本發(fā)明涉及運(yùn)動(dòng)目標(biāo)追蹤，尤其涉及一種基于多目標(biāo)優(yōu)化算法的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法。
背景技術(shù)：
1、實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策技術(shù)是現(xiàn)代科技領(lǐng)域的重要研究方向，廣泛應(yīng)用于自動(dòng)駕駛、機(jī)器人導(dǎo)航、無(wú)人機(jī)控制、安防監(jiān)控、軍事偵察以及智能交通系統(tǒng)等多個(gè)場(chǎng)景；隨著傳感器技術(shù)、計(jì)算能力和人工智能算法的快速發(fā)展，實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法在復(fù)雜動(dòng)態(tài)環(huán)境下的性能要求不斷提高，傳統(tǒng)的單一目標(biāo)優(yōu)化方法往往難以滿足多維度、多約束的實(shí)際需求，還存在運(yùn)動(dòng)目標(biāo)跟蹤的魯棒性與精度不足；預(yù)測(cè)與觀測(cè)匹配的動(dòng)態(tài)適應(yīng)性不足；多目標(biāo)優(yōu)化與硬件約束難以平衡的問(wèn)題；
2、而基于多目標(biāo)優(yōu)化算法的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法通過(guò)綜合考慮多種目標(biāo)和約束，為解決復(fù)雜問(wèn)題提供了新的思路和可能性，能夠在自動(dòng)駕駛、無(wú)人機(jī)導(dǎo)航、安防監(jiān)控和軍事偵察等領(lǐng)域發(fā)揮重要作用。未來(lái)，基于多目標(biāo)優(yōu)化的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法將在更多場(chǎng)景中實(shí)現(xiàn)高效、可靠的應(yīng)用，為智能化系統(tǒng)的進(jìn)一步發(fā)展提供強(qiáng)大支持。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明提供一種基于多目標(biāo)優(yōu)化算法的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法，以解決在復(fù)雜動(dòng)態(tài)場(chǎng)景中，傳統(tǒng)運(yùn)動(dòng)目標(biāo)跟蹤方法難以適應(yīng)目標(biāo)的快速運(yùn)動(dòng)、方向變化或噪聲干擾，導(dǎo)致跟蹤精度下降或目標(biāo)丟失的技術(shù)問(wèn)題。
2、本發(fā)明的一種基于多目標(biāo)優(yōu)化算法的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法，具體包括以下技術(shù)方案：
3、一種基于多目標(biāo)優(yōu)化算法的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法，包括以下步驟：
4、s1、測(cè)量運(yùn)動(dòng)目標(biāo)的觀測(cè)相對(duì)位置，并計(jì)算運(yùn)動(dòng)目標(biāo)的絕對(duì)位置；基于運(yùn)動(dòng)目標(biāo)的絕對(duì)位置，計(jì)算運(yùn)動(dòng)目標(biāo)的速度和加速度，并預(yù)測(cè)運(yùn)動(dòng)目標(biāo)在下一時(shí)刻的絕對(duì)位置，得到運(yùn)動(dòng)目標(biāo)的預(yù)測(cè)絕對(duì)位置；
5、s2、引入基于運(yùn)動(dòng)趨勢(shì)的動(dòng)態(tài)閾值匹配算法，對(duì)下一時(shí)刻運(yùn)動(dòng)目標(biāo)的絕對(duì)位置與運(yùn)動(dòng)目標(biāo)的預(yù)測(cè)絕對(duì)位置進(jìn)行匹配，生成匹配代價(jià)，并基于匹配代價(jià)判斷目標(biāo)位置；
6、s3、基于目標(biāo)位置，采用多目標(biāo)優(yōu)化算法，輸出可執(zhí)行的最優(yōu)控制指令向量。
7、優(yōu)選的，所述s2，具體包括：
8、所述基于運(yùn)動(dòng)趨勢(shì)的動(dòng)態(tài)閾值匹配算法，引入歐式距離，量化下一時(shí)刻運(yùn)動(dòng)目標(biāo)的絕對(duì)位置與運(yùn)動(dòng)目標(biāo)的預(yù)測(cè)絕對(duì)位置的偏差，并結(jié)合動(dòng)態(tài)匹配閾值，生成匹配代價(jià)。
9、優(yōu)選的，所述s2，具體包括：
10、根據(jù)雷達(dá)測(cè)量精度，定義基礎(chǔ)閾值；基于基礎(chǔ)閾值，引入調(diào)整因子，計(jì)算得到動(dòng)態(tài)匹配閾值。
11、優(yōu)選的，所述s2，具體包括：
12、基于運(yùn)動(dòng)目標(biāo)的速度，引入指數(shù)衰減參數(shù)，并結(jié)合運(yùn)動(dòng)目標(biāo)的速度向量和加速度向量之間的夾角余弦，計(jì)算得到調(diào)整因子。
13、優(yōu)選的，所述s2，具體包括：
14、設(shè)置匹配代價(jià)閾值,將匹配代價(jià)與匹配代價(jià)閾值進(jìn)行比較，當(dāng)匹配代價(jià)小于等于匹配代價(jià)閾值時(shí)，表示在下一時(shí)刻運(yùn)動(dòng)目標(biāo)的絕對(duì)位置即為目標(biāo)位置，否則，將運(yùn)動(dòng)目標(biāo)的預(yù)測(cè)絕對(duì)位置作為目標(biāo)位置。
15、優(yōu)選的，所述s3，具體包括：
