基于多智能体与市场理论的多机载平台传感器管理

针对作战飞机编队多目标攻击中的传感器管理问题,提出了一种基于多智能体和市场理论的多机载平台传感器管理方法。该方法在多智能体的框架下建立飞机编队多传感器多目标分配模型,将目标分配和传感器管理问题转化为市场理论中的“性价比”最优问题,建立了基于“性价比”最高的任务规划模型、以任务为驱动的传感器目标配对模型以及多平台集中式融合跟踪模型,并利用市场拍卖算法完成传感器-目标分配问题。仿真结果证明了该方法的有效性,与基于信息论的传感器管理方法比较证明了方法的优越性。研究结论有助于提高作战飞机编队的进攻效率,从而提升整体的攻击能力。     

基于双边组合拍卖的传感器管理算法

针对多平台飞机的传感器管理问题,提出了一种基于双边组合拍卖的传感器管理方法。该方法将经济学中的双边组合拍卖理论引入到传感器管理,把任务当作消费者、传感器作为生产者,以市场平衡为目的,利用双边组合拍卖对传感器资源的价格进行调整,利用多传感器序贯融合完成目标的跟踪,以总体“性价比”最优为目标函数,完成传感器任务的分配。仿真实验证明了算法的合理性和优越性。     

基于任务控制的动态多传感器管理方案

针对信息融合系统平台跟踪多目标过程中的多传感器管理问题,提出了一种基于任务控制的动态多传感器管理方案。根据滤波后的目标误差协方差与不同战场态势下的期望之间的差异,度量目标当前精度要求。利用模糊物元分析法,根据目标自身属性值和当前状态值,计算欧式贴近度,从而获得目标威胁度。在综合考虑传感器性能和系统资源能耗的基础上,建立了任务需求模型。依据该模型控制多传感器实现对目标的探测,寻求模型的最优解。仿真结果表明,该方案在保持目标跟踪精度及时效性的同时,能适当地控制资源消耗,减少系统总耗能。     

多传感器优化部署下的机动目标协同跟踪算法

针对资源有限的传感器网络中目标动态跟踪问题,提出了一种能够自适应选择跟踪传感器的机动目标协同跟踪算法。首先,采用粒子群优化算法优化传感器网络能耗与有效覆盖率,进行传感器位置部署;然后,以最大化候选传感器的Rényi信息增量与最小化传感器间信息传递能耗为适应度函数,采用二进制粒子群优化算法自适应选择最佳跟踪传感器组;最后,利用交互多模型粒子滤波对机动目标位置进行估计并进行分布式融合。仿真结果表明,与现有方法相比,该方法可在非高斯非线性环境下自适应选择最优跟踪传感器,显著提高目标跟踪精度,降低网络能耗。     

面向任务的多传感器资源预分配建模与求解

多传感器管理是对一组传感器或测量设备进行自动或半自动控制的一种处理过程,它实现了整体性能的优化和资源的有效利用。首先提出了面向任务的多传感器资源预先分配问题。为了解决这一问题,考虑目标优先级函数与传感器对目标的效能函数,建立了多传感器资源预分配数学模型,将目标检测、目标跟踪与目标识别三种任务下的预分配统一到一个框架下;然后利用改进匈牙利算法结合三种任务下的目标函数进行了求解。最后通过仿真验证了模型的可行性与求解方法的快速准确性。     

基于信息增量的多被动传感器资源分配算法

针对多被动传感器多目标跟踪中的传感器资源分配问题进行研究。讨论了多被动传感器跟踪误差的克拉美-罗下限,在此基础上分析了多被动传感器系统跟踪误差的几何分布。为解决多目标跟踪中的传感器资源分配问题,通过先验信息熵与后验信息熵之间的差值获得信息增量;在此基础上针对多被动传感器系统的特点构建最优化分配模型,将被动传感器组合在不同时刻动态地分配给不同目标。仿真实验表明,与不考虑资源分配的固定跟踪模式相比,该方法能够高效合理地利用有限资源,并且使多被动传感器多目标跟踪系统的整体跟踪性能得到提高。     

面向跟踪任务需求的主动传感器调度方法

以多传感器多目标跟踪为背景,针对跟踪任务需求中辐射风险控制问题,提出一种面向跟踪任务需求的主动传感器调度方法。该方法首先结合不敏卡尔曼滤波,给出了仅考虑跟踪任务需求的传感器调度策略;然后建立基于部分可观马尔可夫决策过程的辐射模型,并采用隐马尔可夫模型滤波器动态更新传感器辐射;最后考虑跟踪任务需求和传感器约束,将辐射风险控制下传感器调度问题转化为非线性约束下寻优问题。仿真实验结果验证了所提方法有效性。     

基于任务驱动的机载相控阵雷达TAS调度算法

针对单波束多功能机载相控阵雷达的资源分配问题,提出一种自适应搜索加跟踪(track and search, TAS)调度算法。该算法以调度间隔为周期,基于先前调度任务的处理结果实时生成当前的任务请求集合,以跟踪类型任务竞争时间资源,搜索任务一直等待空闲时间片为准则,实现搜索和跟踪的协同调度。此外利用波束位置、任务类型和预测速度信息,实时分配各执行任务的工作波形。仿真结果表明,该算法能够合理调度各类跟踪请求事件和搜索事件,同时具有自适应调整执行事件的跟踪时间间隔和探测波形的能力。     

