CN112269401B - 基于跟踪精度与风险控制的自适应主动传感器跟踪方法 - Google Patents

Abstract

本发明提供了一种基于跟踪精度与风险控制的自适应主动传感器跟踪方法，首先通过量测数据采样获得跟踪目标的参数以及状态信息，利用动态模糊贝叶斯网络（DFBN）的方法对目标的威胁度进行评估，并结合主动传感器信号被跟踪目标截获的概率对威胁风险进行预测；其次，利用目标预测协方差以及量测噪声协方差对主动传感器的跟踪精度进行评估；最后，通过融合跟踪精度以及风险控制构建效能函数对主动传感器资源进行合理地分配；本发明对威胁风险的评估方法进行改进，更加准确、合理地对目标威胁风险进行了预测；其次将跟踪精度与风险控制融合构建了自适应主动传感器跟踪方法，更加适用于复杂多变的现实环境，提高了对目标的跟踪能力。

Description

基于跟踪精度与风险控制的自适应主动传感器跟踪方法

技术领域

本发明涉及目标跟踪中主动传感器管理技术领域，尤其涉及基于跟踪精度与风险控制的自适应主动传感器跟踪方法。

背景技术

随着主动传感器技术、制造水平以及计算机技术的快速发展，各种功能不同的主动传感器构成的多主动传感器平台被广泛地应用在飞行器对目标的跟踪任务中。随着飞行器工作环境的复杂化和科技水平不断的进步，现代先进飞行器上普遍安装有多主动传感器平台，比如合成孔径雷达、前视红外雷达和电子、敌我识别器等；多主动传感器的引入克服了单一主动传感器的不准确性，提高了系统的鲁棒性，但同时如何对有限的主动传感器资源进行合理的分配也成为了一项重要的研究课题。

主动传感器管理的核心问题就是依据一定的优化准则，合理地分配主动传感器资源，满足对目标和扫描空间的要求；目前，常见的主动传感器管理方法有基于信息论的管理方法、基于任务需求的管理方法、基于风险控制的管理方法等；这三类方法均设定一个优化目标函数对主动传感器资源进行分配以使所需求的收益达到最大；其中，前两种方法更多关注的是通过对主动传感器管理使目标跟踪精度达到最优；但在有些情况下，如果不需要打击目标，仅保证探测方不丢失目标即可，则不需要一味地追求高的跟踪精度，此时需通过主动传感器管理使目标的丢失风险达到最小；因此，基于风险控制的管理方法将关注重点放在了控制任务风险上，不仅仅是丢失风险更包括威胁风险；一般认为风险是由任务决策所造成的潜在损失及其发生的概率所决定的，执行主动传感器管理的目的是降低任务风险以使损失达到最小，因此该类方法具有良好的实际应用价值，也成为了主动传感器管理领域内的研究热点之一。

主动传感器管理算法的提出解决了对主动传感器资源分配的问题，但是不管是基于跟踪精度还是基于风险控制的管理方法，都仅仅只考虑了其中一个方向，而无法兼顾另一个方向的需求，无法满足复杂多变的实际环境需要。

随着科技水平的不断发展，现代飞机应该具备侦察、跟踪、打击等多方面任务需求，因此单一任务目的的主动传感器管理算法显然不满足实际需要。

发明内容

本发明的目的在于提供一种基于跟踪精度与风险控制的自适应主动传感器跟踪方法，该算法改进了对目标威胁风险的评估方法，结合跟踪精度对主动传感器进行分配，同时可根据环境态势以及任务需要，灵活地对两者的权重进行调整，提高了对目标的跟踪能力。

为了实现上述目的，本发明采用以下技术方案：

基于跟踪精度与风险控制的自适应主动传感器跟踪方法，包括以下步骤：

步骤1：在目标i跟踪的过程中，探测方携带m个主动传感器构成多主动传感器平台，每一个主动传感器都具有不同的峰值功率；设定探测方与目标的初始状态信息、量测噪声协方差R、最小临界距离d_min；

步骤2：对跟踪目标i进行探测以及量测数据采样，获取目标i的参数信息：

具体的，所述目标i的参数信息包括攻击能力q、干扰能力j、目标类型k、航向角o、高度c、隐身性能g、距离r、速度l，通过以上参数信息利用动态模糊贝叶斯网络对目标威胁度进行评估；其中，目标i的攻击能力q、干扰能力j、目标类型k、隐身性能g属于离散型影响因素，{q,j,k,g∈(0,1)}，由专家经验直接给定数值；目标i的航向角o、高度c、距离r、速度l属于连续型定量影响因素，通过映射函数计算数值；

