传感器管理技术研究现状与展望

简述了传感器管理技术研究的总体概况,包括定义、作用、管理对象、结构和功能模型。提出了传感器管理是复杂的动态多目标优化问题,分析了解决该难题的技术研究现状,主要涵盖传感器管理问题建模、优化目标设计、多目标优化、博弈论应用等。从传感器融入体系、传感器网络化集成应用和算法智能化3个方面展望了传感器管理技术发展方向。     

基于实值粒子群优化的STSS系统传感器管理算法研究

针对STSS系统中段弹道目标传感器管理问题,通过分析中段目标跟踪的影响因素,提出了一种新的优化目标函数.并在分析基于二进制粒子群优化的传感器管理算法缺点的基础上,通过对粒子的降维处理和位置矢量更新式的改进,提出了一种基于实值粒子群优化的传感器管理算法.最后,根据中段弹道目标跟踪典型场景下的仿真实验分析,给出了目标函数加权系数的优选方案,并比较了几种方法的性能.仿真实验表明,所提优化目标函数能有效进行多传感器的管理调度,且基于实值粒子群优化的传感器管理算法是一种更加高效的方法.     

机载传感器多目标优化管理算法研究

提出了一种机载传感器多目标优化管理方法。该方法考虑目标状态估计精度,采用交互多模型滤波算法进行传感器量测信息滤波,进而实时计算传感器目标探测跟踪的信息矩阵。在此基础上,采用多目标优化算法以目标信息矩阵、传感器数量和目标被探测数量为指标进行传感器资源的优化配置,实现机载多传感器资源的有效配置和管理。进行了该传感器多目标优化管理算法的仿真研究。研究结果表明提出的传感器管理算法能够快速、有效地完成传感器资源的合理配置。     

目标检测中的传感器管理方法研究

基于假设检验的方法,研究了目标检测与定位中的传感器管理方法,给出了一种最大后验概率法,讨论了另外两种基于贝叶斯推理的最大正确检测概率法和最小代价函数法。通过仿真改进了最大正确检测概率法,对三种不同方法的检测正确率和平均采样次数进行了比较,分析了各种方法的适用场合。     

传感器管理的结构与微观传感器管理仿真

传感器管理系统是信息融合系统的重要组成部分,是提高信息融合系统总体性能的保障。在给出传感器管理基本概念的基础上,讨论了传感器管理技术的难点与传感器管理的微观/宏观结构。利用一光电传感器模型对微观层的传感器管理———传感器控制进行了仿真研究,并讨论了传感器的控制原则。仿真结果表明,微观层的传感器管理可以使传感器对机动目标的跟踪精度得到明显改善。     

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。     

基于多目标优化的传感器网络任务分配模型

由于网络节点资源受限,节点任务分配对传感器网络性能和网络服务质量影响很大.本文以优化系统时延、能量消耗及网络均衡度为目标,建立了基于多目标优化的传感器网络任务分配模型.同时为了有效协调多目标间的关系,采用目标协调优化方法构造目标函数.利用关键路径法解决通信路径选择,给出了基于遗传算法的最佳任务分配方案,进而最大限度地提高了传感器网络效率.最后,仿真结果表明了该模型和算法是合理的和有效的.     

多传感器ATR系统中传感器的选配

多传感器数据融合引入 ATR系统首先面临的是传感器的选配问题。从系统中可选传感器的分析出发 ,阐述了传感器选配中应考虑的几个基本因素 ,部分解决了目前传感器选配中的盲目性和随意性问题 ,指出 ,多传感器 ATR系统中传感器选配方法的发展趋势是引入系统工程理论和优化设计方法。     

