一种多无人机协同跟踪定位方法与流程

技术特征：
1.一种多无人机协同跟踪定位方法，其特征在于，包括以下步骤：步骤1、根据无人机通讯网络拓扑结构图，基于图论的方法建立有向连通图，获得无人机传感器节点与相邻节点的连通信息；步骤2、建立线性连续时间系统模型；步骤3、利用ikcf滤波算法，对目标未知信息进行估计；步骤4、采用序贯快速协方差交叉融合算法，对各节点的估计结果进行数据融合，得出确定的目标位置。2.根据权利要求1所述的多无人机协同跟踪定位方法，其特征在于，步骤2所述建立线性连续时间系统模型，具体如下：其中x∈r
n
,过程噪声w～n(0,q)表示方差为q的高斯白噪声；为目标状态的导数，u为输入状态，a为系统矩阵，b为输入矩阵，f为噪声矩阵；假设式(1)中的状态量被n个连通图为g1的传感器节点观测，系统中节点的观测模型表示为：其中ω
ij
～n(0,n
c
)表示方差为的点间通信噪声；z
i
是传感器i对目标的直接观测结果：z
i
＝h
i
x v
i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)h
i
为量测矩阵，量测噪声v
i
～(0,r
i
)是方差为r
i
的高斯白噪声；z
i
是传感器附带邻居节点状态及加权系数的观测结果；a
ij
表示传感器节点i与节点j是否通讯，若通讯则a
ij
＝1，否则a
ij
＝0；和p
j
是状态估计量和估计量的方差矩阵；如果传感器i能够直接获得目标的量测信息，那么g
i0
＝1，否则g
i0
＝0。3.根据权利要求2所述的多无人机协同跟踪定位方法，其特征在于，步骤3所述利用ikcf滤波算法，对目标未知信息进行估计，具体如下：根据式(3)～(6)进行ikcf滤波根据式(3)～(6)进行ikcf滤波根据式(3)～(6)进行ikcf滤波
其中下标i、j表示第i、j个传感器节点；其中下标i、j表示第i、j个传感器节点；其中下标i、j表示第i、j个传感器节点；和分别为直接和间接卡尔曼增益；和p
j
是状态估计量和估计量的方差矩阵。4.根据权利要求3所述的多无人机协同跟踪定位方法，其特征在于，步骤4所述采用序贯快速协方差交叉融合算法，对各节点的估计结果进行数据融合，得出确定的目标位置，具体如下：根据式(7)～(10)进行序贯快速协方差交叉融合，将目标的运动信息融合分为多步完成，各节点在每收到一帧数据后即进行一次融合：各节点在每收到一帧数据后即进行一次融合：各节点在每收到一帧数据后即进行一次融合：各节点在每收到一帧数据后即进行一次融合：其中k是当前时刻本融合节点包含自身局部估计值已经融合过的局部估计值个数，是当前节点融合k个局部估计值后得到的融合值，p
f,k
是当前节点融合k个局部估计值后得到的融合值的方差矩阵，是当前节点融合k个局部估计值后新收到的待融合局部估计值，p
new
是当前节点融合k个局部估计值后新收到的待融合局部估计值的方差矩阵，ε
f
是当前节点融合k个局部估计值后得到的融合值的中间融合系数，ω
f
是当前节点融合k个局部估计值后得到的融合值的归一化融合系数，ε
new
是当前节点融合k个局部估计值后新收到的待融合局部估计值的中间融合系数，ω
new
是当前节点融合k个局部估计值后新收到的待融合局部估计值的归一化融合系数，是k 1个节点局部目标状态估计值的融合值，p
f,k 1
是k 1个节点局部目标状态估计值的融合方差矩阵。

技术总结
本发明公开了一种多无人机协同跟踪定位方法。该方法步骤为：根据无人机通讯网络拓扑结构图，基于图论的方法建立有向连通图，获得无人机传感器节点与相邻节点的连通信息；建立线性连续时间系统模型；利用IKCF滤波算法，对目标未知信息进行估计；采用序贯快速协方差交叉融合算法，对各节点的估计结果进行数据融合，得出确定的目标位置。本发明充分利用了相邻无人机节点的估计信息，提高了系统的实时性，使目标位置估计更加准确。使目标位置估计更加准确。使目标位置估计更加准确。


技术研发人员：贾越 戚国庆 李银伢 盛安冬
受保护的技术使用者：南京理工大学
技术研发日：2020.04.13
技术公布日：2021/10/21