步骤3：根据步骤2所述的目标i的参数信息计算出威胁度影响因素值C＝[q,j,k,o,h,g,v,d]，从而计算威胁能力μ_1(q,j)隐含层节点概率、打击意图μ_2(k,o,h)隐含层节点概率、攻击机会μ_3(g,v,d)隐含层节点概率；

步骤4：通过步骤3计算出的威胁能力μ_1(q,j)隐含层节点概率、打击意图μ_2(k,o,h)隐含层节点概率、攻击机会μ_3(g,v,d)隐含层节点概率，利用贝叶斯网络概率传递计算目标威胁度N；

步骤5：计算主动传感器信号被跟踪目标i截获的概率W，由于每一个主动传感器具有不同的峰值功率p_i，因此通过峰值功率以及主动传感器脉冲发射次数计算截获概率W，同时结合步骤4求出的威胁度N，计算探测方所受目标i的威胁风险Q；

步骤6：利用探测方主动传感器预测协方差阵P_pre，以及量测噪声协方差R，计算主动传感器的跟踪精度O；

步骤7：根据距离以及环境态势将跟踪过程分为四个阶段：远距离阶段、辐射风险增长阶段、近距离阶段、火控阶段；根据不同阶段对跟踪精度权重λ，以及威胁风险权重1-λ计算效能函数E，随后遍历m个主动传感器，选择效能函数E值最小的主动传感器；

步骤8：利用步骤7选择的主动传感器对目标i进行跟踪，通过扩展卡尔曼滤波对量测信息进行滤波更新，获取更新后目标i状态估计值

预测协方差P_pre，并通过目标i状态估计值

计算探测方与跟踪目标的距离d；

步骤9：重复步骤2至步骤8，直到探测方与跟踪目标之间的距离d达到最小临界值d_min时，则跟踪结束。

步骤2中所述的航向角o、高度c、距离r、速度l通过以下映射函数计算数值：

航向角o：

高度c：

距离r：

速度l：

其中，{o,c,l,r∈(0,1)}；θ_k,i,h_k,i,v_k,i,d_k,i分别为目标i在k时刻的航向角、高度、速度、与探测方之间的距离；f₁,f₂,f₃,f₄分别为对应的航向角系数、高度系数、速度系数、距离系数。

