一种通信时延补偿与观测退化规避的多UUV纯方位协同跟踪方法

本技术涉及人工智能与智能控制，具体涉及一种基于机器学习模型的通信时延补偿与观测退化规避的多uuv纯方位协同跟踪方法和装置。

背景技术：

1、随着海洋资源勘探、水下安防等领域的需求升级，多uuv集群协同纯方位目标跟踪技术因其隐蔽性强、覆盖范围广等优势，成为水下目标监测的核心技术之一。纯方位跟踪仅依靠目标方位角观测信息实现目标状态估计，无需主动探测，可有效提升uuv集群的隐蔽作业能力，在军事侦察、水下救援等场景中具有不可替代的应用价值。

2、然而，实际水下作业环境中，多uuv协同跟踪面临两大核心技术瓶颈：一是水声通信时延问题，由于水下声速低、信道复杂，各uuv的观测信息传输至融合节点时存在不同程度的滞后，导致融合节点获取的观测信息时标不一致，直接引入时间误差，削弱目标状态估计精度与跟踪稳定性；二是观测几何退化问题，纯方位跟踪系统的可观测性高度依赖uuv与目标的空间几何构型，当多uuv与目标的观测视线方向高度一致时，易发生几何退化，导致估计精度下降甚至滤波发散，无法实现目标持续跟踪。

3、针对通信时延问题，传统处理方法多依赖模型外推、状态回溯等方式，但其高度依赖精确的目标运动模型和噪声统计假设，在复杂机动或强非线性场景下难以取得理想补偿效果。基于循环神经网络的时序建模方法虽能处理非线性时序问题，但标准循环神经网络易出现梯度消失，无法有效捕捉长期时序依赖，难以满足多步时延补偿需求。

4、针对观测几何退化问题，现有多uuv协同机动策略多侧重于单一可观测性指标优化，未充分融合uuv运动约束、安全避碰等工程实际需求，且多采用瞬时优化决策，易陷入局部最优，导致长期跟踪性能恶化。同时，现有方法未实现时延补偿与几何退化规避的协同设计，难以应对复杂水下环境中两种问题并存的场景，限制了多uuv协同跟踪技术的工程应用。

5、综上所述，当前多uuv纯方位协同跟踪方法存在时延补偿效果差、观测几何易退化、工程实用性不足等问题，无法满足复杂水下环境下高精度、稳定跟踪的需求，因此，亟需一种能够协同解决通信时延与观测几何退化问题的多uuv纯方位协同跟踪方法。

技术实现思路

1、本技术公开了一种通信时延补偿与观测退化规避的多uuv纯方位协同跟踪方法和装置，旨在解决现有技术中水声通信时延导致观测时标不一致进而削弱目标状态估计精度与跟踪稳定性，以及观测几何退化引发可观测性不足导致估计精度下降甚至滤波发散，且工程实用性不足的技术问题。

2、为了实现上述目的，本技术第一方面提供一种通信时延补偿与观测退化规避的多uuv纯方位协同跟踪方法，包括：

3、确定多uuv集群的初始位置、运动约束及声呐观测参数，建立通信时延观测信息模型；

4、构建ga优化的seq2seq时延补偿模型，采用bi-lstm作为编码器与解码器核心，引入多任务损失函数与计划采样策略，通过ga优化网络超参数与损失函数权重，对所述通信时延观测信息模型输出的滞后观测信息进行多步预测与校正，输出时间对齐的观测信息；

5、基于时间对齐的观测信息构造多uuv联合观测灵敏度矩阵得到瞬时fim，以加权联合观测矩阵的条件数作为核心评价指标；构建多约束瞬时代价函数，所述多约束瞬时代价函数融合可观测性均衡代价、跟踪距离保持代价与uuv间安全避碰惩罚项；

6、引入滚动时域控制框架，对未来有限时域内的目标运动与观测几何进行预测；采用束搜索算法求解uuv编队机动序列，结合所述多约束瞬时代价函数确定主uuv的最优航向与速度指令；设计主从式协同架构与从uuv本地执行约束，下发并执行机动指令；

7、将时延补偿后的观测信息输入鲁棒滤波算法进行目标状态估计；实时监测观测几何状态与目标运动变化，若检测到观测几何退化或时延补偿误差超出阈值，重新前述步骤，动态调整时延补偿模型参数与uuv编队机动策略。

8、可选地，所述ga-seq2seq模型包括编码器和解码器；

9、其中，编码器采用包含两层lstm单元的bi-lstm结构，输入为m步的历史观测序列，通过前向lstm与后向lstm并行捕捉双向时序依赖，输出拼接融合后通过层归一化处理压缩为定长上下文向量；

10、解码器采用多层lstm，输入为所述上下文向量与上一时刻预测值，输出n步的补偿后观测序列，末端设置三个并行全连接层，分别对应目标状态、uuv位移增量、uuv运动状态的预测。

11、可选地，所述计划采样策略采用教师引导机制，在训练初期以第一值的初始概率将真实标签作为解码器输入，随着迭代次数增加，引导概率按余弦退火规律衰减至第二值；在编码器输入端加入dropout层以抑制过拟合；

