CN115379386B - 基于狼群算法的无人机集群电磁频谱监测方法及装置 - Google Patents
基于狼群算法的无人机集群电磁频谱监测方法及装置 Download PDFInfo
- Publication number
- CN115379386B CN115379386B CN202210843181.9A CN202210843181A CN115379386B CN 115379386 B CN115379386 B CN 115379386B CN 202210843181 A CN202210843181 A CN 202210843181A CN 115379386 B CN115379386 B CN 115379386B
- Authority
- CN
- China
- Prior art keywords
- wolf
- electromagnetic spectrum
- unmanned aerial
- aerial vehicle
- grid
- 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
- 241000282461 Canis lupus Species 0.000 title claims abstract description 234
- 238000001228 spectrum Methods 0.000 title claims abstract description 199
- 238000012544 monitoring process Methods 0.000 title claims abstract description 94
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000003016 pheromone Substances 0.000 claims description 109
- 239000011159 matrix material Substances 0.000 claims description 64
- 241000282421 Canidae Species 0.000 claims description 39
- 238000001514 detection method Methods 0.000 claims description 23
- 230000009471 action Effects 0.000 claims description 20
- 238000010079 rubber tapping Methods 0.000 claims description 10
- 239000000523 sample Substances 0.000 claims description 10
- 238000012806 monitoring device Methods 0.000 claims description 8
- 230000008020 evaporation Effects 0.000 claims description 7
- 238000001704 evaporation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000000644 propagated effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于狼群算法的无人机集群电磁频谱监测方法及装置,通过狼群算法中的探狼游走、猛狼奔袭和群狼围攻等动作来动态规划无人机的轨迹,监测无人机群移动轨迹上的电磁频谱数据,从而实现无人机群对电磁环境中重点区域以及整个区域的电磁频谱监测;并将数字信息素引入狼群算法中,提升无人机集群对电磁环境中重点区域执行电磁频谱监测的效率。与现有技术相比,本发明中无人机的轨迹是动态的,可以获取到电磁环境中到达重点区域的路径,实现无人机群对电磁环境中重点区域以及整个区域的电磁频谱监测,电磁频谱监测效率高、监测全面。
Description
技术领域
本发明涉及电磁频谱监测技术领域,尤其涉及的是一种基于狼群算法的无人机集群电磁频谱监测方法、装置、智能终端及存储介质。
背景技术
随着5G、物联网、智慧城市技术的快速发展,各种无线用频设备的数量呈现爆炸式增长,使得本就不富裕的频谱资源更加稀缺,加剧了用频冲突。为了加强电磁频谱管理和维护电磁频谱安全,需要利用监测设备对电磁频谱进行了全方位地监控。
传统的频谱监测设备一般都布置在地面,如地面监测车、监测站,这些设备所能搜索覆盖的范围十分有限,同时通过这些设备获取的频谱监测结果易受障碍物遮挡、多径效应干扰等不利因素影响。因此,可利用多架无人机搭载频谱监测装置,从空中进行频谱监测,既可以提高频谱监测的范围和效率,又可以提高频谱监测的正确性。
而目前利用多架无人机进行电磁频谱监测时,无人机根据预设固定轨迹监测收集电磁频谱数据,然后在地面站对收集的数据进行处理获取最终的频谱监测结果。由于无人机的轨迹固定,不能实现对整个电磁环境的动态感知,容易遗漏重点区域,电磁频谱监测效率较低。
因此,现有技术有待改进和提高。
发明内容
本发明的主要目的在于提供一种基于狼群算法的无人机集群电磁频谱监测方法、装置、智能终端及存储介质,通过动态规划无人机群的轨迹,感知电磁环境,实现无人机群对电磁环境中重点区域以及整个区域的电磁频谱监测,电磁频谱监测效率高、监测全面。
为了实现上述目的,本发明第一方面提供一种基于狼群算法的无人机集群电磁频谱监测方法,根据狼群算法迭代更新无人机的位置,并监测无人机移动轨迹上的电磁频谱数据,获得电磁频谱矩阵并输出;所述根据狼群算法迭代更新无人机的位置,包括:
将目标电磁区域栅格化并初始化无人机集群中每个无人机的位置;