步骤3中所述的计算威胁能力μ_1(q,j)隐含层节点概率、打击意图μ_2(k,o,h)隐含层节点概率、攻击机会μ_3(g,v,d)隐含层节点概率采用以下方法：

威胁能力μ_1(q,j)分为强、中、弱三个等级，由攻击能力q、干扰能力j融合获得，则威胁能力隶属度函数如下：

其中，ln∈{1,2,3}，δ₁为标准差，

分别为攻击能力q、干扰能力j对应的权重；求出威胁能力μ_1(q,j)三个等级数值后，作归一化处理，得到威胁能力μ_1(q,j)隐含层节点概率；

打击意图μ_2(k,o,h)模糊子集分为大、中、小三个等级，由目标类型k、航向角o、高度c融合而成，则打击意图隶属度函数如下：

其中，lm∈{1,2,3}，δ₂为标准差，

分别为目标类型k、航向角o、高度c对应的权重；求出打击意图μ_2(k,o,h)三个等级数值后，作归一化处理，得到打击意图μ_2(k,o,h)隐含层节点概率；

攻击机会μ_3(g,v,d)模糊子集分为大、中、小三个等级，由隐身性能g、速度l、距离r融合而成，则攻击机会隶属度函数如下：

其中，ly∈{1,2,3}，δ₃为标准差，

分别为隐身性能g、速度l、距离r对应的权重；求出攻击机会μ_3(g,v,d)三个等级数值后，作归一化处理，得到攻击机会μ_3(g,v,d)隐含层节点概率。

步骤4中所述的目标威胁度N的计算方法为：

其中i∈{1,2,...,n}，代表存在n个隐含层节点，且n＝3，j∈{1,2,3,...,k}，代表威胁度N有k种情况，并利用重心法求出目标威胁度N。

步骤4中所述的计算截获概率W和计算探测方所受目标i的威胁风险Q的方法为：

截获概率W：

其中，p_fi为目标探测系统的虚警概率，SNR为目标探测系统接收信号的信噪比，T_c为主动传感器控制周期，T_i为主动传感器单次脉冲发射周期；

探测方所受W的威胁风险Q：

步骤6中所述的利用探测方主动传感器预测协方差阵P_pre，以及量测噪声协方差R，计算主动传感器的跟踪精度O的方法为：

其中，P_pre为主动传感器预测协方差阵，R为主动传感器量测噪声协方差阵。

步骤7中所述的计算效能函数E的方法为：

跟踪精度权重λ：

其中，η₁,η₂,η₃为权重影响因子；

效能函数E：

本发明的有益效果：

本发明所述的基于跟踪精度与风险控制的自适应主动传感器跟踪方法，对威胁风险的评估方法进行改进，更加准确、合理地对目标威胁风险进行了预测；其次将跟踪精度与风险控制融合构建了自适应主动传感器管理算法，更加适用于复杂多变的现实环境，提高了对目标的跟踪能力。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的方法流程图；

图2为目标威胁度评估的影响因素示意图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明所述的基于跟踪精度与风险控制的自适应主动传感器跟踪方法，包括以下步骤：

步骤1：在目标i跟踪的过程中，探测方携带m个主动传感器构成多主动传感器平台，每一个主动传感器都具有不同的峰值功率；设定探测方与目标i的初始状态信息、量测噪声协方差R、最小临界距离d_min；

其中，m个主动传感器记为S＝{s₁,s₂,…,s_i}(i∈m)，每个主动传感器的峰值功率记为P＝{p₁,p₂,…,p_i}(i∈m)；

步骤2：对跟踪目标i进行探测及量测数据采样，获取目标i的参数信息：攻击能力q、干扰能力j、目标类型k、航向角o、高度c、隐身性能g、距离r、速度l，通过以上参数信息利用动态模糊贝叶斯网络(DFBN)对目标i威胁度进行评估；

其中，目标i的攻击能力q、干扰能力j、目标类型k、隐身性能g属于离散型影响因素，{q,j,k,g∈(0,1)}，由专家经验直接给定数值；目标i的航向角o、高度c、距离r、速度l属于连续型定量影响因素，通过以下映射函数计算数值：

航向角o：

高度c：

速度：

距离：

其中，{o,c,l,r∈(0,1)}；θ_k,i,h_k,i,v_k,i,d_k,i分别为目标i在k时刻的航向角、高度、速度、与探测方之间的距离；f₁,f₂,f₃,f₄分别为对应的航向角系数、高度系数、速度系数、距离系数；

如图2所示：步骤3：根据步骤2所述的目标i的参数信息计算出威胁度影响因素值C＝[q,j,k,o,h,g,v,d]，从而计算出隐含层变量节点威胁能力μ_1(q,j)、打击意图μ_2(k,o,h)、攻击机会μ_3(g,v,d)；

其中，由于影响因素之间相互独立，因此采用高斯隶属度函数结合影响因素值求解隐含层节点概率，具体的：

威胁能力μ_1(q,j)分为强、中、弱三个等级，由攻击能力q、干扰能力j融合获得，则威胁能力隶属度函数如下：

其中，ln∈{1,2,3}，δ₁为标准差，

分别为攻击能力q、干扰能力j对应的权重；求出威胁能力μ_1(q,j)三个等级数值后，作归一化处理，得到威胁能力μ_1(q,j)隐含层节点概率；

同理：打击意图μ_2(k,o,h)模糊子集分为大、中、小三个等级，由目标类型k、航向角o、高度c融合而成，则打击意图隶属度函数如下：

其中，lm∈{1,2,3}，δ₂为标准差，

分别为目标类型k、航向角o、高度c对应的权重；求出打击意图μ_2(k,o,h)三个等级数值后，作归一化处理，得到打击意图μ_2(k,o,h)隐含层节点概率；

同理：攻击机会μ_3(g,v,d)模糊子集分为大、中、小三个等级，由隐身性能g、速度l、距离r融合而成，则攻击机会隶属度函数如下：

其中，ly∈{1,2,3}，δ₃为标准差，

分别为隐身性能g、速度l、距离r对应的权重；求出攻击机会μ_3(g,v,d)三个等级数值后，作归一化处理，得到攻击机会μ_3(g,v,d)隐含层节点概率；

步骤4：通过步骤3计算出的威胁能力μ_1(q,j)隐含层节点概率、打击意图μ_2(k,o,h)隐含层节点概率、攻击机会μ_3(g,v,d)隐含层节点概率，并结合贝叶斯网络概率传递的原理计算目标威胁度N；具体的，采用以下方法：

