一种基于多维信息素的无人机集群窄波束搜索跟踪方法与流程

1.本发明涉及无人机集群电子对抗领域，特别是指一种基于多维信息素的无人机集群窄波束搜索跟踪方法。


背景技术：

2.随着智能、网络、协同及控制技术的发展，在陆、海、空、天等各个作战空间中都可能出现类似于“狼群”、“鱼群”、“蜂群”的各类无人作战集群，实施全域无人集群攻击与防御作战。无人机集群通过组建高动态、可扩展、智能化的无人机集群网络，能够提升无人机的适应能力，协同完成复杂任务。相较于单个无人机在探测能力、武器载荷等受限，难于完成复杂的作战任务，无人机集群具有高效、低成本、功能互补、任务容错及可扩展性等诸多优势。通过协同通信、协同交互进行信息共享扩大对环境态势的感知能力，表现出更加卓越的协调性、智能性和自主性，能够显著提高无人机的生存能力和整体作战效能，实现协同任务分配、协同搜索、侦察与攻击。因此，作为重要的技术装备，无人机集群协同技术正迅速改变未来体系作战模式和战争形态。
3.现有技术中，先进设备的数据链多采用相控阵天线技术实现窄波束定向通信，具有隐蔽抗干扰能力强的特点，传统固定式侦察装备难以对其进行有效的侦察截获。


