随着航空科学技术的快速发展,在脏乱、恶劣、危险的作业环境中无人机得到了广泛的应用。在无人机的很多应用中,如城市追踪、森林救援、军事打击等,都包含了目标追踪问题。由于飞行环境复杂,约束条件多,单架无人机不足以实现对目标的持续追踪,因此需要多无人机协作以持续、精确的追踪目标。由此,多无人机协同追踪地面移动目标的航迹规划及任务分配问题引起了国内外学者的广泛关注。无人机航迹规划取决于任务分配结果,而任务分配过程中的指标函数与无人机的航迹规划有关,两者相互影响,相互制约。因此,本文以复杂的城市环境为背景,以实现目标协同追踪为目的,提出了面向移动目标追踪的多无人机协同航迹规划及任务分配方法。针对带有优先级约束的多指标航迹规划问题展开研究,首先,考虑城市环境中建筑物对无人机视线遮挡、无人机控制输入和传感器能量消耗等因素,以目标覆盖度、控制输入代价和开关量形式的传感器能耗为指标函数,将多无人机协同追踪问题转化为多指标规划问题;然后,基于分布式预测控制框架,利用每架无人机未来有限时域内的预测状态,构建多无人机之间避碰约束,并结合无人机自身的最小转弯半径等约束,形成分布式协同航迹规划模型;最后,针对多个优化指标的不同重要性等级要求,利用模糊优化思想将指标模糊化,并以更重要指标具有更重要满意度为原则,将不同指标间优先级关系表示为松弛满意度序,通过在线求解,实时获得有限时域内每架无人机的局部航迹。考虑无人机实际飞行过程中,目标运动状态未知的情况,通过扩展卡尔曼滤波和概率滤波相结合的方法,对目标的运动状态进行估计与预测。当目标沿道路直线运动时,利用扩展卡尔曼滤波对目标状态进行估计与预测;当目标沿道路转弯时,利用概率滤波对目标状态进行估计与预测。以目标估计与预测状态为基础,为无人机的实时协同航迹规划提供可靠信息,实现对移动目标的持续追踪。考虑多无人机协同追踪多目标的情况,为保证追踪系统满足每一时刻每个目标至少被一架无人机追踪,且每架无人机都执行追踪任务的任务要求,对多无人机协同航迹规划及任务分配问题展开研究。首先,将协同追踪多目标问题转化成一个复杂的0-1混合整数规划问题,然后结合粒子群算法给出了分层求解和一体化求解两种方法:分层求解,即首先利用协同航迹规划方法优化航迹,然后利用粒子群算法实时优化变量0和1,进行任务分配;一体化求解,即任务分配与航迹规划同时进行求解。粒子群算法不仅优化变量0和1,还要同时优化协同航迹,结合城市道路背景,利用事件触发的思想,设计城市道路事件触发机制,缩短一体化求解的整体时间,实现任务分配。