一主多从非光滑多目标优化方法

研究一主多从非光滑多目标优化问题,分别就从者间决策为无关联和有关联两种情形,给出相应的求解方法及有关性质。     

机载雷达、红外、电子支援措施协同跟踪与管理

针对辐射限制下的目标跟踪问题,提出了一种机载雷达、红外传感器(infrared search and track, IRST)、电子支援措施(electronic support measure, ESM)协同跟踪与管理的方法。针对雷达、红外、ESM量测时间不一致的特点,采用顺序处理结构的多传感器集中式融合方式对目标进行跟踪,利用跟踪过程中的预测协方差与预定门限进行比较控制雷达辐射,并分析了红外、ESM不同间歇时间、不同控制门限与雷达辐射时间的相对关系。研究结论有助于提高作战飞机的抗侦察和抗干扰能力,从而提升整体的生存能力。     

基于强化学习的多机协同传感器管理

网络化战争中,机载雷达在实现对目标信息持续获取的同时保证载机安全生存是亟待解决的问题。对此,以多机协同作战安全转场任务为背景,提出基于深度强化学习算法的智能传感器管理方法。首先,综合考虑信号辐射量与目标威胁因素,计算目标运动过程中的实时威胁隶属度。其次,在强化学习框架下对雷达-目标分派问题建模,利用神经网络逼近动作-值函数,并根据时序差分算法进行参数更新。仿真结果表明,相比于传统调度方法,所提算法有效提升了任务成功率,缩短了任务完成用时。     

Distributed power control algorithm based on game theory for wireless sensor networks

Energy saving is the most important issue in research and development for wireless sensor networks. A power control mechanism can reduce the power consumption of the whole network.Because the character of wireless sensor networks is restrictive energy,this paper proposes a distributed power control algorithm based on game theory for wireless sensor networks which objects of which are reducing power consumption and decreasing overhead and increasing network lifetime.The game theory and OPNET simulation shows that the power control algorithm converges to a Nash Equilibrium when decisions are updated according to a better response dynamic.     

基于Fisher信息距离的传感器管理方法

在进行面向跟踪的传感器管理方法研究时,传统的思路主要以跟踪精度为导向,但是在数据关联环节,改善或维持目标之间的区分度才是传感器资源分配的主要目的。需求的偏差导致不合理的传感器资源分配结果。依据信息几何理论,以流形中的Fisher信息距离来定义目标之间的区分度,然后直接依据目标之间的区分度制定传感器资源分配策略。关联仿真实验表明,该方法相较于传统的传感器管理方法,有效提高了目标之间的关联正确率。     

传感器网中基于矢量地图数据的传感器放置模型与算法

基于矢量地图数据,建立了用于传感器放置的地形模型和传感器模型,提出了两种传感器放置算法,算法的目标是优化传感器数目及确定传感器的放置位置。算法通过计算放置一个传感器后目标节点处目标漏检概率的有效变化,将传感器放置在能带来全局或局部最大有效变化的网格节点上。仿真实际表明,与已有放置算法相比,两种算法减少了传感器的数目。     

前景理论下的末端物流干扰管理方法研究

针对末端物流配送过程中可能出现的配送时间窗更改、送货地址变化等动态扰动问题,提出了基于前景理论的价值函数度量策略和基于量子理论的多目标优化求解方法.首先,对末端物流干扰管理问题进行了描述;然后,为度量用户对货物期待的心理感知度,建立了末端物流配送干扰管理模型,并设计了基于前景理论的价值函数曲线和扰动度量策略;在此基础上,为优化干扰管理模型和寻求用户满意度、配送成本以及配送效率等多目标优化问题的较优解,提出了一种融入量子理论的改进细菌觅食方法;最后,将所提出的方法与已经存在的经典算法进行比较,验证了该方法的可行性和有效性.     

基于行为运筹的生产调度干扰管理模型

针对生产调度过程中干扰事件导致初始方案无法继续实施这一难题,采用干扰管理思想,结合行为运筹中对人的行为与感知的研究方法与优化决策的研究手段,从客户、企业管理者和车间工人三个方面度量生产调度系统的扰动,提出基于前景理论的扰动度量方法,构建字典序的多目标干扰管理模型并采用改进的蚁群算法进行求解.数值算例中,通过与全局重调度和右移重调度的结果进行比较,得出本文方法更加科学——生成的干扰调整方案对系统的扰动更小.