技术实现要素：

4.针对以上问题，本发明提出了一种基于多维信息素的无人机集群窄波束搜索跟踪方法。无人机集群携带分布式载荷能够在大范围、多方位全面地监控电磁信号，通过多维信息素地图实现无人机集群之间的信息交互和自主飞行决策，保证窄波束的截获。除此之外，利用目标信息素波束拟合方法确定波束主瓣位置，同时建立无人机鸽群层级网络向波束内飞行，实现对窄波束的搜索跟踪。
5.为实现上述目的，本发明采取的技术方案为：
6.一种基于多维信息素的无人机集群窄波束搜索跟踪方法，用于在一定空间范围内对数据链窄波束的搜索跟踪，提高对窄波束的搜索截获效率，包括以下步骤：
7.(1)任务空间网格化，构建多维信息素地图，包括吸引信息素、排斥信息素、目标信息素，并装订至每个无人机上；
8.多维信息素地图表示为：
[0009][0010]
其中，为吸引信息素，为排斥信息素，为目标信息素，n
x
，ny为信息素地图尺寸，x，y为网格化空间上的坐标，i表示第i架无人机，t表示时间；
[0011]
(2)无人机进入协同搜索状态，根据侦收信号幅度更新本地信息素地图，与邻居节点进行交互形成局部信息素地图，并选举出局部头节点，局部头节点之间进行信息素地图融合形成全局信息素地图；
[0012]
本地信息素地图更新规则为：
[0013][0014][0015]
其中，ηa、μa分别为吸引信息素的挥发和传播系数；da(t)、ba(t)分别为吸引信息素释放和传播矩阵；ηr、μr分别为排斥信息素的挥发和传播系数；dr(t)、br(t)分别为排斥信息素释放和传播矩阵；w为受访状态矩阵，无人机访问过的网格赋值为1，其余位置赋值为0，a(t)为无人机当前侦收信号强度；
[0016]
信息素地图融合规则为：
[0017][0018]
其中，为t时刻融合后的信息素地图，分别为无人机i，j的本地信息素地图，|
·
|表示取模运算；
[0019]
(3)各无人机根据协同交互机制进行运动决策，重复步骤2-3完成协同搜索任务；
[0020]
(4)局部头节点使用最小二乘法对目标信息素地图进行波束拟合，确定波束主瓣位置；
[0021]
波束拟合规则为目标信息素与拟合直线总体误差最小，拟合参数为：
[0022][0023][0024]
其中，k＝1，2，3
…
m，m为超过阈值的目标信息素总数量，xk，yk为信息素地图坐标，p
th
为固定阈值；
[0025]
(5)各无人机进入协同跟踪状态，组成鸽群层级网络飞向波束主瓣位置，并持续更新目标信息素地图，拟合波束方位，跟踪波束移动方向。
[0026]
无人机动力学方程表示为：
[0027]
li(t)＝li(t-1)+h
·
vi(t-1)
[0028]
vi(t)＝vi(t-1)+h
·
ui(t-1)
[0029][0030]
其中，li(t)表示第i架无人机t时刻的位置，vi(t)为无人机速度，ui(t)为无人机所
受合力，为吸引力，为排斥力，为一致力，h，ωa，ωs，ωc均为权重值。
[0031]
进一步的，步骤(1)中，将任务空间网格化，构建多维信息素地图，并周期性地对其进行更新来引导窄波束的搜索过程；其中，吸引信息素用于未搜索网格对无人机的吸引作用，排斥信息素用于已搜索网格对无人机的排斥作用，目标信息素由无人机电子侦收载荷侦收信号强度构成，用于窄波束对无人机的牵引，以提高对窄波束的搜索效率。
[0032]
进一步的，所述步骤(3)中，无人机集群协同交互机制具体包括以下步骤：
[0033]
(301)当无人机在当前时刻获取本地状态后，依据当前时刻本地所获取的信息素地图做出最优路径决策，确定下一时刻无人机的坐标位置；
[0034]
(302)随着无人机位置的更新，无人机实时更新本地信息素地图；
[0035]
(303)设置无人机协同交互通信范围和通信约束，同时一旦达到通信条件，无人机向通信网络中发送本地信息素地图，并接收其他无人机的信息素地图，完成信息素地图融合，实现多机协同，并以此作为新的本地信息素地图开始下一个搜索流程，直至完成搜索任务。
[0036]
进一步的，步骤(4)中，局部头节点对目标信息素进行波束拟合，确定波束主瓣位置，对超过门限的目标信息素点进行直线拟合，通过目标信息素点空间分布的对称性挖掘出波束指向位置。
[0037]
本发明与现有技术相比，具有以下优点：
[0038]
1.现有技术搜索目标多为可视实物，本发明利用无人机集群机动优势和电子侦察载荷实现了电磁目标搜索跟踪。
[0039]
2.本发明使用基于多维信息素的群体协同技术，可以更全面地感知周围环境信息，加速无人机集群对窄波束目标搜索过程的收敛，搜索效率更高；同时能够持续拟合波束方位，对窄波束动态电磁目标具有更好的搜索跟踪效率。
[0040]
3.本发明使用波束拟合的方法从目标信息素地图中挖掘波束位置，针对窄波束目标，本方法相比传统测向方法更加高效准确。
附图说明
[0041]
图1是本发明窄波束搜索跟踪方法流程图。
[0042]
图2是本发明目标信息素波束拟合图。
[0043]
图3是本发明真实波束与拟合波束相对位置示意图。
[0044]
图4是本发明无人机搜索跟踪窄波束示意图。
具体实施方式
[0045]
以下结合附图对本发明做进一步的详细描述。
[0046]
