Adaptive tracking of arbitrary-shaped group targets with unknown maneuvering based on partially modelling

以“无人机蜂群”为典型代表的空间难分辨集群目标作为实例化具身智能系统, 因其低成本、大规模、灵活性等特点, 正成为防空反无的主要监视对象之一. 传统集群目标跟踪方法依赖于集群质心运动与外形轮廓的精细化建模, 当集群目标进行难以预测机动飞行或集群外形展现为非规则几何形状时, 往往会因为先验模型失配而导致难以接受的跟踪误差. 因此, 提出了一种不完全建模下考虑机动运动的任意形状集群目标自适应跟踪方法. 首先, 利用基准模型联合函数拟合的方式对时间维度集群机动运动进行建模, 借助高斯过程对非规则集群几何外形进行表征, 构建带未知权重的集群目标机动运动质心/轮廓时空演化模型；其次, 通过低差异序列自适应构造权重基准点以辅助刻画集群机动运动, 从而有效降低后续滤波算法计算量；最后, 设计了质心伪量测辅助下迭代扩展卡尔曼滤波以获得机动运动集群目标精准、高效的质心/轮廓递推估计, 并分析了所设计方法的计算复杂度. “T”型不规则外形集群目标典型机动运动仿真实验结果表明, 所提方法在兼顾计算效率的同时, 可以在机动运动模型未知情况下获得高精度的集群质心和轮廓估计.