一种非线性融合系统中的传感器管理方法

针对非线性非高斯动态跟踪系统,提出一种基于序贯蒙特.卡洛粒子滤波的传感器管理方法。该方法首先利用粒子滤波计算目标的协方差;然后利用信息熵计算目标的信息增量;最后利用信息增量大小实现传感器资源对目标的分配。仿真结果表明,在非线性系统下,该方法对传感器管理具有较高的精确性、实时性和鲁棒性。     

用于目标跟踪的多传感器优化分配方法

在多传感器对多目标的监视环境下 ,传感器对目标的优化分配是传感器管理的重要研究内容。本文采用目标跟踪过程中信息增益最大的优化准则 ,探讨了多传感器对多目标的优化分配问题 ,并对优化分配算法进行了实验仿真验证     

集中式多传感器广义相关算法

为把集中式多传感器系统顺利应用于需要较小耗时和准确跟踪的工程场景,基于对现有算法优缺点的理论分析,提出了并行处理结构的集中式多传感器广义相关算法;该算法建立了多传感器广义相关算法得分函数,并基于得分函数完成了点航互联、跟踪滤波、航迹质量管理和航迹起始;经仿真及实测数据验证,该算法能够同时满足集中式多传感器系统对算法耗时及跟踪准确性的需求,整体性能优于顺序处理结构的集中式多传感器联合概率数据互联算法和并行处理结构的集中式多传感器概率最近邻域算法。     

相关量测噪声情况下多传感器集中式融合跟踪

在实际的多传感器融合目标跟踪中,各传感器之间的量测噪声往往是相关的。对于量测噪声相关的多传感器量测,利用Cholesky分解和单位下三角阵的求逆方法,将其转化为量测噪声互不相关的等价的多传感器伪量测,然后基于Kalman滤波,提出了一种解决量测噪声相关情况下多传感器融合目标跟踪问题的新算法。与已有的和直接利用原始传感器量测的集中式融合算法相比,三者在计算精度上完全等价,但新算法的计算复杂度却大大降低。数值仿真实验进一步验证了新算法的有效性。     

基于随机集理论的多个声目标融合跟踪

针对杂波环境下,采用多个被动声传感器跟踪多个声目标的应用场合,建立了多个声目标跟踪的随机有限集模型,采用概率假设密度(probability hypothesis density, PHD)粒子滤波对该模型进行求解。针对PHD滤波器只适用于单传感器的问题,提出了一种实现多个声传感器融合跟踪的方法。该方法在序贯PHD滤波器的基础上进行改进,提高了目标检测率,通过仿真实验验证了该方法的有效性。     

网络化多传感器-多武器协同防空任务规划

针对网络化防空体系的多传感器-多武器协同任务规划问题, 考虑任务要求、装备性能、运用限制等约束, 构建多武器拦截与多传感器跟踪任务规划模型。前者以拦截时机、次数等为优化目标, 输出武器-目标配对以及对目标的拦截时段、跟踪时间要求; 后者以满足跟踪时间要求为目标, 输出传感器-目标配对和对目标的跟踪时段。设计了基于时段优选拼接和分支定界法的多传感器-多武器协同任务规划算法, 生成多传感器-多武器协同交战计划, 支持多传感器接力跟踪、跨平台打击引导、多武器协同抗击。在假定的舰艇编队与预警机协同防空场景下验证了所设计模型的有效性。     

用于多传感器目标跟踪的数据时空对准方法

分布在不同平台的不同类型、不同精度的传感器,对同一个目标进行观测所得到的目标观测数据差别很大。在进行多传感器目标跟踪时,首先必须把来自不同平台的多传感器数据进行时空对准。针对这个问题,通过建立参心空间直角坐标系和归一化采样间隔的方法对多传感器数据进行了空间统一和时间统一,解决了多传感器目标跟踪的基础问题。其结果具有普遍适用性,具有广泛的使用价值。基于该方法的技术已经应用到实际中,并取得了良好的效果。     

基于速度方位约束的多传感器模糊数据互联

针对杂波环境下多传感器跟踪多目标的问题,提出了一种基于速度方位约束的多传感器模糊数据互联算法(multi-sensor fuzzy data association method based on velocity and azimuth, VA-MSFDA)。该算法首先利用方位速度信息对确认区域内的有效量测作进一步筛选,剔除部分虚假量测,然后基于模糊聚类方法计算候选量测与观测区域内各目标互联的概率,应用顺序结构多传感器联合概率数据互联(multi-sensor joint probabilistic data association algorithm,MSJPDA)原理,依次处理各传感器中的目标测量数据,实现对多目标的跟踪。仿真结果表明,与顺序MSJPDA相比,VA-MSFDA在算法耗时、估计精度、收敛速度和量测正确关联率等方面优势明显,能够更好地解决杂波环境下的多目标跟踪问题。