Distributed control for multi-target circumnavigation by a group of agents

This study investigated the multi-target circumnavigation problem. The multi-target circumnavigation problems involve a group of agents circumnavigating moving targets in a coordinated fashion. To address the problem, a decentralised estimator is first constructed at each agent to estimate the geometric centre of the targets. Then, the distributed control strategy is developed by means of the estimator, which guarantees that the agents preserve the desired distance to the target centre and rotate around the targets at uniformly spaced angles. In particular, the topology structure of the agents only needs to be a tree rather than the ring. Thus, the control scheme is more feasible and robust and requires less information. The convergence of the proposed algorithms is demonstrated based on Lasalle's invariance principle and algebraic graph theory. Several numerical simulations are provided to validate the results.     

Coordinated circumnavigation by multiple agents under directed topology

ABSTRACT

This paper focuses on the coordinated circumnavigation problem for multiple agents with directed communication topology. All agents are required to be evenly spaced around a moving target, and orbit around it with prescribed radii and circular velocity. We divide the coordinated circumnavigation system into a cascaded system consisting of a standoff tracking subsystem and a spacing distribution subsystem. A tracking controller and an additional controller for the two subsystems are developed, respectively. The global uniform stability of the coordinated circumnavigation system is analysed using the cascaded control theory. The presented controllers render each individual agent circumnavigating the target with the desired requirements. More importantly, we show that the derived tracking controller is a general extension of existing controllers for single agent circumnavigation problem. Another feature of the proposed controllers is that the directed topology considered only needs to have a directed spanning tree. Furthermore, the proposed controllers take the velocity constraints into consideration, that is more rational for practical applications. Numerical simulations are provided to verify the effectiveness of the proposed methods.     

Multi‐targets localization and elliptical circumnavigation by multi‐agents using bearing‐only measurements in two‐dimensional space

In order to enable the multi‐agents to elliptically circumnavigate the multi‐targets in more complex environment, we propose a geometric center estimator and an elliptical circumnavigation controller in two‐dimensional space by only employing bearing measurements without knowing the target's position and velocity. The stability of the algorithm is proved for both stationary targets and dynamic targets. Finally, a series of numerical simulations is presented to verify the correctness of the algorithm both in ideal networks and in networks with communication delays.     

基于随机采样的多量测目标跟踪算法

在多目标跟踪领域,传统算法假设目标是点源辐射体,至多产生一个量测点,随着现代 传感器技术的发展,可以获得一个目标的多个量测. 本文研究当目标具有一定刚体几何形状并产生 多量测的问题,这类目标称为多量测目标.首先,通过建立目标形状的刚体参数模型,提出采用参数马 尔科夫链采样的方法,估计目标的形状参数.其次,采用等效量测方法,获得目标形心 点的运动状态. 针对目标个数未知情况,在形状目标量测满足泊松分布假设条件下,采用泊松强度比方法获得目标的个数估计. 本文定义了目标类型概率并给出 了目标类型概率的递推算法. 最后,通过三个具有不同形状和分布的多量测目标在二维平面的匀速(Constant velocity, CV)运动进行验证说明,实验表明: 所给方法在目标运动状态估计方面能够获得比较高的估计精度,目标形状估计能够比较稳定精确地估计目标形状的变化. 此外, 500次蒙特卡洛(Monte Carlo, MC)仿真实验表明,多量测目标的跟踪丢失率约为1.4%.     

Multi‐target localization and circumnavigation by a single agent using bearing measurements

This paper considers the problem of localization and circumnavigation of a group of targets, which are either stationary or moving slowly with unknown speed, by a single agent. An estimator is proposed, initially for the stationary target case, to localize the targets and the center of mass of them as well as a control law that forces the agent to move on a circular trajectory around the center of mass of the targets such that both the estimator and the controller are exponentially stable. Then the case where the targets might experience slow but possibly steady movements is studied. The system inputs include the agent's position and the bearing angles to the targets. The performance of the proposed algorithms is verified through simulations. Copyright © 2014 John Wiley & Sons, Ltd.     

基于多帧杂波稀疏度估计的无源协同定位

针对杂波密度未知时的多目标无源协同定位问题,提出一种基于多帧杂波稀疏度估计(multi-scan clutter sparsity estimation,MCSE)和高斯混合概率假设密度(Gaussian mixture probability hypothesis density,GMPHD)的多目标无源协同定位算法.首先,构建高斯混合后验强度和杂波密度估计之间的反馈模型,利用门限技术在线剔除潜在的目标测量,以减少目标测量对杂波密度估计的干扰.其次,基于多帧杂波稀疏度估计,实现非均匀分布的杂波密度的在线估计,进一步提高杂波密度未知时的多目标跟踪性能.仿真验证了所提算法的有效性.     

一种基于椭圆RHM的扩展目标Gamma高斯混合CPHD滤波器

针对杂波环境下扩展目标形状难以估计、目标跟踪精度低等问题, 提出一种自适应估计扩展目标形状的伽玛高斯混合势概率假设密度算法(GGM-CPHD). 该算法将目标的扩展形状建模为椭圆随机超曲面模型, 并将其嵌入到GGM-CPHD 滤波器中, 更新扩展目标的质心、椭圆形状和方向等信息以完成对扩展目标的跟踪. 通过杂波环境下未知数目的扩展目标仿真实验, 表明了所提出算法在质心状态和椭圆长短轴的估计精度方面要优于传统的基于随机矩阵的伽玛高斯逆韦氏CPHD滤波器.

