基于蚁群算法的多传感器目标分配模型

根据现代信息战的特点,分析了多传感器目标分配在数据收集和融合体系中的重要意义以及当前分配算法存在的问题.针对更加灵活地多对多分配问题,提出了一种带威胁系数和效用衰减度的循环分配方法,确立了新的目标函数,使传感器资源更多地流向威胁度高的目标,更加符合实际应用.针对目标分配这种NP问题,结合新的分配方法,建立了蚁群算法模型,通过算例仿真验证了该分配模型的可行性.     

基于方位与时延信息融合的被动声纳航迹关联

在探测区域存在多个目标的情况下,水声岸站被动测向定位系统必须首先解决多目标的航迹关联问题,即确定各个传感器所测量的信息哪些是来源于同一目标的.通过融合被动声纳所测量到的方位和时延信息提出了一种方位最近邻关联方法,对该方法和传统的多维分配算法进行仿真表明该方法能获得很高的正确关联概率,同时该方法克服了传统的多维分配算法在传感器和目标数量较多时计算量过大的问题,是一种优于多维分配算法的水声被动多传感器多目标航迹关联方法,这说明利用信息融合手段解决水声领域航迹关联问题具有潜在的优势.     

基于信息增益和目标威胁度的多传感器管理优化模型

针对信息化防空作战的多传感器资源管理优化问题,分析了防空作战传感器管理,提出了基于信息增益和目标威胁度的多传感器管理优化模型.该模型通过计算传感器对目标的信息熵,获得每个传感器对每个目标最大的信息增益,以此作为代价函数,考虑目标的威胁度,利用线性规划思想进行多传感器对多目标的优化分配,实例分析表明该模型的有效合理性.     

基于支持向量机的传感器管理技术研究

传感器的优化管理是影响多传感器目标分配问题的重要环节。在分析传感器管理基本要求的基础上,提出了一种基于支持向量机(SVM)的新型目标判定方法。利用SVM算法能够对经验风险和置信范围进行有效控制的优点,以进行多传感器系统的融合预测与可靠性检测,最终实现了在实测数据和可靠的目标预测信息下,对传感器资源的有效管理。仿真实例证明了该传感器管理方法的合理性和有效性。     

基于线性规划的机载多传感器资源分配模型

研究了基于线性规划的传感器-目标分配方法,从工程实用的角度提出了基于属性数学的目标优先级确定方法,提出了传感器-目标分配效能函数及其计算方法,从而使机载多传感器资源分配算法从模型到应用更趋实用化。     

基于修正Riccati方程与Kuhn-Munkres算法的多传感器跟踪资源分配

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.在建立多传感器管理中传感器资源分配一般数学模型的基础上,研究基于修正Riccati方程与Kuhn-Munkres算法相结合的多传感器跟踪资源分配,同时给出了目标-传感器最优分配解的求解步骤.仿真结果表明了该方法的可行性.     

组网火控雷达传感器分配研究

从科学合理分配组网火控雷达资源出发,以扩展卡尔曼滤波跟踪为基础,研究了用航迹精度作为传感器分配准则的方法;针对火控提高航迹精度和反隐身目标、低空目标作战需求,考虑雷达布站对防空覆盖区域划分和对抗ARM,提出了单部火控雷达对单目标进行跟踪、多部火控雷达对单目标进行跟踪和多部火控雷达对单目标间歇式轮换跟踪3种分配方式,对在不同方式下基于航迹精度的传感器分配方法进行讨论分析;设定组网系统雷达布站、目标运动和典型参数进行了仿真实验,通过仿真结果表明:3种分配方式的合理性和可行性。     

基于多传感器管理技术的危险源监测与分析

传感器管理是信息融合技术中的一个重要方面。面向矿井通风安全监测,本文提出了基于传感器管理技术的危险源监测与分析方法。分析了系统中的多监测目标优先级,确定目标的威胁程度,由此确定传感器资源对危险源的分配。实例表明,采用合理的目标威胁程度评估算法能确定目标优先级,能为多传感器资源的合理分配提供决策支持。     

基于进化策略的多传感器雷达辐射源目标识别方法

多传感器雷达辐射源目标识别中,各传感器检测数据常常是不完整的、还可能存在矛盾,为此,针对这种多传感器检测结果提出一种改进的融合识别方法.首先,该方法基于命题概率分布与识别报告提供的概率分布估计间的差异建立目标函数;然后利用进化策略对传感器目标函数进行优化,在无须使用目标函数的导数信息的情况下,求得命题的概率分配.仿真结果表明该方法正确有效.改进的融合识别方法,有效地利用了进化策略的良好全局搜索能力,使优化过程能够顺利收敛到最优解附近,具有较好的收敛性,效果优于传统的融合识别方法.     

