多机载平台多目标跟踪与辐射控制

针对作战飞机编队多目标跟踪中的辐射控制问题,提出了一种多机多传感器协同多目标跟踪与辐射控制方法。该方法首先根据目标与我机编队之间的距离,利用模糊逻辑设定不同目标的跟踪精度,然后以目标跟踪精度为任务需求,在时间上控制雷达辐射。建立了目标的威胁评估模型,并根据目标相对我机的不同威胁度在空间上控制雷达辐射,选择威胁度最小的一个或几个雷达辐射。同时,利用多平台间的机载地理坐标系转换,进行多平台序贯滤波,实现传感器管理下的目标跟踪。仿真结果证明了方法的合理性和有效性,研究结论有助于提高作战飞机编队的抗侦察和抗干扰能力,从而提升整体的生存能力。     

以任务需求为驱动的多传感器资源管理方法

针对战斗机火控系统跟踪多目标过程中传感器资源管理问题,提出一种以任务需求为驱动的多传感器管理方法。该方法首先利用矩阵求迹的方式度量跟踪任务的信息需求;然后在分析任务优先级和传感器使用代价的基础上,建立以任务需求为驱动的多传感器集中式管理模型,并根据多个跟踪任务的信息需求自适应地分配传感器资源;对于分配过程中出现的NP (non-deterministic polynomial)难问题,探讨了利用改进蚁群优化算法寻找满足任务需求的最优传感器组合的可行性,并给出传感器自适应分配方案。仿真结果表明,这种管理方法可以在保证跟踪精度的条件下,根据任务的信息需求合理地分配传感器资源;此外,以任务需求为驱动的传感器管理策略可以大幅减少主动式传感器的工作时间,对于提高战斗机的生存性具有重要的工程应用价值。     

考虑盲区的多移动传感器地面目标检测跟踪调度方法

针对地面目标检测跟踪任务以多移动传感器系统为调度对象，提出一种考虑盲区的传感器调度方法。首先，建立了目标检测模型，基于贝叶斯风险理论给出了目标检测损失的计算方法以评估检测性能。然后，考虑多普勒盲区和视野盲区的影响，建立了目标跟踪模型，并给出了基于盲区信息辅助的目标跟踪算法以应对盲区出现时目标状态估计问题。最后，建立了传感器优化调度模型，结合检测损失、跟踪精度、传感器能耗等因素建立了目标优化函数。仿真结果表明，所提调度方法能够有效解决多移动传感器协同调度问题，所得的最优调度方案可在兼顾检测性能、跟踪性能和控制能耗的同时，使整体作战收益达到最佳。     

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。     

基于分群粒子群优化的传感器调度方法

对面向目标跟踪任务的多传感器多任务调度问题进行研究。考虑到探测目标的运动特性,采用扩展卡尔曼滤波法实施目标跟踪,以成功调度任务的综合优先权、目标跟踪精度以及传感器网络的能源消耗为指标,建立了多传感器多任务调度的混合整数规划模型。提出一种基于分群机制的分群粒子群算法对模型进行求解,该方法通过粒子分群,提高对问题域的全局搜索能力,避免算法过快收敛和发生早熟。实验结果表明,该方法用于传感器调度问题,具有较好的求解性能。     

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。     

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。     

杂波环境下可移动主被动传感器长时调度方法

针对杂波环境下的多目标跟踪问题, 基于可移动主被动传感器系统, 提出了一种辐射控制的长时调度方法。首先, 建立调度模型, 对多目标运动状态和量测结果、传感器调度动作等进行数学描述; 同时, 基于雷达工作原理和截获概率的思想, 提出改进的辐射风险量化方法。随后, 利用高斯混合概率假设密度滤波算法预测长时跟踪精度, 利用所提改进的量化方法预测长时辐射代价, 并利用改进的灰狼优化算法求解传感器调度方案。最后, 执行调度方案获得多目标量测信息, 采用联合广义标签多伯努利滤波算法计算目标估计状态。仿真实验表明, 所提调度方法在保证跟踪精度的基础上, 能够实现对辐射代价的有效控制, 与其他方法相比具有明显的优势。     

