一种基于无人机蜂群的目标跟踪算法

随着时代发展,群智感知技术在各行业中的应用范围不断增大,而具有低成本、智能化等特点的无人机也逐步走向集群化,蜂群定位成为基础设施不完备场景的新型解决方案.为了减少蜂群协同复杂度,可通过选站策略等对协同数量进行优化.但对于运动目标,在提高定位性能的同时,频繁选站会导致运算复杂度倍增,即存在定位性能与定位复杂度之间的矛盾.针对上述问题,设计出了一种基于扩展卡尔曼滤波的马尔科夫修正交互式多模型跟踪算法,在增加目标运动跟踪算法的基础上,减少选站次数,并通过引入交互式多模型算法对多种运动模型进行适配,以弥补单模型算法的缺陷.同时,在蜂群定位场景下对交互式多模型的转移概率进行自适应性更新,提高模型匹配度,实现对目标真实运动轨迹的跟踪预测.由对比实验结果可知,该算法可大幅缩短模型切换时间,从 10～20 s缩短至 5 s,降低了定位复杂度.