监测每个无人机所在栅格的电磁频谱数据,比较所述电磁频谱数据并将最大电磁频谱数据的栅格对应的无人机作为头狼,其余无人机分类为猛狼和探狼;
获取探狼所在位置的周围栅格的数字信息素,基于所述数字信息素更新探狼的位置,直至达到设定的游走终止条件;
基于头狼所在位置,执行召唤动作以更新猛狼的位置,直至达到设定的奔袭终止条件;
基于头狼所在位置,执行围攻动作以更新猛狼和探狼的位置;
返回所述获取探狼当前位置的周围栅格的数字信息素,直至满足设定的迭代终止条件。
可选的,当所述探狼所在位置的电磁频谱数据和/或所述猛狼所在位置的电磁频谱数据大于所述头狼所在位置的电磁频谱数据时,将所述探狼和/或所述猛狼设为所述头狼。
可选的,获取数字信息素的表达式为:
s(pij,t)=(1-E)[(1-G)s(pij,t-1)+γijcijh(pij,t)+u(pij,t)],
其中,s(pij,t)为栅格pij在周期t的数字信息素,E为数字信息素的蒸发系数,G为数字信息素的传播系数,N(pij)为栅格pij的所有邻近栅格的集合,h(pij,t)为栅格pij主动释放的吸引信息素,u(pij,t)为栅格pij的所有邻近栅格传播到本栅格的吸引信息素,γij为栅格pij的优先级,cij为栅格pij在t时刻是否访问过的状态。
可选的,所有栅格的优先级构成优先级矩阵,更新优先级矩阵的方法,包括:
每个迭代周期结束时,获取无人机集群监测的电磁频谱数据;
对所述电磁频谱数据进行插值处理获得插值后数据;
计算所述插值后数据的平均值和标准差;
基于所述插值后数据、所述平均值和所述标准差,更新所述优先级矩阵。
可选的,所有栅格是否访问过的状态构成开关矩阵,获得所述开关矩阵的方法,包括:
根据每个栅格的最近访问时间,获得受访矩阵;
基于所述受访矩阵,获得当前迭代周期下各个栅格的访问状态,并组成受访状态矩阵;
基于所述受访状态矩阵,获得当前迭代周期下的开关矩阵。
可选的,所述获取探狼所在位置的周围栅格的数字信息素,基于所述数字信息素更新探狼的位置,包括:
获取探狼当前位置的周围八个栅格的数字信息素;
比较所有的数字信息素,获得最大的数字信息素对应的栅格;
将所述探狼的当前位置更新至最大的数字信息素对应的栅格。
可选的,执行召唤动作更新猛狼的位置的表达式为:
其中,si(k)为第k次迭代时猛狼i的位置,sT(k)为第k次迭代时头狼的位置,lm为猛狼的前进步长。PT和Pj分别为头狼和猛狼所在位置的电磁频谱数据;|Smax-Smin|为目标电磁区域的最大距离与目标电磁区域最小距离的距离差,maxP为预设的电磁频谱数据最大值,minP为预设的电磁频谱数据最小值。
本发明第二方面提供一种基于狼群算法的无人机集群电磁频谱监测装置,其中,上述装置包括:
初始化模块,用于将目标电磁区域栅格化并初始化无人机集群中每个无人机的位置;
分类模块,用于监测每个无人机所在栅格的电磁频谱数据,比较所述电磁频谱数据并将最大电磁频谱数据的栅格对应的无人机作为头狼,其余无人机分类为猛狼和探狼;
游走模块,用于获取探狼所在位置的周围栅格的数字信息素,基于所述数字信息素更新探狼的位置,直至达到设定的游走终止条件;
召唤模块,用于基于头狼所在位置,执行召唤动作以更新猛狼的位置,直至达到设定的奔袭终止条件;
围攻模块,用于基于头狼所在位置,执行围攻动作以更新猛狼和探狼的位置;
迭代模块,用于返回所述获取探狼当前位置的周围栅格的数字信息素,直至满足设定的迭代终止条件;
监测模块,用于监测无人机移动轨迹上的电磁频谱数据,获得电磁频谱矩阵。
本发明第三方面提供一种智能终端,上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的基于狼群算法的无人机集群电磁频谱监测程序,上述基于狼群算法的无人机集群电磁频谱监测程序被上述处理器执行时实现任意一项上述基于狼群算法的无人机集群电磁频谱监测方法的步骤。
本发明第四方面提供一种计算机可读存储介质,上述计算机可读存储介质上存储有基于狼群算法的无人机集群电磁频谱监测程序,上述基于狼群算法的无人机集群电磁频谱监测程序被处理器执行时实现任意一项上述基于狼群算法的无人机集群电磁频谱监测方法的步骤。
由上可见,本发明通过狼群算法中的探狼游走、猛狼奔袭和群狼围攻等动作来动态规划无人机的轨迹,监测无人机群移动轨迹上的电磁频谱数据,从而实现无人机群对电磁环境中重点区域以及整个区域的电磁频谱监测;并将数字信息素引入狼群算法中,提升无人机集群对电磁环境中重点区域执行电磁频谱监测的效率。与现有技术相比,本发明中无人机的轨迹是动态的,可以获取到电磁环境中到达重点区域的路径,实现无人机群对电磁环境中重点区域以及整个区域的电磁频谱监测,电磁频谱监测效率高、监测全面。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的基于狼群算法的无人机集群电磁频谱监测方法流程示意图;
图2是图1实施例的电磁区域栅格化后的结果示意图;
图3是图1实施例的无人机群位置初始化后的结果示意图;
图4是图1实施例的更新优先级矩阵具体流程示意图;
图5是图1实施例的无人机集群完成对重点区域的电磁监测之后的位置示意图;
图6是图1实施例的步骤S300具体流程示意图;
图7是图1实施例与传统狼群算法的迭代效果对比图;
图8是图1实施例获取的电磁频谱数据的可视化效果图;
图9是本发明实施例提供的基于狼群算法的无人机集群电磁频谱监测装置的结构示意图;
图10是本发明实施例提供的一种智能终端的内部结构原理框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似的,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。
下面结合本发明实施例的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其它不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