16、在多目標(biāo)優(yōu)化算法的實(shí)現(xiàn)過(guò)程中，基于目標(biāo)位置，引入跟蹤誤差項(xiàng)和控制成本項(xiàng)，結(jié)合權(quán)重系數(shù)，構(gòu)建并求解目標(biāo)函數(shù)，輸出可執(zhí)行的最優(yōu)控制指令向量。
17、優(yōu)選的，所述s3，具體包括：
18、所述跟蹤誤差項(xiàng)，引入歐式距離，量化跟蹤系統(tǒng)的預(yù)測(cè)位置與目標(biāo)位置之間的偏差；所述跟蹤系統(tǒng)的預(yù)測(cè)位置是基于當(dāng)前跟蹤系統(tǒng)的位置，結(jié)合控制指令在雷達(dá)采樣時(shí)間間隔內(nèi)生成的位移計(jì)算得到；所述控制成本項(xiàng)，通過(guò)計(jì)算控制指令向量的平方歐式范數(shù)得到。
19、優(yōu)選的，所述s3，具體包括：
20、在多目標(biāo)優(yōu)化算法的實(shí)現(xiàn)過(guò)程中，通過(guò)梯度下降法求解目標(biāo)函數(shù)，并對(duì)控制指令向量施加速度約束和加速度約束；當(dāng)目標(biāo)函數(shù)的迭代次數(shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)時(shí)，停止迭代，輸出當(dāng)前控制指令向量作為最優(yōu)控制指令向量，用于跟蹤系統(tǒng)的執(zhí)行。
21、本發(fā)明的技術(shù)方案的有益效果是：
22、1、基于運(yùn)動(dòng)目標(biāo)在連續(xù)時(shí)刻的絕對(duì)位置數(shù)據(jù)，采用有限差分法計(jì)算運(yùn)動(dòng)目標(biāo)的速度和加速度，準(zhǔn)確反映了運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)狀態(tài)，通過(guò)簡(jiǎn)單高效的數(shù)值計(jì)算，實(shí)現(xiàn)了對(duì)運(yùn)動(dòng)目標(biāo)動(dòng)態(tài)特性的實(shí)時(shí)捕捉，為后續(xù)基于勻加速運(yùn)動(dòng)模型的預(yù)測(cè)提供了關(guān)鍵輸入，提升了跟蹤系統(tǒng)對(duì)目標(biāo)運(yùn)動(dòng)趨勢(shì)的適應(yīng)能力。
23、2、基于計(jì)算得到的運(yùn)動(dòng)目標(biāo)的絕對(duì)位置、速度和加速度，采用勻加速運(yùn)動(dòng)模型預(yù)測(cè)運(yùn)動(dòng)目標(biāo)在下一時(shí)刻的絕對(duì)位置，充分利用了運(yùn)動(dòng)目標(biāo)當(dāng)前的運(yùn)動(dòng)狀態(tài)，生成高可信度的預(yù)測(cè)結(jié)果，為目標(biāo)匹配提供了參考，增強(qiáng)了跟蹤系統(tǒng)在復(fù)雜動(dòng)態(tài)場(chǎng)景下的魯棒性。
24、3、通過(guò)計(jì)算觀測(cè)位置與預(yù)測(cè)位置的歐氏距離，并結(jié)合動(dòng)態(tài)匹配閾值，生成匹配代價(jià)，判斷觀測(cè)位置是否屬于運(yùn)動(dòng)目標(biāo)；通過(guò)引入調(diào)整因子，動(dòng)態(tài)適應(yīng)目標(biāo)的運(yùn)動(dòng)趨勢(shì)，特別是在高速運(yùn)動(dòng)或方向變化頻繁的場(chǎng)景下，能夠有效區(qū)分目標(biāo)與噪聲，提升了目標(biāo)跟蹤的精度和可靠性。
25、4、采用多目標(biāo)優(yōu)化算法整合跟蹤誤差和控制成本，生成可執(zhí)行的控制指令，跟蹤誤差項(xiàng)驅(qū)動(dòng)跟蹤系統(tǒng)接近目標(biāo)位置，保持跟蹤精度，控制成本項(xiàng)限制控制指令大小，減少能量消耗和急變；通過(guò)梯度下降法求解目標(biāo)函數(shù)，同時(shí)施加速度和加速度約束，確保控制指令在硬件能力范圍內(nèi)可執(zhí)行，有效平衡了跟蹤精度和跟蹤系統(tǒng)能耗，降低了機(jī)械應(yīng)力或操作成本，提高了跟蹤系統(tǒng)的實(shí)用性和可持續(xù)性。
1.一種基于多目標(biāo)優(yōu)化算法的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于多目標(biāo)優(yōu)化算法的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法，其特征在于，所述s2，具體包括：
3.根據(jù)權(quán)利要求2所述的一種基于多目標(biāo)優(yōu)化算法的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法，其特征在于，所述s2，具體包括：
4.根據(jù)權(quán)利要求3所述的一種基于多目標(biāo)優(yōu)化算法的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法，其特征在于，所述s2，具體包括：
5.根據(jù)權(quán)利要求4所述的一種基于多目標(biāo)優(yōu)化算法的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法，其特征在于，所述s2，具體包括：
6.根據(jù)權(quán)利要求1所述的一種基于多目標(biāo)優(yōu)化算法的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法，其特征在于，所述s3，具體包括：
7.根據(jù)權(quán)利要求6所述的一種基于多目標(biāo)優(yōu)化算法的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法，其特征在于，所述s3，具體包括：
8.根據(jù)權(quán)利要求7所述的一種基于多目標(biāo)優(yōu)化算法的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤與決策方法，其特征在于，所述s3，具體包括：