多传感器多目标检测中的数据关联

研究在漏检、无杂波情况下多传感器对数目未知的目标检测中数据关联问题,并将其表述为多传感器数据集之间数据的组合化分配问题,提出一种基于ＧＡ的关联算法。仿真实验表明,该算法具有较高的关联成功率,可大幅度提高多传感器的检测概率,并能对目标个数进行优化。     

基于传感器多模式调度的智能目标跟踪算法

智能目标具有反跟踪的特性,其运动状态的改变与跟踪传感器的工作模式相关.为了实现对智能目标的有效跟踪,文中提出一种基于传感器多模式调度的交互多模型跟踪算法.首先,为智能目标构建混合多模型集,描述其与传感器模式相关的智能运动特性;其次,提出一种传感器多模式调度策略,综合考虑了一步预测的目标跟踪误差、二步预测的目标运动趋势误差以及传感器模式的辐射代价3方面因素,据此构建传感器多模式调度的目标函数;最后,将传感器多模式调度与交互多模型跟踪算法相结合,通过"模式调度→交互跟踪→模式调度"的闭环结构,提高了对智能目标跟踪的自适应性.仿真结果表明,与选择固定传感器模式的方法和基于近视策略的传感器模式调度方法相比,文中方法实现了对智能目标的持续精确跟踪.     

无线传感器网络覆盖问题中的临界速度

研究了无线传感器网络中的覆盖问题，此问题对传感器网络的生存时间、部署策略、通信协议和组网等问题具有十分重要的意义．在保持已有传感器模型的物理意义的条件下，对传感器模型进行了改进，改进模型可以描述更一般的情形．据此分析了目标的速度与检测可能性之间的关系，给出了不可测临界速度和部分可测临界速度的定义及其与传感器参数之间的函数关系．当目标的速度大于不可测临界速度时，传感器无法测量目标；当目标背离传感器运动，并且速度大于部分可测临界速度时，传感器无法测量到目标．仿真结果验证了理论分析的正确性．     

基于信息增量的弹道目标协同跟踪方法

针对反导传感器网络中弹道目标的协同跟踪问题,提出了一种基于信息增量的弹道目标协同跟踪方法。分析了多传感器对弹道目标的协同跟踪问题,并建立了自由段弹道目标分段匀加速模型。在此基础上,对自由段弹道目标跟踪过程中,利用跟踪滤波的协方差阵信息获得每个传感器对目标的信息增量,并以信息增量最大为准则选择传感器对弹道目标进行跟踪,从而实现对弹道目标的有效跟踪。仿真结果表明：所提的方法能够及时动态地选择性能最佳的传感器对弹道目标进行跟踪,提高弹道目标整体的跟踪性能,实现对弹道目标的协同跟踪。     

On exploiting ‘negative’ sensor evidence for target tracking and sensor data fusion

In various applications of target tracking and sensor data fusion all available information related to the sensor systems used and the underlying scenario should be exploited for improving the tracking/fusion results. Besides the individual sensor measurements themselves, this in particular includes the use of more refined models for describing the sensor performance. By incorporating this type of background information into the processing chain, it is possible to exploit ‘negative’ sensor evidence. The notion of ‘negative’ sensor evidence covers the conclusions to be drawn from expected but actually missing sensor measurements for improving the position or velocity estimates of targets under track. Even a failed attempt to detect a target is a useful sensor output, which can be exploited by appropriate sensor models providing background information. The basic idea is illustrated by selected examples taken from more advanced tracking and sensor data fusion applications such as group target tracking, tracking with agile beam radar, ground moving target tracking, or tracking under jamming conditions.     

