3-4)，依据trace_new和ROI_new通过步骤(2)得到基准无人载体最优机动，计算基准无人载体最优机动时的PDOP_opt，其表达式为：

其中PDOP_{i_opt}为最优基准无人载体机动下新采样点的位置几何误差系数，其表达式为：

其中G_{i_opt}为最优基准无人载体机动下观测系数矩阵，

为G_{i_opt}的转置矩阵，G_{i_opt}的计算公式分别如下表示：

其中，

为最优基准无人载体机动位置和新采样点的大地直角坐标系坐标，r_{j_opt}和r_{hj_opt}分别为在大地直角坐标系中，基准无人载体与新采样点的相对距离和相对距离在大地直角坐标系XOY平面上的投影，其表达式分别为：

步骤(3-5)，计算ΔPDOP，其表达式为：

ΔPDOP＝PDOP_now-PDOP_new；

步骤(3-6)，判断ΔPDOP是否大于步骤(1-4)中设置的基准无人载体机动更新阈值allow_PDOP，若是，执行步骤(3-7)；否则执行步骤(3-8)；

步骤(3-7)，基准无人载体按步骤(3-4)得到的最优机动方案在t时刻重新机动；

步骤(3-8)，基准无人载体保持t-T时刻机动。

4.根据权利要求3所述的针对实时兴趣区动态进化的多域集群协同导航方法，其特征在于，所述步骤(4)包括如下具体步骤：

步骤(4-1)，判断集群无人载体是否完成飞行任务，若是，执行步骤(4-2)；否则执行步骤(3-1)；

步骤(4-2)，结束集群无人载体动态构型优化。

5.根据权利要求2所述的一种针对实时兴趣区动态进化的多域集群协同导航方法，其特征在于，所述步骤(2)迭代计算t时刻基准无人载体在当前感兴趣区和预设航迹下应机动到的空间位置，包括以下步骤：

步骤(2a)，依据无人载体作战任务和作战环境设置迭代计算的输入参数；

步骤(2b)，种群初始化，随机产生基准无人载体的机动方案；

步骤(2c)，种群交叉、变异，进化出新一代的基准无人载体的机动方案；

步骤(2d)，计算各个体代表的基准无人载体机动方案对应的适应度Fitness；

步骤(2e)，依据适应度Fitness选择新一代种群并更新迭代代数；

步骤(2f)，输出基准无人载体机动空间位置A₁,…,A_l，结束迭代计算t时刻基准无人载体在当前感兴趣区和预设航迹下应机动到的空间位置。

6.根据从属权利要求5所述的针对实时兴趣区动态进化的多域集群协同导航方法，其特征在于，模拟生物遗传和进化的模型，进而对基准无人载体机动优化问题进行求解；所述步骤(2a)包括如下具体步骤：

步骤(2a-1)，在预设航迹中选取采样点S₁,S₂,…,S_n；

步骤(2a-2)，根据步骤(1-3)设置的待辅助无人载体感兴趣区ROI设置各采样点权重w₁,w₂,…,w_n，依据集群飞行器任务和飞行环境，其中在感兴趣区内的采样点权重较大；

步骤(2a-3)，设置基准无人载体机动参考点R；

步骤(2a-4)，设置交叉概率p_m和变异概率p_n。

7.根据从属权利要求5所述的针对实时兴趣区动态进化的多域集群协同导航方法，其特征在于，所述步骤(2b)包括如下具体步骤：

步骤(2b-1)，设置种群个体数number；

步骤(2b-2)，设置种群最大迭代代数max_iteration；

步骤(2b-3)，设置每个个体上具有3×l个基因位，表示l架基准无人载体的空间位置，每个个体代表的基准无人载体空间位置坐标在步骤(1-4)中设置的基准无人载体可机动范围allow_space内随机生成，共number个个体组成初始种群；

步骤(2b-4)，设置种群当前代数iteration＝1。

8.根据从属权利要求5所述的针对实时兴趣区动态进化的多域集群协同导航方法，其特征在于，所述步骤(2c)包括如下具体步骤：

步骤(2c-1)，依次产生[number/2]个值在0～1内的随机数randn，其中[ ]符号代表取数值整数部分，当randn小于交叉概率p_m时，从初始种群中随机选取两个个体的等位基因g₁和g₂进行交叉产生两个子代个体，即将初始种群中的两个个体中的g₁和g₂替换为g′₁和g′₂，其中，g′₁和g′₂为经交叉产生的子代的等位基因，其表达式为：

g′₁＝p_m×g₁+(1-p_m)×g₂

g′₂＝p_m×g₂+(1-p_m)×g₁

当randn大于等于交叉概率p_m时：

g′₁＝g₁

g′₂＝g₂

最终经历交叉后产生子代种群generation1，其包含[number/2]×2个子代个体；

步骤(2c-2)，依次产生number个值在0～1内的随机数randn，当randn小于变异概率p_n时，从初始种群中随机选取一个个体的基因位g₃变异产生一个子代个体，即将初始种群中的一个个体中的g₃替换为g′₃，其表达式为：

g′₃＝g₃×rand

当randn大于等于变异概率p_n时：

g′₃＝g₃

其中，rand为数值大小在0～2范围内的随机数，最终经历变异后产生子代种群generation2，其包含number个子代个体。

9.根据从属权利要求8所述的迭代计算t时刻基准无人载体在当前感兴趣区和预设航迹下应机动到的空间位置，其特征在于，所述步骤(2d)包括如下具体步骤：

步骤(2d-1)，计算初始种群、子代种群generation1和子代种群generation2三个种群中所有个体的适应度函数f_k，其表达式为：

其中w_i为步骤(2a-2)中设置的采样点权重，PDOP_{i_k}为个体k代表的基准无人载体机动下采样点i的位置几何误差系数，其表达式为:

其中G_{i_k}为个体k代表的基准无人载体机动下观测系数矩阵，

为G_{i_k}的转置矩阵，G_{i_k}的计算公式分别如下表示：

其中，

为个体k代表的基准无人载体机动下基准无人载体位置和采样点位置的大地直角坐标系坐标，r_{j_k}和r_{hj_k}分别为在大地直角坐标系中，基准无人载体与待辅助无人载体的相对距离和相对距离在大地直角坐标系XOY平面上的投影，其表达式分别为：

其中，j＝1,2,…,l，l为基准无人载体的数量；

步骤(2d-2)，计算初始种群、子代种群generation1和子代种群generation2三个种群中所有个体的惩罚项Punish_k，其表达式为：

其中，

为步骤(2a-3)中设置基准无人载体机动参考点R在大地直角坐标系中的坐标，L为参考点R到基准无人载体可机动范围R的距离最大值；

步骤(2d-3)，综合计算初始种群、子代种群generation1和子代种群generation2三个种群中所有个体的适应度Fitness_k，其表达式为：

10.根据从属权利要求9所述的针对实时兴趣区动态进化的多域集群协同导航方法，其特征在于，所述步骤(2e)包括如下具体步骤：

步骤(2e-1)，依据步骤(2d-3)得到的Fitness降序初始种群、子代种群generation1和子代种群generation2中对应的所有个体，选择Fitness值相对最大的number个个体组成新初始种群；

步骤(2e-2)，iteration＝iteration+1；

步骤(2e-3)，判断是否iteration＞max_iteration，若是，选取当前种群中适应度最高即Fitness值最大的个体代表的基准无人载体空间位置作为基准无人载体的最优空间机动，输出基准无人载体机动的空间位置A₁,…,A_l；否则执行步骤(2c-1)。

Images