课题进展10-目标轨迹优化

1. 问题描述

由于平台阵型的影响，导致对目标的GDOP较小，所以前期跟踪波动比较大，那么可以根据GDOP自适应调整平台的位置，使得跟踪抖动降低。通过让平台根据当前的跟踪状态“智能”地调整自身的航向和速度，不仅能大幅降低跟踪抖动，还能有效避免目标进入 GDOP 的“盲区”。

2. 实现逻辑:闭环反馈系统

（1）预测目标位置

在时刻 $k$，你无法知道目标在 $k+1$ 时刻的真实位置。因此，你必须依赖 UKF 在当前时刻预测出的目标状态（$x_{pred}$）

（2）构建代价函数

利用预测的目标位置和平台可能的候选位置，计算预期的GDOP。由于是双目标跟踪，需要权衡两个目标，代价函数通常设为：

其中$w_1$，$w_2$为权重，如果某个目标快丢失了或协方差矩阵$P$很大，可以动态调高它的权重。

（3）平台机动决策

在平台动力学约束的范围内（例如最大速度限制、最大转弯角速率限制），搜索一个能在下一时刻让代价函数$J$最小的平台控制指令（航向角和加速度）。

（4）执行与观测

平台移动到新位置，获取新的量测，UKF更新，循环往复。

3. 难点

  • GDOP 的计算严重依赖于目标与平台的相对几何位置。如果你像之前仿真里的“目标 2”那样，初始速度估计完全错误，UKF 预测出的目标位置就是错的。基于一个错误的目标位置去优化平台轨迹，会导致平台向完全相反的方向机动，反而进一步恶化几何构型，导致彻底跟丢。
  • 改善目标 1 的 GDOP，往往意味着要拉大两个平台对目标 1 的张角；但这很可能导致两个平台对目标 2 的张角变小，使得目标 2 的 GDOP 急剧恶化。如何寻找帕累托最优（Pareto Optimum）是多目标主动跟踪的难点。
  • 真实世界的平台（飞机、舰船）不能瞬间“平移”到 GDOP 最佳的位置，它们有惯性和运动学死角。如果目标速度很快，平台可能会处于“永远在追赶最佳观测点，但永远追不上”的状态。