一种使用无人机集群对窄波束协同搜索跟踪方法，包括：任务空间网格化，构建多维信息素地图；无人机进入协同搜索状态，更新本地信息素地图，融合形成全局信息素地图；局部头节点根据协同交互机制进行运动决策，完成对任务空间的搜索；局部头节点对目标信息素地图进行波束拟合，确定窄波束主瓣位置；各无人机进入协同跟踪状态，组成鸽群层级网络飞向波束主瓣位置，并持续更新目标信息素地图，跟踪波束移动方向，其具体流程如图1所示，步骤如下：
[0047]
(1)任务空间网格化，构建多维信息素地图，包括吸引信息素、排斥信息素、目标信息素，并装订至每个无人机上；
[0048]
多维信息素地图表示为：
[0049][0050]
其中，为吸引信息素，为排斥信息素，为目标信息素，n
x
，ny为信息素地图尺寸，x，y为网格化空间上的坐标，i表示第i架无人机，t表示时间；
[0051]
(2)无人机进入协同搜索状态，根据侦收信号幅度更新本地信息素地图，与邻居节点进行交互形成局部信息素地图，并选举出局部头节点，局部头节点之间进行信息素地图融合形成全局信息素地图；
[0052]
本地信息素地图更新规则为：
[0053][0054][0055]
其中，ηa、μa分别为吸引信息素的挥发和传播系数；da(t)、ba(t)分别为吸引信息素释放和传播矩阵；ηr、μr分别为排斥信息素的挥发和传播系数；dr(t)、br(t)分别为排斥信息素释放和传播矩阵；w为受访状态矩阵，无人机访问过的网格赋值为1，其余位置赋值为0，a(t)为无人机当前侦收信号强度；
[0056]
信息素地图融合规则为：
[0057][0058]
其中，为t时刻融合后的信息素地图，分别为无人机i，j的本地信息素地图，|
·
|表示取模运算；
[0059]
(3)各无人机根据协同交互机制进行运动决策，重复步骤2-3完成协同搜索任务；
[0060]
(3a)当无人机在当前时刻获取本地状态后，依据当前时刻本地所获取的信息素地图做出最优路径决策，确定下一时刻无人机的坐标位置；
[0061]
(3b)随着无人机位置的更新，无人机实时更新本地信息素地图；
[0062]
(3c)设置无人机协同交互通信范围和通信约束，同时一旦达到通信条件，无人机向通信网络中发送本地信息素地图，并接收其他无人机的信息素地图，完成信息素地图的融合，实现多机协同，并以此作为新的本地信息素地图开始下一个搜索流程，直至完成搜索任务。
[0063]
(4)局部头节点使用最小二乘法对目标信息素地图进行波束拟合，确定波束主瓣位置；
[0064]
波束拟合规则为目标信息素与拟合直线总体误差最小，拟合参数为：
[0065][0066][0067]
其中，k＝1，2，3
…
m，m为超过阈值的目标信息素总数量，xk，yk为信息素地图坐标，p
th
为固定阈值；
[0068]
(5)各无人机进入协同跟踪状态，组成鸽群层级网络飞向波束主瓣位置，并持续更新目标信息素地图，拟合波束方位，跟踪波束移动方向；
[0069]
无人机动力学方程表示为：
[0070]
li(t)＝li(t-1)+h
·
vi(t-1)
[0071]
vi(t)＝vi(t-1)+h
·
ui(t-1)
[0072][0073]
其中，li(t)表示第i架无人机t时刻的位置，vi(t)为无人机速度，ui(t)为无人机所受合力，为吸引力，为排斥力，为一致力，h，ωa，ωs，ωc均为权重值。
[0074]
吸引力、排斥力和一致力具体可以表示为：
[0075][0076][0077][0078][0079][0080][0081][0082]
其中，i，j＝1，2，3，
…
，n，集群规模为n，d
ij
表示集群中任意两个个体之间的欧氏距离，rh和ra分别表示排斥力范围和吸引力范围。ci，wi，oi分别为交互矩阵、权重矩阵和支配矩
阵，用于构建矩阵ki，符号表示矩阵对应项相乘。
[0083]
为验证本发明对窄波束的协同搜索跟踪效果进行仿真验证试验，目标信息素波束拟合过程如图2所示，图中散点为目标信息素，直线为拟合波束，拟合波束处于目标信息素对称位置；实际波束与拟合波束相对位置如图3所示，图中实际波束以场强的形式表示，拟合波束以直线表示，可见拟合波束和实际波束位置基本重合；在对窄波束搜索跟踪过程中，无人机集群分布在实际波束附近，其相对位置如图4所示。
[0084]
总之，本发明通过对信息素地图中信息素浓度的调节，为无人机集群目标搜索提供导引信息，帮助无人机进行下一步的运动决策，同时通过无人机之间的协同交互更全面地感知周围电磁环境信息，探索更多的未知任务区域，加速搜索过程的收敛，最终通过目标信息素波束拟合实现窄波束跟踪。
[0085]
需要理解的是，上述对于本专利具体实施方式的叙述仅仅是为了便于本领域普通技术人员理解本专利方案而列举的示例性描述，并非暗示本专利的保护范围仅仅被限制在这些个例中，本领域普通技术人员完全可以在对本专利技术方案做出充分理解的前提下，以不付出任何创造性劳动的形式，通过对本专利所列举的各个例采取组合技术特征、替换部分技术特征、加入更多技术特征等等方式，得到更多的具体实施方式，所有这些具体实施方式均在本专利权利要求书的涵盖范围之内，因此，这些新的具体实施方式也应在本专利的保护范围之内。