     

视频序列中面向人的多目标跟踪算法

针对视频序列中人的跟踪问题,提出一种基于运动检测的多目标跟踪算法．跟踪系统由运动目标检测、关联矩阵建立、特殊情况判断及处理以及轨迹关联4部分构成．提出一种基于改进的c-均值聚类的自适应运动分割方法;不同情况下建立不同的关联矩阵,以准确判断实际场景状况;对遮挡问题作出处理,在两个目标遮挡不严重的情况下,分别采用均值漂移算法对其进行跟踪．实验结果表明,该算法具有较强的鲁棒性,能有效实现复杂场景下多目标跟踪．     

基于机器视觉的打磨工件跟踪方法研究

为克服在自动化生产中跟踪打磨工件时受尺度变化、部分遮挡等因素影响跟踪效果的问题,提出了一种基于机器视觉的打磨工件长时间目标跟踪算法。该算法对传统的KCF目标跟踪算法做了尺度估计、质心位置预测和质心修正重定位的改进,首先在与传统KCF算法结合的基础上,计算出运动目标质心位置的同时引进尺度金字塔来进行目标尺度估计;然后提出一种质心位置预测方法估计其质心运动;最后为了防止目标丢失使用质心修正重定位方法进行质心重定位,提高了跟踪的稳定性。实验证明,在工件发生尺度变化、部分遮挡等的情况下,本文方法具有良好的检测效果,并具有较强的鲁棒性。     

多动态目标的多机器人协同环航控制

主要研究了多个非完整机器人对多个动态目标的协同环航控制问题;首先,针对多目标护航任务,建立目标扩展圆形构型,以期完成紧密目标保卫任务;其次,针对护航机器人,通过利用自身及相邻节点的位置与方位信息及所包围的动态目标的中心位置及扩展半径设计分布式时变圆形编队控制协议,实现预定几何分布下的机器人环航编队设计;其中,通过引入虚拟信号变量设计期望的速度及角速度控制律,利用反步技术提出了一种新的考虑时变护航半径的分布式控制策略;在对目标节点速度的温和假设下,所提出的编队控制器可以驱动多护航机器人渐近收敛到以多目标中心的圆上,同时维持一个预定的几何编队配置;Lyapunov分析证明了所有的误差都可以渐进稳定到原点,数值仿真核实了所构建的控制方案的可行性。     

一种粒子势概率假设密度滤波纯方位多目标跟踪算法

针对基于势概率假设密度算法(CPHD)的纯方位多目标跟踪,提出一种新型的多传感器粒子CPHD滤波算法.该算法通过分析混合线性/非线性状态模型的结构信息,结合粒子滤波(PF)与卡尔曼滤波(KF)对各个目标的状态进行预测与估计,运用Mean-Shift方法提取概率假设密度的峰值作为目标状态估计值,并对算法复杂度进行了分析.仿真结果表明,算法可改善目标跟踪效果.     

用于多个机动目标的混合高斯概率假设密度跟踪器

现有的混合高斯概率假设密度（GM—PHD）跟踪器不仅可以估计时变的多目标状态,还能辨识不同目标并保持其轨迹连续性．但当多个目标发生机动时,其稳定性较差,容易丢失目标．针对这一问题,本文提出一种能跟踪多个机动目标的混合高斯概率假设密度跟踪器算法．算法在GM—PHD滤波的框架上采用修正的输入估计方法将目标的概率假设密度（PHD）表示成混合高斯形式,并利用不同的标记辨识各个高斯分量,然后通过PHD滤波方程迭代这些高斯分量和对应的标记,最终达到跟踪多个机动目标的目的．仿真实验表明,和传统的GM—PHD跟踪器相比．新算法能以更高的稳定性跟踪多个机动目标．     

广义质心及其在仿射变换参数恢复中的应用

目的 全局的仿射变换配准需估计出仿射变换的参数,现有算法要么效果不佳,要么对二值图像无能为力。本文改造传统质心的定义,提出广义质心的概念。方法 传统的质心以二重积分定义,所提广义质心利用变形累次积分定义,传统质心只是这种广义质心的特例。本文给出了广义质心保持仿射变换前后对应关系的条件,并提出了一种利用这种广义质心进行仿射变换参数恢复的算法。结果 该算法对灰度和二值图像的仿射变换参数恢复都适用,实验结果也表明现有的交叉权重矩方法耗时是本文算法耗时的25倍,但它们的恢复效果相差不大,并且本文算法要比现有的图像矩构造非线性方程组方法恢复效果好。结论 本文提出了广义质心,利用这种广义质心进行仿射变换参数恢复算法,对二值图像和灰度图像均适用,恢复效果较好,并且计算量较小。     

传感器网络分布式事件触发多目标估计

本文主要研究无线传感器网络中目标数目已知且固定的一类分布式多目标跟踪问题,提出了一种完全分布式的基于事件触发的测量和通信策略使得每个节点在不需要全局信息的情况下实现估计误差和能量消耗之间的平衡.监测区域存在多个移动目标,传感器能否测量到单个目标由事件触发测量机制和节点的测量半径来综合决定.基于节点和邻居的信息采用k-means聚类算法来解决数据关联问题,同时提出了基于最小迹原则的一致性卡尔曼滤波算法.从理论上证明了该事件触发策略不仅在性能指标上优于基于时间触发的算法,而且在网络中如果存在节点对多目标协同可观,系统估计误差在均方意义下是稳定的.最后给出了仿真例子验证了该算法的有效性和可行性.     

