[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

说明书

本发明公开了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以及信息增量矩阵；根据权重评判函数值得到目标的权重评判矩阵；S3、根据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。本发明通过合理分配多传感器使得多传感器在跟踪目标时效果更好，同时传感器资源得到更加合理的分配。

技术领域

本发明涉及多传感器技术领域，具体涉及一种基于加权信息增量最大化准则的多传感器分配方法。

背景技术

在多传感器目标跟踪系统中，传感器分配就是利用有限的资源满足对多目标跟踪的要求，科学合理的分配传感器。传感器资源对目标的分配可以充分发挥传感器资源的作用，并使传感器间相互协调，实现系统最优跟踪性能的要求。目标数目的增多以及环境的不确定性，使得传感器很难有效地跟踪目标。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于加权信息增量最大化准则的多传感器分配方法解决了现有多传感器系统跟踪目标效果差的问题。

为了达到上述发明目的，本发明采用的技术方案为：

提供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。

进一步地，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。

进一步地，

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