无线电用频设备的广泛应用,在促进经济社会发展和给人类生活带来极大方便的同时,也使得电磁环境日益复杂,频谱资源更加稀缺,加剧了用频冲突。为了加强电磁频谱管理和维护电磁频谱安全,需要利用监测设备对电磁频谱进行了全方位地监控。
随着无线电用频设备频率不断提升,用频设备的使用场景变化多端,常规检测手段已经不能满足某些特殊环境电磁频谱监测和测向的基本需要。传统的地面监测设备实施监测和测向时,时间长、效率低,而且根据电波的传播特性,部分向空中辐射的电波(或电磁频谱)不能被及时发现和监测。因此,实施空中监测已经成为目前电磁频谱监测必不可少的手段。
而目前利用多架无人机进行电磁频谱的空中监测时,无人机是根据预设固定轨迹收集电磁频谱数据,然后在地面站对收集的数据进行处理获取最终的频谱监测结果。电磁频谱监测效率较低,监测区域不够全面,不能动态地识别监测区域中的重点区域并对重点区域进行监测。
本发明通过基于数字信息素的狼群算法获取到无人机集群的轨迹,即获取到电磁环境中到达重点区域的路径,完成了对电磁环境重点区域的监测。最后,基于在重点区域监测过程中获取的电磁频谱信息实现了对整体电磁环境的感知,完成了对整个电磁区域的频谱监测,提高无人机集群执行电磁频谱监测任务的效率。
示例性方法
本发明实施例提供一种基于狼群算法的无人机集群电磁频谱监测方法,部署于无人机群的控制终端上,每个无人机上均安装了电磁频谱监测装置,电磁频谱监测装置可以基于4G或5G等无线通信方式与控制终端进行通信。无人机根据狼群算法迭代更新位置的同时,监测移动轨迹上的电磁频谱数据并传输至控制终端,控制终端上的电磁频谱软件根据电磁频谱数据获得电磁频谱矩阵并可视化显示在控制终端上。如图1所示,根据狼群算法迭代更新无人机的位置具体包括如下步骤:
步骤S100:将目标电磁区域栅格化并初始化无人机集群中每个无人机的位置;
具体地,将无人机集群执行电磁频谱监测的区域投射为有限二维平面上的正方形区域,即将真实环境映射到二维平面上,然后利用栅格化对正方形区域进行划分。每个无人机各占据一个栅格,则每个无人机有8个移动方向,即其当前可能的移动方向就是紧挨着无人机所在栅格的8个邻近栅格。假定无人机集群执行频谱监测的正方形区域为C×C,若无人机以步长r做匀速运动,则正方形区域内栅格行数和列数为:
由于本发明采用狼群算法来实现无人机集群对重点区域的电磁频谱监测,为了理解和叙述上的方便,以下用狼群表示无人机集群,每一只狼代表一架无人机。在E维空间中,假设整个狼群中狼的数量为n,头狼的数量为1,再从剩余的狼中选出n1只狼作为探狼,其余的为猛狼。
E维空间中狼群的位置表示为:si=(si1,si2,...,siE),i=1,2,...,n。初始化时,每只狼的初始位置是随机分布在栅格中,具体表达式为si=semin+rand(0,Ns)(semax-semin),其中rand(0,Ns)表示均匀随机数,semax和semin分别表示E维空间中环境位置的最大值和最小值。
本实施例中,如图2所示,将无人机执行频谱监测的区域划分为大小为80x80的栅格,设定无人机的步长为1,则正方形区域内栅格的行数为Ns=80。狼群中狼的数量n=10,头狼的数量为1,再从剩余的狼中选取n1=6只狼作为探狼,其余3只为猛狼。相应地,狼群位置初始化公式为:si=semin+rand(0,80)(semax-semin),无人机群位置初始化后的结果如图3所示,并且本实施例设定空间中电磁辐射源所在位置半径10个栅格范围为电磁环境重点区域,当无人机集群中的某架无人机达到该位置,其余无人机分布在该电磁环境重点区域内,则认为无人机集群完成了对电磁环境中重点区域的频谱监测。
步骤S200:监测每个无人机所在栅格的电磁频谱数据,比较所述电磁频谱数据并将最大电磁频谱数据的栅格对应的无人机作为头狼,其余无人机分类为猛狼和探狼;
具体地,每只狼的初始位置确定后,监测每只狼所在栅格的电磁频谱数据,比较这些电磁频谱数据,将最大电磁频谱数据所在栅格对应的无人机作为头狼,该栅格则为头狼所在位置。然后按照设定的猛狼数量和设定的探狼数量,将其余的无人机分类为猛狼和探狼。具体的划分规则不限,本实施例采用的是随机划分,可以有效提升监测的范围。
步骤S300:获取探狼所在位置的周围栅格的数字信息素,基于所述数字信息素更新探狼的位置,直至达到设定的游走终止条件;
具体地,本发明将数字信息素融入现有狼群算法,以提高探狼的游走效率,即提高无人机的侦测效率,并且可以更快地发现更多重点区域。
首先对数字信息素的计算方法和更新方法进行说明:
定义吸收信息素P为:
定义优先级矩阵Θ为:
其中s(pij,t)表示栅格pij在上个周期的信息素值,γij表示栅格pij的优先级,即被搜索访问的先后性,在电磁频谱环境下,该优先级用于表示电磁频谱信息的分布密集或稀缺,电磁频谱信息分布密集的栅格的优先级高。
本发明使用电磁频谱矩阵来记录各个栅格位置的电磁频谱数据。随着无人机位置更新,监测获得新位置对应的电磁频谱数据,该电磁频谱矩阵也随着更新,因此每个迭代周期结束后,表示电磁频谱信息的分布密集或稀缺的优先级矩阵也需要更新。
本实施例中,如图4所示,更新优先级矩阵的方法的具体步骤包括:
步骤A100:每个迭代周期结束时,获取无人机集群监测的电磁频谱数据;
步骤A200:对电磁频谱数据进行插值处理获得插值后数据;
步骤A300:计算插值后数据的平均值和标准差;
步骤A400:基于所述插值后数据、所述平均值和所述标准差,获得优先级矩阵。
具体地,假设优先级矩阵的更新周期为Tg,在每个迭代周期结束时,对无人机集群在该迭代周期监测到的电磁频谱数据进行插值处理,得到插值后数据D。需要说明的是,该插值处理是对栅格化之后的电磁频谱数据进行插值,以保证插值之后的数据与原始数据的格式相同。插值处理可以采用现有的各种对数据进行插值处理的操作,在此不再赘述。
然后,根据插值后数据、平均值和标准差,获得优先级矩阵,具体公式为:
其中,D表示无人机在该迭代周期得到的经过插值后的电磁频谱数据,d表示数据D的平均值,δ表示数据D的标准差;
定义栅格化环境下的受访矩阵T与受访状态矩阵M:
其中,tij表示最近访问的时间,mij表示t时刻的状态,T0表示重访时限;
由上述定义可知,受访矩阵T中记录了每个栅格的最近访问时间,再根据受访矩阵T,获得当前迭代周期下各个栅格的访问状态,组成受访状态矩阵M。
根据所定义的受访状态矩阵M,可以将所有的栅格划分为两类,一类是受访栅格,一类是未受访栅格,组成当前迭代周期下的开关矩阵。开关矩阵中的每个栅格可以反映当前迭代周期下是否访问过的状态。构造的开关矩阵C为:
其中,cij表示是否在t时刻访问过,tij表示最近访问的时间,T0表示重访时限。
当电磁环境中存在多个重点区域时,通过该开关矩阵可以实现对每个重点区域的电磁频谱监测。
开关矩阵C的受访栅格中的数字信息素以蒸发过程为主,其信息素强度随时间不断减小,相应地对于无人机的吸引力越小;未受访栅格中的数字信息素以释放过程为主,其信息素强度随时间不断增大,相应地对于无人机的吸引力越来越大。
在上述定义的基础上,获得电磁频谱环境下数字信息素的计算公式:
s(pij,t)=(1-E)[(1-G)s(pij,t-1)+γijcijh(pij,t)+u(pij,t)],
其中,s(pij,t)为栅格pij在周期t的数字信息素,E为数字信息素的蒸发系数,G为数字信息素的传播系数,N(pij)为栅格pij的所有邻近栅格的集合,h(pij,t)为栅格pij主动释放的吸引信息素,u(pij,t)为栅格pij的所有邻近栅格传播到本栅格的吸引信息素,γij为栅格pij的优先级,cij为栅格pij在t时刻是否访问过的状态。
n1只探狼根据前述数字信息素的计算公式,计算每只探狼当前位置的周围栅格的数字信息素,然后朝数字信息素大的栅格游走。探狼移动到新的栅格后,在下一个迭代周期,又重新计算当前位置的周围栅格的数字信息素,决定下一个迭代周期的游走位置。如此循环,直至游走次数达到最大游走次数Km或者当某只探狼所在位置的电磁频谱数据大于头狼所在位置的电磁频谱数据时,则将该探狼设定为头狼,不再进行迭代游走动作,并将以前的头狼变更为探狼。由于本发明在更新的过程中时会自动向数字信息素高以及开关矩阵不为0的方向更新,所以减少了对目标电磁区域的重复监测,提升了电磁频谱监测的效率,给实际的应用提供了很大的去重便利。
即对于探狼来说,游走终止条件为:游走次数达到最大游走次数Km或者该探狼所在位置的电磁频谱数据大于头狼所在位置的电磁频谱数据。
其中,更新探狼位置的具体表达式为:
其中,Si(k)表示探狼i在第k次迭代时的位置;l表示狼群前进的步长,g表示当前能走的方向数,j表示第几个方向。
本实施例中,设定假设优先级矩阵的更新周期为Tg=1,数字信息素的蒸发系数E=0.5,数字信息素的传播系数G=0.5,栅格pij主动释放的吸引信息素值h(pij,t)=10,狼群前进的步长l=1,最大游走次数Km=50。
步骤S400:基于头狼所在位置,执行召唤动作以更新猛狼的位置,直至达到设定的奔袭终止条件;
具体地,根据头狼的位置,通过设置自适应步长更新猛狼位置,其中n2(n2=n-1-n1)表示猛狼的个数,其位置更新表达式为:
其中,si(k)为第k次迭代时猛狼i的位置,sT(k)为第k次迭代时头狼的位置,lm为猛狼的前进步长。PT和Pj分别为头狼和猛狼所在位置的电磁频谱数据;|Smax-Smin|为目标电磁区域最大位置与最小位置的距离差,maxP为预设的电磁频谱数据最大值,minP为预设的电磁频谱数据最小值。
当猛狼与头狼之间的距离小于或等于判定距离dnear时,该猛狼就不再执行召唤动作。其中,判定距离的表达式为:
其中,ζ表示距离判定因子,semax和semin分别表示E维空间中环境的最大值和最小值。本实施例中,距离判定因子ζ=100。
在猛狼奔袭过程中,若某只猛狼所在位置监测到的电磁频谱数据大于头狼所在位置监测到的电磁频谱数据时,则将该猛狼设定为头狼,不再奔袭。即对于某只猛狼来说,奔袭终止条件为:猛狼与头狼之间的距离小于或等于判定距离dnear或者该猛狼所在位置的电磁频谱数据大于头狼所在位置的电磁频谱数据。
在猛狼奔袭过程中保存猛狼的轨迹(即无人机的轨迹)并将获取到的电磁频谱数据存储到电磁频谱矩阵A中。
步骤S500:基于头狼所在位置,执行围攻动作以更新猛狼和探狼的位置;
具体地,更新除头狼外其他狼的位置,记录狼群轨迹以及对应位置的电磁频谱数据。将此时头狼的位置视为猎物的位置(即当前迭代周期内监测的电磁频谱数据最大的位置),其余狼都向该猎物移动,位置更新的计算方法为:
si(k+1)=si(k)+|sT-si(k)|×lw
其中,sT表示头狼的位置(猎物的位置),lw表示狼群围攻的前进步长。在围攻的过程中,将狼群的轨迹以及获取的电磁频谱数据添加到电磁频谱矩阵A中;
步骤S600:返回所述获取探狼当前位置的周围栅格的数字信息素,直至满足设定的迭代终止条件。
具体地,当群狼围攻完成之后返回步骤S300进行循环迭代,直至满足设定的迭代终止条件时停止。本实施例中,设定的迭代终止条件为满足无人机航迹规划的约束条件或者达到了最大迭代次数Tm,其中迭代次数Tm=200。图5是本发明中无人机集群完成对重点区域的电磁监测之后的位置;能够明显看出最终能到达对电磁环境中的重点区域,完成对重点区域的频谱监测。
由上所述,通过狼群算法规划无人机集群的轨迹,获取到电磁环境中到达重点区域的路径,完成了对电磁环境重要区域的监测;并基于在重点区域监测过程中获取的电磁频谱信息实现了对整体电磁环境的感知,完成对整个目标电磁区域的频谱监测,提升无人机集群对电磁环境中执行电磁频谱监测的效率;并在传统狼群算法中引入数字信息素来增强算法的收敛速度和求解的稳定性,从而提高了狼群算法在求解最优航迹点时的寻优能力。
在一个实施例中,如图6所示,上述步骤S300中获取探狼所在位置的周围栅格的数字信息素,基于所述数字信息素更新探狼的位置的具体步骤包括:
步骤S310:获取探狼当前位置的周围八个栅格的数字信息素;
步骤S320:比较所有的数字信息素,获得最大的数字信息素对应的栅格;
步骤S330:将探狼的当前位置更新至最大的数字信息素对应的栅格。
具体地,计算无人机周围八个栅格的数字信息素,选取数字信息素强度最高的栅格作为下一步的飞行方向,同时在无人机更新位置的过程中保存无人机的轨迹以及将获取的电磁频谱信息保存到电磁频谱矩阵A中。
由上所述,与常规探狼采用随机游走或者h个方向按照游走步长前进一步,记录前进一步后感知的数据并回退到之前位置,然后再对数据最大的方向移动一步不同,本实施例通过计算周围栅格的数字信息素,直接选取数字信息素强度最高的栅格作为下一步的方向,基于路径上的数字信息素,根据探狼周围栅格数字信息素最大值,获得探狼游走路径,可以实现更快的收敛,提升监测效率和轨迹规划的性能。
图7是本实施例与传统狼群算法在无人机数量与到达电磁环境重点区域时的迭代次数之间变化的对比图;可以看出,在不同的无人机数量下,基于数字信息素的狼群算法的迭代次数均小于传统狼群算法,因此实现更快的收敛,提高无人机集群执行电磁频谱监测任务的效率。
图8本实施例利用对重点区域执行电磁频谱监测过程中获取的数据,感知到的整体电磁环境。
示例性设备
如图9所示,对应于上述基于狼群算法的无人机集群电磁频谱监测方法,本发明实施例还提供一种基于狼群算法的无人机集群电磁频谱监测装置,上述基于狼群算法的无人机集群电磁频谱监测装置包括:
初始化模块600,用于将目标电磁区域栅格化并初始化无人机集群中每个无人机的位置;
分类模块610,用于监测每个无人机所在栅格的电磁频谱数据,比较所述电磁频谱数据并将最大电磁频谱数据的栅格对应的无人机作为头狼,其余无人机分类为猛狼和探狼;
游走模块620,用于获取探狼所在位置的周围栅格的数字信息素,基于所述数字信息素更新探狼的位置,直至达到设定的游走终止条件;
召唤模块630,用于基于头狼所在位置,执行召唤动作以更新猛狼的位置,直至达到设定的奔袭终止条件;
围攻模块640,用于基于头狼所在位置,执行围攻动作以更新猛狼和探狼的位置;
迭代模块650,用于返回所述获取探狼当前位置的周围栅格的数字信息素,直至满足设定的迭代终止条件;
监测模块660,用于监测无人机移动轨迹上的电磁频谱数据,获得电磁频谱矩阵。
具体的,本实施例中,上述基于狼群算法的无人机集群电磁频谱监测装置的各模块的具体功能可以参照上述基于狼群算法的无人机集群电磁频谱监测方法中的对应描述,在此不再赘述。
基于上述实施例,本发明还提供了一种智能终端,其原理框图可以如图10所示。上述智能终端包括通过系统总线连接的处理器、存储器、网络接口以及显示屏。其中,该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和基于狼群算法的无人机集群电磁频谱监测程序。该内存储器为非易失性存储介质中的操作系统和基于狼群算法的无人机集群电磁频谱监测程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该基于狼群算法的无人机集群电磁频谱监测程序被处理器执行时实现上述任意一种基于狼群算法的无人机集群电磁频谱监测方法的步骤。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解,图10中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的智能终端的限定,具体的智能终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种智能终端,上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的基于狼群算法的无人机集群电磁频谱监测程序,上述基于狼群算法的无人机集群电磁频谱监测程序被上述处理器执行时进行以下操作指令:
根据狼群算法迭代更新无人机的位置,并监测无人机移动轨迹上的电磁频谱数据,获得电磁频谱矩阵并输出,所述根据狼群算法迭代更新无人机的位置,包括:
将目标电磁区域栅格化并初始化无人机集群中每个无人机的位置;
监测每个无人机所在栅格的电磁频谱数据,比较所述电磁频谱数据并将最大电磁频谱数据的栅格对应的无人机作为头狼,其余无人机分类为猛狼和探狼;
获取探狼所在位置的周围栅格的数字信息素,基于所述数字信息素更新探狼的位置,直至达到设定的游走终止条件;
基于头狼所在位置,执行召唤动作以更新猛狼的位置,直至达到设定的奔袭终止条件;
基于头狼所在位置,执行围攻动作以更新猛狼和探狼的位置;
返回所述获取探狼当前位置的周围栅格的数字信息素,直至满足设定的迭代终止条件。
可选的,当所述探狼所在位置的电磁频谱数据和/或所述猛狼所在位置的电磁频谱数据大于所述头狼所在位置的电磁频谱数据时,将所述探狼和/或所述猛狼设为所述头狼。
可选的,获取数字信息素的表达式为:
s(pij,t)=(1-E)[(1-G)s(pij,t-1)+γijcijh(pij,t)+u(pij,t)],
其中,s(pij,t)为栅格pij在周期t的数字信息素,E为数字信息素的蒸发系数,G为数字信息素的传播系数,N(pij)为栅格pij的所有邻近栅格的集合,h(pij,t)为栅格pij主动释放的吸引信息素,u(pij,t)为栅格pij的所有邻近栅格传播到本栅格的吸引信息素,γij为栅格pij的优先级,cij为栅格pij在t时刻是否访问过的状态。
可选的,所有栅格的优先级构成优先级矩阵,更新优先级矩阵的方法,包括:
每个迭代周期结束时,获取无人机集群监测的电磁频谱数据;
对所述电磁频谱数据进行插值处理获得插值后数据;
计算所述插值后数据的平均值和标准差;
基于所述插值后数据、所述平均值和所述标准差,更新所述优先级矩阵。
可选的,所有栅格是否访问过的状态构成开关矩阵,获得所述开关矩阵的方法,包括:
根据每个栅格的最近访问时间,获得受访矩阵;
基于所述受访矩阵,获得当前迭代周期下各个栅格的访问状态,并组成受访状态矩阵;
基于所述受访状态矩阵,获得当前迭代周期下的开关矩阵。
可选的,所述获取探狼所在位置的周围栅格的数字信息素,基于所述数字信息素更新探狼的位置,包括:
获取探狼当前位置的周围八个栅格的数字信息素;
比较所有的数字信息素,获得最大的数字信息素对应的栅格;
将所述探狼的当前位置更新至最大的数字信息素对应的栅格。
可选的,执行召唤动作更新猛狼的位置的表达式为:
其中,si(k)为第k次迭代时猛狼i的位置,sT(k)为第k次迭代时头狼的位置,lm为猛狼的前进步长。PT和Pj分别为头狼和猛狼所在位置的电磁频谱数据;|Smax-Smin|为目标电磁区域的最大距离与目标电磁区域最小距离的距离差,max P为预设的电磁频谱数据最大值,min P为预设的电磁频谱数据最小值。
本发明实施例还提供一种计算机可读存储介质,上述计算机可读存储介质上存储有基于狼群算法的无人机集群电磁频谱监测程序,上述基于狼群算法的无人机集群电磁频谱监测程序被处理器执行时实现本发明实施例提供的任意一种基于狼群算法的无人机集群电磁频谱监测方法的步骤。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各实例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以由另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
上述集成的模块/单元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存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
以上所述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,并不是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,均应包含在本发明的保护范围之内。
Claims (7)
1.基于狼群算法的无人机集群电磁频谱监测方法,其特征在于,根据狼群算法迭代更新无人机的位置,并监测无人机移动轨迹上的电磁频谱数据,获得电磁频谱矩阵并输出;
所述根据狼群算法迭代更新无人机的位置,包括:
将目标电磁区域栅格化并初始化无人机集群中每个无人机的位置;
监测每个无人机所在栅格的电磁频谱数据,比较所述电磁频谱数据并将最大电磁频谱数据的栅格对应的无人机作为头狼,其余无人机分类为猛狼和探狼;
获取探狼所在位置的周围栅格的数字信息素,基于所述数字信息素更新探狼的位置,直至达到设定的游走终止条件;
基于头狼所在位置,执行召唤动作以更新猛狼的位置,直至达到设定的奔袭终止条件;
基于头狼所在位置,执行围攻动作以更新猛狼和探狼的位置;
返回所述获取探狼当前位置的周围栅格的数字信息素,直至满足设定的迭代终止条件;
获取所述数字信息素的表达式为:
s(pij,t)=(1-E)[(1-G)s(pij,t-1)+γijcijh(pij,t)+u(pij,t)],
其中,s(pij,t)为栅格pij在周期t的数字信息素,E为数字信息素的蒸发系数,G为数字信息素的传播系数,N(pij)为栅格pij的所有邻近栅格的集合,h(pij,t)为栅格pij主动释放的吸引信息素,u(pij,t)为栅格pij的所有邻近栅格传播到本栅格的吸引信息素,γij为栅格pij的优先级,cij为栅格pij在t时刻是否访问过的状态;
所述获取探狼所在位置的周围栅格的数字信息素,基于所述数字信息素更新探狼的位置,包括:
获取探狼当前位置的周围八个栅格的数字信息素;比较所有的数字信息素,获得最大的数字信息素对应的栅格;将所述探狼的当前位置更新至最大的数字信息素对应的栅格;
执行召唤动作更新猛狼的位置的表达式为:
其中,si(k)为第k次迭代时猛狼i的位置,sT(k)为第k次迭代时头狼的位置,lm为猛狼的前进步长;PT和Pj分别为头狼和猛狼所在位置的电磁频谱数据;|Smax-Smin|为目标电磁区域的最大距离与目标电磁区域最小距离的距离差,max P为预设的电磁频谱数据最大值,minP为预设的电磁频谱数据最小值。
2.如权利要求1所述的基于狼群算法的无人机集群电磁频谱监测方法,其特征在于,当所述探狼所在位置的电磁频谱数据或所述猛狼所在位置的电磁频谱数据大于所述头狼所在位置的电磁频谱数据时,将所述探狼或所述猛狼设为所述头狼。
3.如权利要求1所述的基于狼群算法的无人机集群电磁频谱监测方法,其特征在于,所有栅格的优先级构成优先级矩阵,更新优先级矩阵的方法,包括:
每个迭代周期结束时,获取无人机集群监测的电磁频谱数据;
对所述电磁频谱数据进行插值处理获得插值后数据;
计算所述插值后数据的平均值和标准差;
基于所述插值后数据、所述平均值和所述标准差,更新所述优先级矩阵。
4.如权利要求1所述的基于狼群算法的无人机集群电磁频谱监测方法,其特征在于,所有栅格是否访问过的状态构成开关矩阵,获得所述开关矩阵的方法,包括:
根据每个栅格的最近访问时间,获得受访矩阵;
基于所述受访矩阵,获得当前迭代周期下各个栅格的访问状态,并组成受访状态矩阵;
基于所述受访状态矩阵,获得当前迭代周期下的开关矩阵。
5.基于狼群算法的无人机集群电磁频谱监测装置,其特征在于,所述装置包括:
初始化模块,用于将目标电磁区域栅格化并初始化无人机集群中每个无人机的位置;
分类模块,用于监测每个无人机所在栅格的电磁频谱数据,比较所述电磁频谱数据并将最大电磁频谱数据的栅格对应的无人机作为头狼,其余无人机分类为猛狼和探狼;
游走模块,用于获取探狼所在位置的周围栅格的数字信息素,基于所述数字信息素更新探狼的位置,直至达到设定的游走终止条件;
召唤模块,用于基于头狼所在位置,执行召唤动作以更新猛狼的位置,直至达到设定的奔袭终止条件;
