[发明专利]一种基于加权信息增量最大化准则的多传感器分配方法

权利要求书

1.一种基于加权信息增量最大化准则的多传感器分配方法，其特征在于：包括以下步骤：

S1、获取目标的先验概率和后验概率，获取每个影响目标权重的因素的权重评判函数值及权重系数；

S2、根据所述先验概率和后验概率分别得到先验信息熵和后验信息熵，并根据所述先验信息熵和后验信息熵得到信息增量矩阵；根据每个影响目标权重的因素的权重评判函数值得到目标的权重评判矩阵；

S3、根据每个影响目标权重的因素的权重系数和目标的权重评判矩阵得到目标的权重向量；

S4、根据目标的信息增量矩阵和权重向量得到加权信息增量矩阵；

S5、对所述加权信息增量矩阵进行排序，并根据目标数量输出最优分配矩阵；

步骤S1中获取每个影响目标权重的因素的权重评判函数值及权重系数的方法为：

根据权重限制公式

λ₁+λ₂+λ₃+...+λ_S＝1

分配每个影响目标权重的因素的权重系数；判断每个影响目标权重的因素的状态值与其权重评判函数值的相关关系，若为正相关关系，则根据公式

得到每个影响目标权重的因素的权重评判函数值a_ij，

否则根据公式

得到每个影响目标权重的因素的权重评判函数值a_ij；

其中0≤m1；h为每个影响目标权重的因素的状态值；h_min为每个影响目标权重的因素的状态值的下限；h_max为每个影响目标权重的因素的状态值的上限；S表示影响目标权重的因素的总量；i表示第i个影响目标权重的因素，i∈[1,S]；j表示第j个目标；

步骤S2中根据所述先验概率和后验概率分别得到先验信息熵和后验信息熵，并根据所述先验信息熵和后验信息熵得到信息增量矩阵的方法为：

根据公式

分别得到先验信息熵H(k)和后验信息熵H(k+1k)，根据公式

I(k)＝H(k)-H(k+1|k)

得到信息增量I(k)，并根据卡尔曼滤波得到化简后的信息增量I(k)

根据化简后的信息增量I(k)得到k时刻时第a个传感器分配给第j个目标的信息增量矩阵I_aj(k)

其中M表示传感器总量，a∈[1,M]；N表示目标总量，j∈[1,N]；tr{·}表示矩阵的迹，P(k|k-1)表示k时刻目标预测误差协方差矩阵；P(k|k)表示k时刻目标状态估计矩阵；q(k)为k时刻观测前的先验概率；p(k)为k时刻获得量测后的后验概率；

步骤S2中根据每个影响目标权重的因素的权重评判函数值得到目标的权重评判矩阵的方法为：

根据公式

得到目标的权重评判矩阵；

步骤S3的方法为：

根据公式

得到在k时刻时第j个目标的权重向量C_j；

步骤S4的方法为：

根据公式

E_aj(k)＝C_j(k)×I_aj(k)

得到

得到k时刻时第a个传感器对第j个目标的加权信息增量矩阵E_aj(k)；其中a∈[1,M]，M表示传感器总量；j∈[1,N]，N表示目标总量；

步骤S5的方法为：

对矩阵E_aj(k)按从大到小进行排序，得到排序后的矩阵E_aj'(k)，取矩阵E_aj'(k)的前N行的向量作为最优分配向量，实现基于加权信息增量最大化准则的多传感器分配；N表示目标总量。