针对多目标的分布式多边融合定位

针对基于接收信号强度指数(Received Signal Strength Indicator,RSSI)的多目标定位问题,结合点估计与椭圆估计算法,提出一种新的分布式多边融合定位(Distributed Multi-lateral Fusion Localization,DMFL)算法.首先,通过多边定位算法进行粗定位,估计目标的大致位置.其次,基于区间分析理论在线获取泰勒展式高阶余项的边界,并通过集员递归算法求解多目标定位问题.最后,通过实验和仿真验证该算法的定位性能.结果表明,在相同的节点布置条件下,与最新的RSSI定位算法相比,该算法的定位精度更高,最大误差小于0.3 m,并可提供保证包含目标真实位置的最优区域.     

基于深度强化学习的车辆多目标协同巡航决策控制系统设计

为提升车辆巡航避障能力，实现对运动目标的精准决策，设计基于深度强化学习的车辆多目标协同巡航决策控制系统。利用主控制电路输出的电量信号，调节ACC控制器、MPC轨迹跟踪器、双闭环控制器的实时连接状态，再借助多目标解耦模块，确定目标车辆所处巡航位置，完成巡航决策控制系统的主要应用结构设计。建立深度强化学习模型，根据车辆目标数据集定义条件，求解协同参数实际取值范围，实现对车辆巡航位姿的估计。确定坐标转换原则，通过分析多目标量化结果的方式，实现对巡航决策轨迹的按需规划，再联合相关应用设备，完成基于深度强化学习的车辆多目标协同巡航决策控制系统的设计。实验结果表明，深度强化学习机制作用下，车辆在横、纵两个巡航方向上的避障准确度都达到了100%，符合车辆多目标协同巡航决策的实际需求。     

多目标无序量测OOSM-GMPHD滤波算法

针对无序量测条件下多目标跟踪问题,提出了一种适用于线性系统的单步滞后无序量测滤波算法(OOSM-GMPHD).在前向预测框架内,以高斯混合概率假设密度(GMPHD)滤波器为基础滤波算法,对每一高斯分量分别用延迟到达的量测与等价量测进行预测、更新,经剪枝与合并等步骤获得最终的目标数量与状态估计.仿真结果表明:算法可有效消除无序量测的影响,准确估计多目标数目和状态.     

无线传感器网络下基于压缩感知的多目标分层贪婪匹配定位

针对基于压缩感知（Compressive sensing,CS）的多目标定位问题,通过分析多目标场景中的隐含结构信息,本文提出一种层级的贪婪匹配追踪定位算法.该算法首先获得多目标在网格化空间中的可能位置作为全局估计层,然后利用该全局估计信息作为稀疏恢复层的输入信息,在网格化空间中重构多目标位置矢量.本文证明了文献中广泛采用的基于正交化的预处理方式实质上降低了信噪比（Signal to noise ratio,SNR）,从而降低了定位性能.本文通过全局估计,预先排除了不可能的位置,等效于从观测子空间中分离出信号子空间,从而降低了观测噪声的影响.通过理论分析与计算机仿真,表明所提算法具有线性复杂度且在相同信噪比下具有更高的定位正确率和定位精度.     

多智能体多目标跟踪算法研究

研究了多智能体同时跟踪多个目标的群集算法,采用智能体的编号对目标数求余数的方法来确定各个智能体的跟踪目标。对于势场函数,根据智能体目标是否相同建立了两种势场函数,并在此基础上确定动态系统的控制输入,使相同目标的智能体在跟踪目标的过程中形成群集,而不同目标的智能体相互分离;用李亚普诺夫稳定性理论分析了算法的收敛性。仿真结果表明,所提算法可有效解决多目标跟踪问题。     

动态背景运动目标的快速锁定跟踪算法

为改善动态背景运动目标跟踪的精度和计算性能,提出一种Hu_Fourier特征描述子的目标识别算法和固定模板滑动置信度最佳线性逼近法的目标锁定跟踪算法。依据提出的Hu_Fourier特征描述子,快速准确地提取出识别区域运动目标的轮廓特征,结合加权距离目标识别算法,识别出图像中所有目标,计算目标的质心坐标。利用提出的固定模板滑动置信度准则,结合识别目标的质心,锁定目标,更新目标模板。依据最佳线性逼近法,确定下一帧图像的目标搜索区域。理论分析和实验结果验证了该目标锁定跟踪算法的鲁棒性和有效性。