围攻模块,用于基于头狼所在位置,执行围攻动作以更新猛狼和探狼的位置;
迭代模块,用于返回所述获取探狼当前位置的周围栅格的数字信息素,直至满足设定的迭代终止条件;
监测模块,用于监测无人机移动轨迹上的电磁频谱数据,获得电磁频谱矩阵;
所述游走模块,还用于获取所述数字信息素的表达式为:
s(pij,t)=(1-E)[(1-G)s(pij,t-1)+γijcijh(pij,t)+u(pij,t)],
其中,s(pij,t)为栅格pij在周期t的数字信息素,E为数字信息素的蒸发系数,G为数字信息素的传播系数,N(pij)为栅格pij的所有邻近栅格的集合,h(pij,t)为栅格pij主动释放的吸引信息素,u(pij,t)为栅格pij的所有邻近栅格传播到本栅格的吸引信息素,γij为栅格pij的优先级,cij为栅格pij在t时刻是否访问过的状态;
所述获取探狼所在位置的周围栅格的数字信息素,基于所述数字信息素更新探狼的位置,包括:
获取探狼当前位置的周围八个栅格的数字信息素;比较所有的数字信息素,获得最大的数字信息素对应的栅格;将所述探狼的当前位置更新至最大的数字信息素对应的栅格;
召唤模块,还用于执行召唤动作更新猛狼的位置的表达式为:
其中,si(k)为第k次迭代时猛狼i的位置,sT(k)为第k次迭代时头狼的位置,lm为猛狼的前进步长;PT和Pj分别为头狼和猛狼所在位置的电磁频谱数据;|Smax-Smin|为目标电磁区域的最大距离与目标电磁区域最小距离的距离差,maxP为预设的电磁频谱数据最大值,minP为预设的电磁频谱数据最小值。
6.智能终端,其特征在于,所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于狼群算法的无人机集群电磁频谱监测程序,所述基于狼群算法的无人机集群电磁频谱监测程序被所述处理器执行时实现如权利要求1-4任意一项所述基于狼群算法的无人机集群电磁频谱监测方法的步骤。
7.计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有基于狼群算法的无人机集群电磁频谱监测程序,所述基于狼群算法的无人机集群电磁频谱监测程序被处理器执行时实现如权利要求1-4任意一项所述基于狼群算法的无人机集群电磁频谱监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210843181.9A CN115379386B (zh) | 2022-07-18 | 2022-07-18 | 基于狼群算法的无人机集群电磁频谱监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210843181.9A CN115379386B (zh) | 2022-07-18 | 2022-07-18 | 基于狼群算法的无人机集群电磁频谱监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115379386A CN115379386A (zh) | 2022-11-22 |
CN115379386B true CN115379386B (zh) | 2024-05-14 |
Family
ID=84062392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210843181.9A Active CN115379386B (zh) | 2022-07-18 | 2022-07-18 | 基于狼群算法的无人机集群电磁频谱监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115379386B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110095788A (zh) * | 2019-05-29 | 2019-08-06 | 电子科技大学 | 一种基于灰狼优化算法的rbpf-slam改进方法 |
CN111077909A (zh) * | 2019-12-31 | 2020-04-28 | 北京理工大学 | 一种基于视觉信息的新型无人机自组群自洽优化控制方法 |
CN112683276A (zh) * | 2020-12-30 | 2021-04-20 | 和瑞达(广东)综合能源服务有限公司 | 基于混合离散灰狼算法的无人机巡检电缆路径规划方法 |
WO2021135336A1 (zh) * | 2020-05-06 | 2021-07-08 | 农业农村部南京农业机械化研究所 | 一种植保无人飞机集群作业任务分配方法和装置 |
CN113741508A (zh) * | 2021-06-29 | 2021-12-03 | 南京航空航天大学 | 基于改进狼群算法的无人机任务分配方法 |
-
2022
- 2022-07-18 CN CN202210843181.9A patent/CN115379386B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110095788A (zh) * | 2019-05-29 | 2019-08-06 | 电子科技大学 | 一种基于灰狼优化算法的rbpf-slam改进方法 |
CN111077909A (zh) * | 2019-12-31 | 2020-04-28 | 北京理工大学 | 一种基于视觉信息的新型无人机自组群自洽优化控制方法 |
WO2021135336A1 (zh) * | 2020-05-06 | 2021-07-08 | 农业农村部南京农业机械化研究所 | 一种植保无人飞机集群作业任务分配方法和装置 |
CN112683276A (zh) * | 2020-12-30 | 2021-04-20 | 和瑞达(广东)综合能源服务有限公司 | 基于混合离散灰狼算法的无人机巡检电缆路径规划方法 |
