公开(公告)号：CN119596981A

公开(公告)日：2025-03-11

申请号：CN202411766682.7

申请日：2024-12-04

Applicant: 兰州理工大学

Inventor： 张文旭 ,  缪嘉伟 ,  陈辉 ,  石倩倩 ,  张震宇 ,  任可可 ,  董周楠 ,  马小航 ,  姜越 ,  蔡子悦

IPC: G05D1/46 ,  G05D1/695 ,  G05D109/20

Abstract: 本发明基于多智能体蚁群强化学习的多无人机目标探索与跟踪方法及系统，包括以下步骤：将无人机进行目标跟踪的实际环境划分为网格单元；基于网格单元，进行目标状态初始化，获得无人机的初始观测位置；基于蚁群算法以及无人机的初始观测位置，计算无人机在各网格单元间的转移概率；基于转移概率以及网格单元，建立奖励函数；基于奖励函数以及现有探索信息和跟踪信息，利用多智能体近端策略优化算法对多无人机进行集中训练，获得最优联合决策；基于最优联合决策，使得无人机完成对待探索的多目标的探索与跟踪。本发明技术方案增加了无人机在未知区域中发现目标的可能性，还能够有效的跟随目标。

公开(公告)号：CN119251254A

公开(公告)日：2025-01-03

申请号：CN202411363785.9

申请日：2024-09-28

Applicant: 兰州理工大学

Inventor： 陈辉 ,  张欣雨 ,  杜双燕 ,  王莉 ,  王其洋 ,  周泽鹏 ,  管健 ,  王涵宇 ,  任可可 ,  蔡子悦

IPC: G06T7/246 ,  G06F17/18 ,  G06F17/16 ,  G06N7/01

Abstract: 本发明公开了基于非平稳异常噪声环境下的扩展目标跟踪方法，包括：S1、对目标的运动状态和扩展状态进行初始化，获得状态的初始化信息；S2、根据所述状态的初始化信息，获得目标的量测模型；S3、将所述目标的量测模型和运动状态模型为GSTM分布，通过引入伯努利变量，将目标状态一步预测密度和量测似然函数，构建分层高斯状态空间模型；S4、基于所述分层高斯状态空间模型，对目标的运动状态和扩展状态进行预测更新；S5、通过变分贝叶斯方法对目标状态参数量测更新，判断是否继续跟踪，继续跟踪则返回S4，反之则完成扩展目标跟踪。本发明有效解决了在复杂噪声环境中对扩展目标跟踪效果较差的问题，具有更强的鲁棒性和适应性。