[发明专利]一种空中动目标追踪方法及系统

权利要求书

1.一种空中动目标追踪方法，其特征在于，包括：

分别获取当前时刻飞行器的飞行速度和速度倾角；

根据所述当前时刻飞行器的飞行速度和所述速度倾角利用飞行器运动学模型确定飞行器与目标的位置坐标；

根据所述飞行器与目标的位置坐标利用相对运动模型确定相对信息；所述相对信息包括飞行器与目标之间的相对距离、飞行器与目标之间的视线角和视线角变化率；

判断所述相对距离是否小于设定距离阈值，得到第一判断结果；

若所述第一判断结果为是，则完成追踪过程；若所述第一判断结果为否，则根据所述相对信息利用近端策略优化算法生成导航比和加速度控制指令；

根据所述导航比和所述加速度控制指令利用所述飞行器运动学模型确定下一时刻飞行器的飞行速度和速度倾角；

将所述下一时刻飞行器的飞行速度和速度倾角作为当前时刻飞行器的飞行速度和速度倾角并返回步骤“根据所述当前时刻飞行器的飞行速度和所述速度倾角利用飞行器运动学模型确定飞行器与目标的位置坐标”。

2.根据权利要求1所述的空中动目标追踪方法，其特征在于，所述根据所述相对信息利用近端策略优化算法生成导航比和加速度控制指令，具体包括：

根据所述相对信息构建状态向量；

将所述状态向量利用近端策略优化算法生成导航比；

根据所述导航比和所述飞行器运动学模型确定加速度控制指令。

3.根据权利要求2所述的空中动目标追踪方法，其特征在于，所述近端策略优化算法的训练过程具体包括：

以训练状态向量为策略网络的输入，以训练导航比为输出，以reward＝reward_result+reward_r为奖励函数，以J(θ)＝E[min(p_kA'_k,clip(p_k,1-ε,1+ε)A'_k)]为目标函数，以L(w)＝(Q(s_k,a_k)-V_π(s_k,w))²为损失函数，利用梯度下降法对策略网络进行训练；其中，reward为奖励函数，reward_result为终值奖励函数，reward_r为距离奖励函数，J(θ)为目标函数，E为期望值，p_k为训练时第k迭代选择动作的概率分布，A'_k为采样网络在t_k时刻优势函数，clip为裁切函数，ε为常数，k表示训练中的第k次迭代，L(w)为损失函数，Q(s_k,a_k)为在状态s_k采用动作a_k的收益，V_π(s_k,w)为评分值，w为网络参数。

4.根据权利要求1所述的空中动目标追踪方法，其特征在于，所述加速度控制指令的表达式为：

其中，a_⊥为飞行器的法向加速度指令，N为导航比，V为飞行器的速度值，为视线角的导数。