CN113741508A (zh) * | 2021-06-29 | 2021-12-03 | 南京航空航天大学 | 基于改进狼群算法的无人机任务分配方法 |
Non-Patent Citations (2)
Title |
---|
基于数字信息素的无人机集群搜索控制方法;沈东;魏瑞轩;茹常剑;;系统工程与电子技术;20130315(第03期);591-596 * |
基于狼群算法的无人机航迹规划;刘永兰;李为民;吴虎胜;宋文静;;系统仿真学报;20150808(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115379386A (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109164810B (zh) | 一种基于蚁群-聚类算法的机器人自适应动态路径规划方法 | |
Temel et al. | On deployment of wireless sensors on 3-D terrains to maximize sensing coverage by utilizing cat swarm optimization with wavelet transform | |
Chander et al. | A new social and momentum component adaptive PSO algorithm for image segmentation | |
Yildiz et al. | Optimal camera placement for providing angular coverage in wireless video sensor networks | |
CN108241370B (zh) | 通过栅格地图获取避障路径的方法及装置 | |
US8744485B2 (en) | Efficient location discovery | |
Teng et al. | Distributed variational filtering for simultaneous sensor localization and target tracking in wireless sensor networks | |
Best et al. | Multi-robot path planning for budgeted active perception with self-organising maps | |
Premebida et al. | Dynamic bayesian network for semantic place classification in mobile robotics | |
CN112001309B (zh) | 基于无人机集群的目标搜索方法、装置、设备及存储介质 | |
Harabor et al. | Hierarchical path planning for multi-size agents in heterogeneous environments | |
CN112469050B (zh) | 一种基于改进灰狼优化器的wsn三维覆盖增强方法 | |
Kaufman et al. | Autonomous exploration by expected information gain from probabilistic occupancy grid mapping | |
CN108984741A (zh) | 一种地图生成方法及装置、机器人和计算机可读存储介质 | |
Kaufman et al. | Bayesian occupancy grid mapping via an exact inverse sensor model | |
CN113436223B (zh) | 点云数据的分割方法、装置、计算机设备和存储介质 | |
Han et al. | Camera planning for area surveillance: A new method for coverage inference and optimization using location-based service data | |
Bohg et al. | Strategies for multi-modal scene exploration | |
CN115145289A (zh) | 多智能体协同围捕方法、系统、设备及存储介质 | |
Chen et al. | Multi-agent patrolling under uncertainty and threats | |
Kaufman et al. | Autonomous exploration with exact inverse sensor models | |
Hoshino et al. | Optimal patrolling methodology of mobile robot for unknown visitors | |
Kaushik et al. | A grey wolf optimization based algorithm for optimum camera placement | |
CN115379386B (zh) | 基于狼群算法的无人机集群电磁频谱监测方法及装置 | |
Belavadi et al. | Frontier exploration technique for 3d autonomous slam using k-means based divisive clustering |
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 |