技术特征：
1.一种基于多维信息素的无人机集群窄波束搜索跟踪方法，其特征在于，用于在无人机集群对抗中实现窄波束协同搜索及跟踪，包括以下步骤：(1)任务空间网格化，构建多维信息素地图，包括吸引信息素、排斥信息素、目标信息素，并装订至每个无人机上；多维信息素地图表示为：其中，为吸引信息素，为排斥信息素，为目标信息素，n
x
,n
y
为信息素地图尺寸，x,y为网格化空间上的坐标，i表示第i架无人机，t表示时间；(2)无人机进入协同搜索状态，根据侦收信号幅度更新本地信息素地图，与邻居节点进行交互形成局部信息素地图，并选举出局部头节点，局部头节点之间进行信息素地图融合形成全局信息素地图；本地信息素地图更新规则为：本地信息素地图更新规则为：其中，η
α
、μ
a
分别为吸引信息素的挥发和传播系数；d
a
(t)、b
a
(t)分别为吸引信息素释放和传播矩阵；η
r
、μ
r
分别为排斥信息素的挥发和传播系数；d
r
(t)、b
r
(t)分别为排斥信息素释放和传播矩阵；w为受访状态矩阵，无人机访问过的网格赋值为1，其余位置赋值为0，a(t)为无人机当前侦收信号强度；信息素地图融合规则为：其中，为t时刻融合后的信息素地图，分别为无人机i,j的本地信息素地图，|
·
|表示取模运算；(3)各无人机根据协同交互机制进行运动决策，重复步骤2-3完成协同搜索任务；(4)局部头节点使用最小二乘法对目标信息素地图进行波束拟合，确定波束主瓣位置；波束拟合规则为目标信息素与拟合直线总体误差最小，拟合参数为：
其中，k＝1,2,3
…
m，m为超过阈值的目标信息素总数量，x
k
,y
k
为信息素地图坐标，p
th
为固定阈值；(5)各无人机进入协同跟踪状态，组成鸽群层级网络飞向波束主瓣位置，并持续更新目标信息素地图，拟合波束方位，跟踪波束移动方向；无人机动力学方程表示为：l
i
(t)＝l
i
(t-1)+h
·
v
i
(t-1)v
i
(t)＝v
i
(t-1)+h
·
u
i
(t-1)其中，l
i
(t)表示第i架无人机t时刻的位置，v
i
(t)为无人机速度，u
i
(t)为无人机所受合力，为吸引力，为排斥力，为一致力，h,ω
a
,ω
s
,ω
c
均为权重值。2.根据权利要求1所述的一种基于多维信息素的无人机集群窄波束搜索跟踪方法，其特征在于，步骤(1)中，将任务空间网格化，构建多维信息素地图，并周期性地对其进行更新来引导窄波束的搜索过程；其中，吸引信息素用于未搜索网格对无人机的吸引作用，排斥信息素用于已搜索网格对无人机的排斥作用，目标信息素由无人机电子侦收载荷侦收信号强度构成，用于窄波束对无人机的牵引，以提高对窄波束的搜索效率。3.根据权利要求1所述的一种基于多维信息素的无人机集群窄波束搜索跟踪方法，其特征在于，步骤(3)中，无人机集群协同交互机制具体包括以下步骤：(301)当无人机在当前时刻获取本地状态后，依据当前时刻本地所获取的信息素地图做出最优路径决策，确定下一时刻无人机的坐标位置；(302)随着无人机位置的更新，无人机实时更新本地信息素地图；(303)设置无人机协同交互通信范围和通信约束，同时一旦达到通信条件，无人机向通信网络中发送本地信息素地图，并接收其他无人机的信息素地图，完成信息素地图的融合，实现多机协同，并以此作为新的本地信息素地图开始下一个搜索流程，直至完成搜索任务。4.根据权利要求1所述的一种基于多维信息素的无人机集群窄波束搜索跟踪方法，其特征在于，步骤(4)中，局部头节点对目标信息素进行波束拟合，确定波束主瓣位置，对超过门限的目标信息素点进行直线拟合，通过目标信息素点空间分布的对称性挖掘出波束指向位置。5.根据权利要求1所述的一种基于多维信息素的无人机集群窄波束搜索跟踪方法，其特征在于，步骤(5)中，当波束移动时，无人机群组成鸽群层级网络，持续同步更新目标信息素地图，并对波束进行拟合，获取波束移动方向，实现对波束的跟踪。

技术总结
本发明公开了一种基于多维信息素的无人机集群窄波束搜索跟踪方法，属于无人机集群电子对抗领域。本方法包括：构建多维信息素地图；无人机更新本地信息素地图，形成全局信息素地图；各无人机根据协同交互机制进行运动决策，完成搜索；局部头节点对目标信息素地图进行波束拟合，确定窄波束主瓣位置；各无人机进组成鸽群层级网络飞向波束主瓣位置，并持续更新目标信息素地图，跟踪波束移动方向。本发明通过对信息素地图中信息素浓度的调节，为无人机集群目标搜索提供导引信息，帮助无人机进行下一步的运动决策，同时通过无人机之间的协同交互更全面地感知周围电磁环境信息，探索更多的未知任务区域，加速搜索过程的收敛，实现窄波束跟踪。跟踪。跟踪。


技术研发人员：高晓腾 柳始良 李欣隆 鲍志宇
受保护的技术使用者：中国电子科技集团公司第五十四研究所
技术研发日：2023.06.27
技术公布日：2023/9/22