1.一种基于强化学习的威胁规避下无人机路径规划方法,其特征在于,包括以下步骤:构建多目标跟踪场景,基于所述多目标跟踪场景进行目标初始化得到初始化信息;
基于所述初始化信息构建运动状态模型和量测模型;
基于所述运动状态模型和所述量测模型进行目标运动状态预测得到联合概率和状态预测概率密度;
所述状态预测概率密度的计算公式为:式中,
基于所述状态预测概率密度获取目标状态信息,基于所述目标状态信息构建下一时刻动作的伪量测,并基于所述伪量测得到伪更新后的目标状态信息;
基于目标实际飞行状态进行目标威胁度评估得到伪更新后的目标威胁度;
基于所述伪更新后的目标状态信息和所述伪更新后的目标威胁度得到最优决策;
无人机基于所述最优决策进行变轨操作得到状态后验概率密度,基于所述状态后验概率密度对多目标运动状态进行更新,具体计算过程为:式中,H
基于所述伪更新后的目标状态信息和所述伪更新后的目标威胁度得到最优决策的过程中包括构建奖励函数,其中,所述奖励函数的计算公式为:ifω
r
else:
r
式中,r
基于强化学习得到最优控制决策进行路径规划。
2.根据权利要求1所述的基于强化学习的威胁规避下无人机路径规划方法,其特征在于,所述运动状态模型和量测模型的计算公式为:其中,X(k)是k时刻目标的n维状态向量,Z(k)是k时刻目标的m维观测向量,Φ是n×n阶状态转移矩阵,Γ是n×n阶系统噪声的加权矩阵,Η是m×n阶量测矩阵,V(k)和W(k-1)分别是m阶和n阶相互独立的过程系统噪声和观测噪声。
3.根据权利要求2所述的基于强化学习的威胁规避下无人机路径规划方法,其特征在于,基于所述运动状态模型和所述量测模型进行目标运动状态预测得到联合概率和状态预测概率密度的过程包括:基于所述量测模型得到多目标的量测信息;
对所述多目标的量测信息进行划分得到量测与目标的关系,并计算得到量测与目标的联合概率;
基于所述运动状态模型对进行目标运动状态预测得到状态预测概率密度。
4.根据权利要求3所述的基于强化学习的威胁规避下无人机路径规划方法,其特征在于,对所述多目标的量测信息进行划分的过程包括:基于多目标的量测信息和若干目标构建联合事件;
基于量测信息与目标的匹配情况构建互联矩阵;
计算与任一目标有关的所有量测信息得到确认矩阵;
基于所述互联矩阵和所述确认矩阵计算所述联合事件的联合概率;
基于所述联合概率将量测信息划分给各目标。
5.根据权利要求4所述的基于强化学习的威胁规避下无人机路径规划方法,其特征在于,在第i个联合事件中如果量测j来自目标t则表示为1,否则,表示为0;可用公式表示为:所述互联矩阵为:
所述确认矩阵为:
式中,θ
6.根据权利要求1所述的基于强化学习的威胁规避下无人机路径规划方法,其特征在于,基于所述目标状态信息采用量测映射函数构建下一时刻动作的伪量测,所述构建伪量测的计算公式为:式中,m