本申请涉及无人机、目标跟踪，尤其涉及一种无人机集群的多目标协同跟踪与决策方法及无人机。
背景技术：
1、目前无人机集群决策的方法主要有两类：(1)基于优化理论的无人机集群决策方法。如动态规划方法将空域内无人机的整个作战过程进行分解，每个过程都采用人工势场引导寻优算法找到最优策略(黄长强,赵克新,韩邦杰等.一种近似动态规划的无人机机动决策方法[j].电子与信息学报,2018,40(10):2447-2452.)。该方法对整个作战过程进行分解时其计算复杂度高，难以实时获得决策，并且人工势场引导寻优算法可能使优化过程陷入局部极小值，从而难以获得全局最优策略，影响无人机集群决策的有效性。(2)基于深度学习的无人机集群决策方法，该类方法利用深度学习进行拟合，通过监督学习的方式实现自主决策(赵琳,吕科,郭靖等.基于深度强化学习的无人机集群协同作战决策方法[j].计算机应用,2023,43(11):3641-3646.)。该方法需要大量的训练数据以保证决策的准确性，且其训练时间较长，从而一定程度上影响其实际应用。
2、随着无人机集群规模的扩大，在实战中面对多方目标的威胁时，集中式决策往往效率低下，无法全局兼备，且容易混淆目标处于被动；另外，在集群中最高级的“决策者”一旦暴露，可能会对整个集群带来较大的损失。
技术实现思路
1、本申请实施例提供一种无人机集群的多目标协同跟踪与决策方法及无人机，通过融合分层研究的思想构建无人机集群混合式决策架构，加入动态调整机制，使各节点分层接力探测，形成全面准确探测的综合态势，实现对多目标的稳定追踪和给出实时的应对决策。
2、本申请实施例提供一种无人机集群的多目标协同跟踪与决策方法，包括：
3、根据待检测目标的数量，将无人机集群划分为相应数量的子集群，其中任意子集群的无人机包括执行节点、调度节点与决策节点，所述执行节点为能够探测到目标的无人机节点，调度节点为执行节点与决策节点之间的无人机节点，所述决策节点为态势信息汇总及决策功能的无人机节点；
4、将任一子集群采集到的目标特征融合目标特征向量，并将融合的目标特征向量输入自适应模糊神经网络，以利用所述自适应模糊神经网络输出目标风险等级和无人机子集群的决策指令。
5、可选的，根据待检测目标的数量，将无人机集群划分为相应数量的子集群包括：
6、计算每个无人机到待检测目标的距离矩阵d；
7、建立如下目标函数：
8、
9、其中，dij表示第i个无人机到第j个待检测目标的距离，i＝1,2,…,n，j＝1,2,…,k，k表示待检测目标的数量，表示分配给聚类中心j的无人机数，表示每个待检测目标分配的无人机数量，λ表示均匀性权重；
10、xij满足以下约束条件：
11、
12、满足以下约束条件：
13、|nj-t|≤ò，
14、其中，ò为正整数，表示每个聚类中心分配的无人机数偏差阈值；
15、利用改进差分进化算法，进行优化求解，以获得无人机集群优选划分方案。
16、可选的，利用改进差分进化算法，进行优化求解后还包括：
17、根据优化求解结果，将整个集群无人机划分成为k个子集群，其中任意子集群的无人机包括执行节点、调度节点与决策节点，且将任一子集群的聚类中心设置为决策节点。
18、可选的，还包括在决策节点无法发挥决策作用的情况下，对应的子集群中根据距离相应聚类中心最近的节点，重新配置为决策节点。
19、可选的，所述自适应模糊神经网络具体用于根据态势信息进行风险评估，其中模糊推理规则和风险评估是根据相应的映射关系完成的。
20、可选的，所述自适应模糊神经网络包括五层结构，其中：
21、第一层结构，用于将融合的目标特征向量中各个变量转化成其各自模糊集上的隶属度；
22、第二层结构，用于将每个节点的各个输入相乘作为该节点的输出，以计算该条模糊规则的适用度；
23、第三层结构，用于对于第j个节点，计算第j条模糊规则的归一化适用度；
24、第四层结构，用于根据所述第三层结构输出的归一化适用度，以及第j条模糊规则，计算每条模糊规则的输出；
25、第五层结构，用以对所述第四层结构的输出进行求和，求取去模糊化后的实际输出，以获得目标风险等级和子集群的决策指令。
26、本申请实施例还提出一种无人机设备，包括处理器和存储器，所述无人机设备用以构建无人机集群，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时，协同实现如前述的无人机集群的多目标协同跟踪与决策方法的步骤。
27、本申请实施例的方法通过融合分层研究的思想构建无人机集群混合式决策架构，加入动态调整机制，使各节点分层接力探测，形成全面准确探测的综合态势，实现对多目标的稳定追踪和给出实时的应对决策。
28、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
1.一种无人机集群的多目标协同跟踪与决策方法，其特征在于，包括：
2.如权利要求1所述的无人机集群的多目标协同跟踪与决策方法，其特征在于，根据待检测目标的数量，将无人机集群划分为相应数量的子集群包括：
3.如权利要求2所述的无人机集群的多目标协同跟踪与决策方法，其特征在于，利用改进差分进化算法，进行优化求解后还包括：
4.如权利要求3所述的无人机集群的多目标协同跟踪与决策方法，其特征在于，还包括在决策节点无法发挥决策作用的情况下，对应的子集群中根据距离相应聚类中心最近的节点，重新配置为决策节点。
5.如权利要求1所述的无人机集群的多目标协同跟踪与决策方法，其特征在于，所述自适应模糊神经网络具体用于根据态势信息进行风险评估，其中模糊推理规则和风险评估是根据相应的映射关系完成的。
6.如权利要求5所述的无人机集群的多目标协同跟踪与决策方法，其特征在于，所述自适应模糊神经网络包括五层结构，其中：
7.一种无人机设备，其特征在于，包括处理器和存储器，所述无人机设备用以构建无人机集群，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时，协同实现如权利要求1至6中任一项所述的无人机集群的多目标协同跟踪与决策方法的步骤。