基于操作风险的双模式传感器管理方法

基于风险理论研究同时面向目标检测和跟踪任务的传感器管理方法.首先,定义目标检测风险和目标跟踪风险,并分别给出计算方法;其次,以目标检测风险最小化为目标函数建立传感器部署模型,以目标检测风险和目标跟踪风险之和最小化为目标函数建立传感器调度模型,且该调度发生在前面传感器部署模型建立的传感器网络之上;然后,针对模型的求解,同时为克服基本人工蜂群算法易陷入局部最优的缺点,提出改进的双向轮盘赌-粒子群-蜂群算法;最后,通过仿真验证模型和算法的有效性.     

传感器网络下机动目标动态协同跟踪算法

对传感器网络下的机动目标跟踪问题提出一种分布式传感器节点动态分簇、协同跟踪算法. 通过在线优化目标跟踪的性能函数和通讯代价, 自适应地选择节点并动态分簇, 通过多传感器节点的协同感知以及信息融合提高了跟踪精度. 由于问题的非线性和传感器节点的随机性, 本文基于粒子滤波器在线预测和估计目标状态的概率分布, 使用混合高斯粒子滤波器以及选择最短路径用于传感器节点之间的信息交换节约了通讯能量, 通过一种有效的粒子方法逼近目标状态的预测方差以实现传感器节点的最优选择. 仿真结果表明, 与 IDSQ 算法相比较, 本文提出的动态分簇算法实现了对机动目标的高精度跟踪.     

MPC算法在机载传感器规划中的应用

针对传感器规划过程中传感器对移动目标的实时跟踪探测问题,将模型预测控制(MPC)的基本思想与卡尔曼滤波理论相结合,提出了一种改进MPC算法的传感器规划方法。仿真实验结果表明:该算法在解决传感器对移动目标实时跟踪探测方面具有良好的效果,能够快速、准确地搜索到移动目标。     

Decision-aware data suppression in wireless sensor networks for target tracking applications

Target tracking applications of wireless sensor networks (WSNs) may provide a high performance only when a reliable collection of target positions from sensor nodes is ensured. The performance of target tracking in WSNs is affected by transmission delay, failure probability, and nodes energy depletion. These negative factors can be effectively mitigated by decreasing the amount of transmitted data. Thus, the minimization of data transfers from sensor nodes is an important research issue for the development of WSN-based target tracking applications. In this paper, a data suppression approach is proposed for target chasing in WSNs. The aim of the considered target chasing task is to catch a moving target by a mobile sink in the shortest time. According to the introduced approach, a sensor node sends actual target position to the mobile sink only if this information is expected to be useful for minimizing the time in which target will be caught by the sink. The presented method allows sensor nodes to evaluate the usefulness of sensor readings and select those readings that have to be reported to the sink. Experiments were performed in a simulation environment to compare effectiveness of the proposed approach against state-of-the-art methods. Results of the experiments show that the presented suppression method enables a substantial reduction in the amount of transmitted data with no significant negative effect on target chasing time.     

Target tracking based on the extended H-infinity filter in wireless sensor networks

In this paper, we propose a new target tracking approach for wireless sensor networks (WSNs) by using the extended H-infinity filter. First, the extended H-infinity filter for nonlinear discrete-time systems is deduced through the Krein space analysis scheme. Then, the proposed extended H-infinity filtering algorithm is applied to target tracking in wireless sensor networks. Finally, experiments are conducted through a small wireless sensor network test-bed. Both experimental and simulation results illustrate that the extended H-infinity filtering algorithm is more accurate to track a moving target in wireless sensor networks than using the extended Kalman filter in the case of having no knowledge of the statistics of the environment and the target to be tracked.     

Three-dimensional imaging hyperspectro-polarimetric target characterization sensor

A target characterization sensor is proposed, which can obtain a three-dimensional (3D) structure, hyperspectrum, and complete Stokes polarization characters corresponding to the target pixel scale from the same viewpoint. This avoids matching information processes and improves target characterization precision. The target characterization sensor integrates the following: 3D structure detection obtained through the projection grating phase method; hyperspectrum acquired with the use of acousto-optic tunable filter (AOTF); and complete Stokes polarization acquisition based on liquid crystal variable retarder (LCVR). Experiments verify the feasibility of the characterization sensor. This work further supports the viability of the use of this target characterization sensor for both mechanism and application research in quantitative detection.