[发明专利]一种随机集理论下的多传感器自适应管控方法

摘要

本发明公开了一种随机集理论下的多传感器自适应管控方法，实现基于广义标号多目标伯努利滤波器的多传感器自适应管控。它的特点是，在滤波阶段，各传感器分别本地滤波并进行分布式融合，从而得到最优的全局性能；在管控阶段，首先，对融合后的多目标分布进行采样；然后，进行伪预测，得到伪预测分布，并通过若干步的滤波迭代以得到伪更新分布，再对伪更新分布进行分布式融合，得到融合后的伪更新分布；最后，通过计算伪预测分布和融合后的伪更新分布之间的柯西施瓦兹散度，从而选取出最优的传感器控制决策。该方法有效地解决了在实际多传感器网络应用中，对多传感器的最优管控问题，从而实现了多传感器自适应管控。

主权项

1.一种随机集理论下的多传感器自适应管控方法，它包括以下步骤：步骤1、各本地传感器接收回波信号，并采用广义标号多目标伯努利滤波器进行本地滤波，各传感器得到的本地后验概率密度分布均为广义标号多目标伯努利分布：其中，πⁱ(X)表示第i个传感器后验概率分布,其中i＝1,2,...,N，X表示目标状态集合X＝{x₁,…,x_n}，x_n表示第n个目标的状态；为离散空间；表示映射，其中代表权重，非负且满足表示目标航迹的空间，L为其任意目标个数的集合；为概率密度函数，满足步骤2、选定多传感器融合准则：此准则即广义协方差交叉信息准则，其中，表示第i个传感器k时刻的后验概率分布；表示融合后的后验概率密度分布；Z表示传感器的量测集合；ω_i表示该融合准则的参数，满足0≤ω_i≤1,ω₁+ω₂＝1，这个参数决定了其相应后验合分布在融合时的权重，δX表示集合变量的微分符号；步骤3、进行分布式融合，融合后的后验分布为广义标号多目标伯努利分布：其中，步骤4、对融合后的多目标后验分布进行多目标采样，构建多目标采样集ΨS：其中，M表示采样数目，X(j)表示具体的一个多目标采样，其中j＝1,...,M；步骤5、定义管控步长H，采用广义标号多目标伯努利滤波器对融合后的多目标后验分布进行H步伪预测；假设没有目标出生和目标死亡，反复迭代广义标号多目标伯努利滤波器的预测步骤：其中，表示伪融合预测分布；步骤6、产生预测理想量测集合假设没有杂波，没有过程噪声和量测噪声以及发现概率为1，基于每一个传感器i，i＝1,2,...,N，每一种可操控命令在初始的多目标采样X^(j)下，演化H步产生量测的过程为：其中，表示第i个传感器所有可操控命令的空间集合；步骤7、基于预测理想量测集合进行H步的广义标号多目标伯努利滤波器滤波迭代以得到伪更新分布其中，filter表示滤波迭代过程；步骤8、在每一个多目标采样X^(j)下，针对所有可能的联合控制决策组合通过对所有的伪更新分布进行分布式融合，求取融合后的伪更新分布其中，GCI表示分布式融合过程；步骤9、计算在所有可能的联合控制决策组合下的柯西施瓦兹散度；9.1、在每一个多目标采样X^(j)下，针对所有可能的联合控制决策组合计算伪融合预测分布和融合后的伪更新分布之间的柯西施瓦兹散度：其中，DCS表示计算柯西施瓦兹散度：此处，φ表示ψ表示K表示单位因子；9.2、在所有的多目标采样集ΨS下，求取柯西施瓦兹散度的期望值：步骤10、基于柯西施瓦兹散度，选取出全局最优的传感器控制决策：