关于目标追踪问题，有一些研究是从视觉的角度展开，而我研究的是基于控制的角度。关于多无人机集群的一些知识点，已经在上一篇文章有了简单介绍。这次我想着重介绍一下，目标追踪这个方向。
只有建立在预测基础上的追踪才是有价值的。
目标的运动轨迹是未知的，即便在仿真过程中我们可以设定目标的运动形式，但是我们也无法利用先验信息来证明算法的有效性。
卡尔曼滤波算法
关于这个算法的相关介绍，大家在网上一搜可以找到很多很多，这里我介绍一下我使用的分布式一致性卡尔曼滤波算法。
无人机编队有集中式和分布式两种，集中式就是有一个控制中心，向其它无人机传达指令，效率很高，但是一旦控制中心受损，则会出现“群龙无首”的局面；分布式则说明每一个无人机都有独立自主的行为能力，而常用的集群算法就是从这个角度入手，且无人机的运动控制依赖于周围邻居无人机。
从集群的分布式角度出发， 考虑分布式卡尔曼滤波算法，并结合一致性思想。
话不多说，看公式！！！
目标的状态方程和无人机对目标的观测方程：
假设噪声均为0均值的高斯噪声，协方差：
无人机i对目标的估计值：
估计误差协方差：
一致性的思想主要体现在相邻无人机节点之前的作用规则，最终保证所有无人机估计值收敛到一致性状态，也就是说所有无人机对目标的预测值趋于一致。
在运行k次一致性算法之后：
Wii 是加权系数，常用的有：
公式太多，感兴趣的可以一起交流，总的来说，每一个无人机的有三个任务：
（1） 计算局部测量值和估计值；
（2）与邻居通信；
（3）根据自身和邻居的状态，更新局部估计和误差协方差。
在传统的集群控制方程中有一项是导航反馈项，这个是追踪的关键点，我在上一篇文章中说过，所谓的追踪就是目标给予无人机一个正向的作用力。
考虑到无人机的感知范围可通信范围的有限性，只有部分无人机可以感知到目标，那么在设计无人机运动方程的时候应该有如下考虑：
（1）无人机没有感知到目标时，应该以集群控制为主，可以向着虚拟目标点运动；
（2）存在部分无人机感知到目标状态时，这些无人机可以在保持与邻居的运动距离的前提下，向着目标运动；而其它没有感知到目标的无人机，可以根据邻居的运动状态调节自身，最后收敛，达到一致性追踪的目的。
（3）对目标的有效控制，如何判断对目标完成了追踪？？？这是个问题！！！
下面给大家看一下我的代码仿真
其中sinx的曲线是目标的既定轨迹，为了贴近实际情况，我还考虑了目标感知的无人机之后会有试图逃离的行为，其结果如下：
无人机依然可以被成功捕获。
多目标追踪相比较单目标追踪，会涉及到无人机分群的行为。
依然是从分布式的角度考虑，我将这一过程总结为：
（1）感知到同一目标的无人机快速聚集和速度一致性匹配；
（2）感知到不同目标的无人机快速分离；
（3）没有感知到目标的无人机通过信息交互，自愿追随具有目标信息的无人机。
另外，还需考虑到追踪每一个目标的无人机的数量，如果只有一两个无人机追踪一个目标，而追踪另一个目标的无人机数量较多，就会出现不均衡的问题。
无人机从初始随机散落的状态到集群完毕，红色的点为目标点。
无人机分群，分别对两个目标追踪，最终有效控制住。
好了，时间有限，就先介绍到这里了，欢迎感兴趣的同学留言，一起交流！
