[发明专利]一种应用于目标跟踪的雷达和红外传感器部署方法

说明书

本发明公开了一种应用于目标跟踪的雷达和红外传感器部署方法，属于目标跟踪技术领域，包括以下步骤：对传感器部署进行建模，所述传感器包括雷达和红外传感器；构建并引入评分系统，将传感器部署量化为一个高维多峰值的优化问题；基于传统粒子群算法改进得到降维粒子群算法，对优化问题进行降维和迭代处理，求解全局最优解；根据全局最优解部署传感器。本发明解决了现有传感器部署方法存在不适用于目标跟踪的任务需求，部署模型无法实现多个异类传感器部署，以及对传感器进行优化部署的时候，容易陷入局部最优解的问题。

技术领域

本发明属于目标跟踪技术领域，涉及一种应用于目标跟踪的雷达和红外传感器部署方法。

背景技术

目标跟踪是根据无线传感器网络(WSN)中各传感器获得的数据估计出目标的状态信息的过程。随着多源信息融合技术的发展，相比于使用单个传感器，多个异类传感器同时对目标进行跟踪被证明具有更高的跟踪精度。利用多源信息融合进行跟踪的主要技术有：扩展卡尔曼滤波、无迹卡尔曼滤波等。常用于跟踪的传感器包括雷达和红外传感器，在实际目标跟踪中，难以保证每个目标都能被多个异类传感器探测到，因此需要对传感器进行合理的部署，使每个目标在传感器数量有限的情况下，能被多个异类传感器探测到，再通过多源信息融合技术即可获得对目标较为精确的跟踪结果。

目前粒子群算法(PSO)被广泛运用在解决传感器优化部署问题上，基于PSO的改进算法，例如VFCPSO和PSGO，都在解决传感器覆盖面积最大化的问题上有良好的结果；VFCPSO算法利用虚拟力使粒子能够朝着更优解的方向移动，而PSGO将遗传算法和PSO结合起来以解决粒子的早熟问题。但目前关于传感器部署问题的算法，都是在空间内对目标进行探测或者对空间的物理量进行监控时，使用的是大量成本较低的传感器，反馈回来的信息通常是探测范围内是否有目标，或范围内的物理量是否发生了变化，对于这种任务而言，覆盖率越大越好。因此以上算法主要针对的是如何使WSN覆盖面积最大这一点来部署传感器，这些方法均不适用于目标跟踪的任务需求。

而对于雷达或红外传感器对敌机或导弹进行跟踪的任务而言，无法做到在整个空间能被覆盖且全部覆盖的情况下布置雷达或红外传感器，成本太高，且容易被敌方发现，因此，需要用较少的传感器(雷达或红外传感器)进行部署从而实现对目标的跟踪。目前大部分的跟踪算法都主要针对如何融合多个传感器的量测以实现目标跟踪，却没有考虑目标是否在传感器的探测范围内。因此除了使用多源信息融合理论对已获得的量测进行融合，也需要确保在传感器数量较少的情况下，每个目标都在传感器的探测范围内，同时使用合理的传感器组合以提高传感器对目标的跟踪精度。

综上所述，目前现有传感器部署方法还存在以下问题：

1.没有针对目标跟踪的异类传感器部署模型；

2.现有的部署模型大多考虑覆盖率最大的问题，而在上文已经讨论过，覆盖率最大并不适合目标跟踪的任务需求；

3.大部分的部署模型都只考虑了单类传感器的部署，无法实现多个异类传感器或多模态的部署问题。

4.在使用PSO对传感器进行优化部署的时候，容易陷入局部最优解，无法得到最优的传感器部署方法，由此可能出现的结果是：在得到的传感器部署方法下，有部分传感器未被使用，但还存在目标没有被探测或所对应的传感器组合对其的跟踪精度不是最优的情况。

因此，针对上述问题，本发明提出了一种应用于目标跟踪的雷达和红外传感器部署方法。

发明内容

本发明的目的在于：提供了一种应用于目标跟踪的雷达和红外传感器部署方法，解决了现有传感器部署方法存在不适用于目标跟踪的任务需求，部署模型无法实现多个异类传感器部署，以及对传感器进行优化部署的时候，容易陷入局部最优解的问题。

本发明采用的技术方案如下：

一种应用于目标跟踪的雷达和红外传感器部署方法，包括以下步骤：