12、其中，第一值大于第二值。

13、可选地，所述多任务损失函数采用加权求和形式，包含目标状态损失、uuv运动与运动学约束损失、目标运动趋势一致性损失；

14、其中，目标状态损失包含相对位置均方误差与方位角一致性损失；

15、uuv运动与运动学约束损失包含位移增量匹配损失、航向航速联合约束损失及运动学模长约束损失；

16、目标运动趋势一致性损失通过目标相对位移矢量与uuv预测速度矢量的余弦相似度进行约束。

17、可选地，所述ga优化的网络超参数与损失函数权重包括学习率、lstm隐藏层维度及各项损失权重，适应度函数设置为验证集上位置均方根误差与角度误差的联合指标。

18、可选地，所述瞬时fim根据白化后的联合观测矩阵自相关得到，所述条件数采用2-范数定义，2-范数定义为加权联合观测矩阵的最大奇异值与最小奇异值的比值；

19、当任意两uuv之间的距离小于安全阈值时，所述安全避碰惩罚项立即施加极大代价以排除潜在碰撞构型。

20、可选地，所述滚动时域控制框架的预测步长m=5，主uuv航向变化集合包含7种离散角度；

21、主uuv的期望前向速度根据目标状态估计值进行自适应设计，并统一归一化转向强度指标。

22、可选地，所述束搜索算法的束宽b=2，构建决策树结构，在每个预测步仅保留累计代价最小的前2条候选机动路径；累计代价函数引入0.9的折扣因子以抑制远期预测不确定性影响，通过束搜索输出当前时刻主uuv的最优航向与速度指令。

23、可选地，所述主从式协同架构与从uuv本地执行约束，包括：

24、主uuv将最优航向与速度指令下发至各从uuv，从uuv基于由主uuv位置与固定相对偏移量确定的理想编队位置，采用前馈-反馈控制律调整自身运动，并引入允许最大偏移半径的位置可行域约束，通过受限优化获得实际控制量。

25、为了实现上述目的，本技术第二方面还提供一种通信时延补偿与观测退化规避的多uuv纯方位协同跟踪装置，包括：

26、系统建模模块，用于确定多uuv集群的初始位置、运动约束及声呐观测参数，建立通信时延观测信息模型；

27、时延补偿模块，用于构建ga优化的seq2seq时延补偿模型，采用bi-lstm作为编码器与解码器核心，引入多任务损失函数与计划采样策略，通过ga优化网络超参数与损失函数权重，对所述通信时延观测信息模型输出的滞后观测信息进行多步预测与校正，输出时间对齐的观测信息；

28、几何评价与代价函数设计模块，用于基于时间对齐的观测信息构造多uuv联合观测灵敏度矩阵得到瞬时fim，以加权联合观测矩阵的条件数作为核心评价指标；构建多约束瞬时代价函数，所述多约束瞬时代价函数融合可观测性均衡代价、跟踪距离保持代价与uuv间安全避碰惩罚项；

29、协同机动优化模块，用于引入滚动时域控制框架，对未来有限时域内的目标运动与观测几何进行预测；采用束搜索算法求解uuv编队机动序列，结合所述多约束瞬时代价函数确定主uuv的最优航向与速度指令；设计主从式协同架构与从uuv本地执行约束，下发并执行机动指令；

30、闭环优化模块，用于将时延补偿后的观测信息输入鲁棒滤波算法进行目标状态估计；实时监测观测几何状态与目标运动变化，若检测到观测几何退化或时延补偿误差超出阈值，重新前述步骤，动态调整时延补偿模型参数与uuv编队机动策略。

31、为了实现上述目的，本技术第三方面还提供一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行如前面提供的通信时延补偿与观测退化规避的多uuv纯方位协同跟踪方法。

32、为了实现上述目的，本技术第四方面还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前面提供的通信时延补偿与观测退化规避的多uuv纯方位协同跟踪方法。

33、本技术公开了一种通信时延补偿与观测退化规避的多uuv纯方位协同跟踪方法，包括：确定多uuv集群的初始位置、运动约束及声呐观测参数，建立通信时延观测信息模型；构建ga优化的seq2seq时延补偿模型，采用bi-lstm作为编码器与解码器核心，引入多任务损失函数与计划采样策略，通过ga优化网络超参数与损失函数权重，对所述通信时延观测信息模型输出的滞后观测信息进行多步预测与校正，输出时间对齐的观测信息；基于时间对齐的观测信息构造多uuv联合观测灵敏度矩阵得到瞬时fim，以加权联合观测矩阵的条件数作为核心评价指标；构建多约束瞬时代价函数，所述多约束瞬时代价函数融合可观测性均衡代价、跟踪距离保持代价与uuv间安全避碰惩罚项；引入滚动时域控制框架，对未来有限时域内的目标运动与观测几何进行预测；采用束搜索算法求解uuv编队机动序列，结合所述多约束瞬时代价函数确定主uuv的最优航向与速度指令；设计主从式协同架构与从uuv本地执行约束，下发并执行机动指令；将时延补偿后的观测信息输入鲁棒滤波算法进行目标状态估计；实时监测观测几何状态与目标运动变化，若检测到观测几何退化或时延补偿误差超出阈值，重新前述步骤，动态调整时延补偿模型参数与uuv编队机动策略。本技术构建ga-seq2seq鲁棒性优化网络模型，采用bi-lstm捕捉双向时序依赖，结合多任务损失函数与ga超参数优化，有效解决传统时延补偿方法依赖模型假设、泛化能力差的问题，实现对滞后观测信息的精准补偿，提升时间对齐精度；以fim条件数为核心设计多约束代价函数，融合可观测性、跟踪距离与安全避碰需求，采用滚动时域与束搜索实现非近视机动决策，主动规避观测几何退化构型，解决传统机动策略局部最优、工程实用性差的问题；实现时延补偿与观测退化规避的协同设计，通过闭环优化机制，动态响应水下环境变化与目标机动，兼顾跟踪精度、稳定性与工程可行性，适配复杂水下动态跟踪场景；设计主从式协同架构与从uuv本地执行约束，平衡编队几何一致性与动力学可行性，避免剧烈机动导致的能耗增加与编队发散，提升方法的工程可实现性。