基于强跟踪滤波器的自适应常加速模型及跟踪算法

建立目标机动模型是传感器目标跟踪数据处理中的一个重要环节.为了克服"当前"统计模型对非机动目标和常加速模型对机动目标跟踪性能较差的缺陷,通过对"当前"统计(CS)模型的分析研究,在常加速(CA)模型的基础上提出了一种基于强跟踪滤波器的自适应常加速模型及跟踪算法(ACA-STF).该算法利用速度预测估计与实时速度估计间的偏差进行自适应方差调整,并通过引入强跟踪滤波器(STF)的渐消因子,实时调节滤波器增益,从而提高了跟踪精度,增强了系统对突发机动的自适应跟踪能力.理论分析和仿真结果表明对于非机动和机动目标,该算法比"当前"统计模型算法具有更高的跟踪精度.     

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。     

基于PEV准则的不确定混合多传感器联盟求解

针对不确定混合多传感器联盟求解问题,提出了一种在PEV准则下求解的方法.首先以提高传感器资源利用率和对目标跟踪精度为目的 建立目标函数,以传感器跟踪能力为约束建立不确定混合多传感器联盟模型,其次利用不确定理想点法和PEV准则将不确定模型变为确定模型,最后设计改进选择策略的烟花算法求出混合多传感器联盟的有效解,通过"预测...     

基于FCM的多传感器融合多目标跟踪的数据关联

数据关联是实现多目标跟踪的核心技术之一,也是实现多传感器信息融合的前提。本文采用改进的模糊c-均值法求解关联概率,并通过在不同的传感器所对应的观测空间上建立多目标运动状态的投影,将单传感器数据关联算法推广到多传感器信息融合系统,从而可在密集杂波环境中实现对多目标的数据关联和精确跟踪。仿真实验结果说明了本文方法的有效性。     

基于证据理论的联合概率数据关联算法

数据关联是目标跟踪技术中的核心部分,多目标情况下的数据关联技术更是研究的重点,由于多目标量测之间的互相干扰、外部环境干扰以及传感器性能等客观因素的约束,使得量测信息部分存在着相应的量测误差,密集环境中的多目标跟踪比较困难。针对这个问题,提出的新算法利用联合概率数据关联方法进行密集杂波环境下的数据关联,结合证据理论的思想对多传感器量测信息进行优化组合,有效地减小了量测误差对跟踪目标的影响。通过仿真结果可以看出,改进算法大大提高了跟踪精度,并具有良好的抗干扰能力,适用于解决工程实际问题。     

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。     

基于证据理论的数据关联算法

数据关联技术是多传感器目标跟踪系统中最核心而且也是最重要的部分。由于缺乏跟踪环境的先验知识以及受传感器自身性能的制约,整个量测过程不可避免地引入量测误差,密集环境中的目标跟踪比较困难。针对这个问题,提出的新算法利用概率数据关联方法进行密集杂波环境下的数据关联,结合证据理论的思想对多传感器量测信息进行优化组合,有效地减小了量测误差对跟踪目标的影响。通过仿真结果可以看出,改进算法大大提高了跟踪精度,并具有良好的抗干扰能力,适用于解决工程实际问题。     

数据丢包环境下的多传感器协同跟踪策略研究

针对实际作战中的复杂电磁环境,研究了数据丢包环境下的多传感器协同跟踪问题。首先分析了数据丢包的几种不同情况,分别建立了数据丢包模型,并针对不同的丢包模型提出了相应的补偿策略;然后建立了数据丢包环境下目标观测模型,推导了数据丢包环境下序贯扩展卡尔曼滤波算法;最后基于信息熵理论建立了数据丢包环境下的多传感器多目标跟踪优化模型,给出了离散粒子群求解算法。仿真结果表明,所提的丢包补偿策略具有良好的补偿效果,可以有效抑制数据丢包造成的滤波数据发散,保证目标跟踪精度。