系统工程与电子技术

作者：薛锡瑞, 黄树彩, 韦道知, 吴建峰

单位：空军工程大学防空反导学院, 陕西 西安 710051

关键词：无人机集群,目的地预测,深度回声状态网络,经验模态分解,改进Olfati-Saber模型

基金：国家自然科学基金(61703424)

无人机(unmanned aerial vehicle, UAV)集群作战样式多样、运动模式复杂, 导致集群航迹目的地难以预测。为解决上述问题, 本文提出了一种基于经验模态分解(empirical mode decomposition, EMD)和深度回声状态网络(deep echo state network, DESN)的UAV集群航迹目的地预测算法。为使集群运动模型更真实地模拟UAV集群作战过程, 本文引入航向误差时变方差, 改进了Olfati-Saber集群运动模型的虚拟领导项。为处理因群内的协同作用和集群航向误差导致的运动非平稳性, 引入了EMD, 对UAV航迹序列进行重构。考虑到获知航迹的时序性, 设计了滑窗结构, 采用DESN对重构航迹的不同时段进行目的地预测。仿真实验结果表明, 本文提出的EMD-DESN算法较基本DESN算法能以更高的准确度预测UAV集群航迹目的地, 并能更早地实现稳定的正确预测。

来源：2023年第1期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2023年第1期