论文部分内容阅读
近年来,移动传感器网络得到了越来越广泛的应用,在诸如搜索救援、边境巡逻、复杂战场和环境监控等行业领域扮演了重要角色。例如,在现实场景中,为了实现对感兴趣区域实时监控,多架无人机通常利用局域网络被组织成集群形式。由于传感器节点的有限视场、去中心化的网络结构、个体无人机节点的高机动性以及自主化需要满足的高精度与可靠性,多目标搜索和跟踪任务面临许多挑战。本文研究基于移动传感器网络的多目标跟踪算法,结合移动传感器机动性、感知能力和区域通信能力的特点,解决多目标跟踪问题,主要解决以下三个基本问题:1.如何在给定的感兴趣区域搜索目标时,最优地控制一组移动传感器节点从而达到最大化区域覆盖范围的目的?2.如何在跟踪过程中面对目标数量未知以及动态变化等不确定因素对目标进行有效状态估计?3.如何建立一个有效的分布式(去中心化)算法框架实现对区域多机动目标联合搜索与跟踪?与之前的移动传感器网络在区域监控方面的研究相比,本文的主要内容如下:1.为了最大化区域覆盖范围,采用了Anti-Flocking控制模型,实现对未知区域的分布式协同搜索,同时在区域覆盖范围和检测效率方面展示了突出的性能;2.针对无人机集群对未知环境自主感知与探索需求,设计出多架无人机协同搜索和智能投放系统,该系统充分模拟出多无人机搜索与救援这一过程;3.本文扩展了基于随机有限集的多目标滤波算法,考虑了多传感器的协同运动控制问题,使其可以处理具有有限视场的多传感器多目标跟踪问题;4.提出一个稳健的区域多机动目标联合搜索与跟踪的算法框架和解决方案,能够处理目标数量未知且可能会发生动态变化的情形,不仅可以估计出多目标的状态,同时可以实现轨迹关联。最后,算法仿真验证了Anti-Flocking分布式协同控制算法、区域多机动目标联合搜索与跟踪算法框架的有效性。除此之外,实物飞行结果验证了集群搜索系统的有效性和鲁棒性。