买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京航空航天大学

摘要：本发明公开了一种基于雷达航迹信息的集群无人机威胁指数计算方法，包括如下步骤：S1、构建信息矩阵并进行预处理；S2、进行集群无人机的多域关联与分组；S3、评估分组目标多元威胁权值；S4、计算集群无人机威胁指数。本发明采用上述的一种基于雷达航迹信息的集群无人机威胁指数计算方法，适用于集群无人机雷达监视过程中的场景智能认知，可实现对多架集群无人机威胁指数的快速计算。

主权项：1.一种基于雷达航迹信息的集群无人机威胁指数计算方法，其特征在于，包括如下步骤：S1、构建信息矩阵并进行预处理；其具体为：定义集群无人机威胁指数评估周期由K个时间采样点组成，每个时间采样点定义为tk，定义该评估周期内的集群无人机航迹信息集合为Ξ，并根据该集合中的无人机时空间信息构建位置矩阵、速度矩阵、状态矩阵和编号矩阵；无人机的空间位置由XYZ坐标进行描述，因而位置矩阵由三个子矩阵组成，定义为： K表示评估周期的时间采样点个数；M表示评估周期内无人机目标的最大数量；矩阵{ΩX,ΩY,ΩZ}的每一行描述了一个评估周期内每个时间采样点对应的XYZ坐标；XM,K表示的是第M个无人机航迹在tk时刻在X轴上的坐标，单位为米；YM,K和ZM,K表示在Y轴和Z轴上的对应坐标，单位为米；在tk时刻第M个无人机目标航迹不存在，则定义XM,K,YM,K,ZM,K＝0,0,0；速度矩阵定义为： 矩阵{VX,VY,VZ}中的每一行描述了一个评估周期内的航迹的速度信息；表示的是第M个无人机航迹在tk时刻在X方向上的速度分量，单位为米秒，Y和Z方向上的速度定义与X方向一致；在tk时刻第M个无人机目标航迹不存在，则定义状态矩阵定义为： 其中fM,K描述了评估周期内无人机目标M在tk时刻的状态；fM,K＝0表示航迹处于终结状态，fM,K＝1表示航迹处于正常跟踪状态，fM,K＝2表示新航迹的起始状态；编号矩阵定义为： 其中ψM,K表示第M个无人机航迹在tk时刻对应的航迹编号；ψM,K＝-33表示无效航迹编号，表示该航迹已经终结，对于在评估周期内已经终结的航迹，判定其不存在威胁，不需要计算威胁指数；对状态矩阵F逐行进行遍历，若存在fM,K＝0的情况，则将第M个无人机目标判定为无威胁目标，将矩阵ΩX，ΩY，ΩZ，VX，VY，VZ，F以及ψ中的第M行数据移除；将无危胁目标移除之后的信息矩阵分别定义为Ω'X，Ω'Y，Ω'Z，V'X，V'Y，V'Z，F'和Ω'，完成筛选后的集群无人机集合定义为U，Ui表示U中的第i架无人机，i＝1,2,…,6；S2、进行集群无人机的多域关联与分组；其具体为：基于步骤S1生成的信息矩阵，对U中的每一架无人机进行空间域关联和速度域关联，实现对全部无人机目标的分组；空间域关联为：定义空间域关联半径为R，定义Ui和Uj在tk时刻的空间坐标分别为Xi,Yi,Zi和Xj,Yj,Zj，则Ui和Uj的距离为： 若di,j,tkR，则判定Ui和Uj在tk关联；若di,j,tkR，则判定Ui和Uj在tk时刻不存在空间关联；速度域关联为：定义Ui和Uj在评估周期内的重叠时间采样点个数为K’，在重叠时间采样点范围内Ui和Uj在X，Y，Z方向上的速度均方根误差为： 计算重叠时间采样点上Ui和Uj在X，Y，Z方向上的平均速度： Ui和Uj的总体速度方差为： Ui和Uj的平均速度分别为： Ui和Uj的速度关联判定遵循以下两条准则：准则1： 准则2：di,j,tk+TR；当准则1和准则2都满足时，判定Ui和Uj在速度上是关联的，建立速度关联矩阵Nvel；Nveli,j＝1表示Ui和Uj在速度上关联，Nveli,j＝0表示Ui和Uj在速度上不关联；集群无人机分组：基于空间关联矩阵Npos和速度关联矩阵Nvel将U中的无人机分为独立作业目标与集群协作目标两类，构建新的目标集合与目标单元；对于Ui，其类别的判定方法为：1独立作业目标：若Ui对应的空间和速度关联矩阵元素满足如下条件：Nposi,j＝0且Nveli,j＝0，j＝1,2,…,K’，判定Ui为独立作业目标；2集群协作目标：对于Ui，若在集群无人机U中存在其他Uj，满足Nposi,j＝1且Nveli,j＝1，则判定Ui和Uj为一组集群协同目标；基于上述判定准则1和2，采用如下步骤对U进行目标分组：第一步：定义集群协作目标集合为D1，独立作业目标集合为D2；第二步：从U1开始遍历空间关联矩阵Npos和速度关联矩阵Nvel，采用判定准则1和2对Ui的类别进行分组：第三步：遍历U中的全部无人机目标，重复步骤S2的目标分组，直到集群无人机U的全部目标均分组至集合D1或D2中；S3、评估分组目标多元威胁权值；其具体为：多元威胁权值以集合D1和D2中的目标为基本单元进行计算，集群无人机目标的威胁是与战场环境中的重点目标相关联，定义战场环境重点目标集合为A，无人机的威胁权值与A中的每一个重点目标相关联，分别定义无人机目标在距离维度、速度维度和状态维度上的权值因子；距离权值：定义Aq为重点目标集合A中的第q个重点目标，定义重点目标距离的安全半径分别为300米，600米和1000米；对于集群协作目标D1p，定义其在评估周期内的最后一个有效时间采样点的坐标为X1p,Y1p,Z1p，定义重点目标Aq在评估周期内的最后一个有效时间采样点的坐标为XAq,YAq,ZAq，D1p和Aq之间的距离定义为： 对于独立目标D2p，定义其在评估周期内的最后一个有效时间采样点的坐标为X2p,Y2p,Z2p，D2p和Aq之间的距离定义为： 根据dp,q的计算结果，距离维度加权因子计算方法为： 速度权值：无人机在速度维度上的威胁权值与无人机相对于重点目标的相对运动速度以及距离相关；对于集群协作目标单元D1p，其在评估周期内的最后一个时间采样点的平均速度为vXp,vYp,vZp，D1p中心坐标为X1p,Y1p,Z1p；定义D1p和Aq之间的方向矢量为D1p朝向Aq的方向：Jp,q＝[Xq-Xp,Yq-Yp,Zq-Zp]；对于速度矢量v＝vXp,vYp,vZp，若v和Jp,q的内积v,J0，表示D1p呈远离Aq的态势，d1p在速度维度上对Aq无威胁，速度加权因子定义为：wvelp,q＝0；若v,J0，D1p和Aq之间的距离为： 计算D1p在Jp,q方向上与Aq距离小于100米所需的飞行时间： 基于上述时间t，速度威胁权值定义为： 对于集合D2中的目标单元，采用类似方法定义威胁权值因子；状态权值：对于D2和D1中的目标单元，其状态维度特征均由以下三个方面描述：1目标为已有目标或新目标；2目标在评估周期内与重点目标Aq的距离变化；3目标在评估周期内的速度变化；状态维度威胁权值因子为三个方面权值因子的求和：wsta＝wsta1+wsta2+wsta3；S4、计算集群无人机威胁指数，其具体为：根据雷达对于无人机类型的判定信息，以及步骤S2中对于目标的分组信息，定义目标的基本威胁因子，定义无人机类型为旋翼无人机与固定翼无人机，根据目标尺寸进一步定义为大型无人机和小型无人机；根据D1和D2中每个目标单元包含的无人机的类别信息，可以获取每一个目标单元的基本威胁因子λ0Dij，结合步骤S3中计算得到的距离、速度和状态权值，并采用加权求和方法计算威胁指数：λDij,Aq＝λ0×wdis+λ0×wvel+λ0×wsta。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种基于雷达航迹信息的集群无人机威胁指数计算方法