其中i∈{1,2,...,n}，代表存在n个隐含层节点，且n＝3，j∈{1,2,3,...,k}，代表威胁度有k种情况，并利用重心法求出目标i威胁度N；

步骤5：计算主动传感器信号被跟踪目标i截获的概率W，由于每一个主动传感器具有不同的峰值功率p_i，因此通过峰值功率以及主动传感器脉冲发射次数计算截获概率W，同时结合步骤4求出的威胁度N，进而计算探测方所受目标的威胁风险Q，计算方法如下：

截获概率W：

其中，p_fi为目标探测系统的虚警概率，SNR为目标探测系统接收信号的信噪比，T_c为主动传感器控制周期，T_i为主动传感器单次脉冲发射周期；

探测方所受目标i的威胁风险Q：

步骤6：利用探测方主动传感器预测协方差阵P_pre，以及量测噪声协方差R，计算主动传感器的跟踪精度O，计算方法如下：

其中，P_pre为主动传感器预测协方差阵，R为主动传感器量测噪声协方差阵；

步骤7：根据距离以及环境态势将跟踪过程分为四个阶段：远距离阶段、辐射风险增长阶段、近距离阶段、火控阶段；根据不同阶段对跟踪精度权重λ，以及威胁风险权重(1-λ)进行计算，在此基础上，通过跟踪精度与威胁风险融合构成效能函数E，随后遍历m个主动传感器，选择效能函数E值最小的主动传感器探测目标，计算方法如下：

跟踪精度权重λ：

其中，η₁,η₂,η₃为权重影响因子。

效能函数E：

步骤8：利用步骤7选择的主动传感器对目标i进行跟踪，通过扩展卡尔曼滤波(EKF)对量测信息进行滤波更新，获取更新后目标状态估计值

预测协方差P_pre，并通过目标状态估计值

计算探测方与跟踪目标的距离d；

步骤9：重复步骤2至步骤8，直到探测方与跟踪目标之间的距离d达到最小临界值d_min时，则跟踪结束。

在目标跟踪过程中，本发明所述的基于跟踪精度与风险控制的自适应主动传感器跟踪方法，针对传统主动传感器管理方法无法兼顾跟踪精度与风险控制，以及威胁风险评估不准确等问题，提出了一种新的威胁风险评估的方法，并结合跟踪精度构成了一种自适应的主动传感器跟踪方法；

为了适应现实环境复杂多变的任务需求，本发明具备以下有益效果：

首先通过量测数据采样获得跟踪目标的参数以及状态信息，利用动态模糊贝叶斯网络(DFBN)的方法对目标的威胁度进行评估，并结合主动传感器信号被跟踪目标截获的概率对威胁风险进行预测；

其次，利用目标预测协方差以及量测噪声协方差对主动传感器的跟踪精度进行评估；

最后，通过融合跟踪精度以及风险控制构建效能函数对主动传感器资源进行合理地分配；

综上所述，本发明所述的基于跟踪精度与风险控制的自适应主动传感器跟踪方法，对威胁风险的评估方法进行改进，更加准确、合理地对目标威胁风险进行了预测；其次将跟踪精度与风险控制融合构建了自适应主动传感器管理算法，更加适用于复杂多变的现实环境，提高了对目标的跟踪能力。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.基于跟踪精度与风险控制的自适应主动传感器跟踪方法，其特征在于：包括以下步骤：

步骤1：在目标i跟踪的过程中，探测方携带m个主动传感器构成多主动传感器平台，每一个主动传感器都具有不同的峰值功率；设定探测方与目标的初始状态信息、量测噪声协方差R、最小临界距离d_min；

步骤2：对跟踪目标i进行探测以及量测数据采样，获取目标i的参数信息：

具体的，所述目标i的参数信息包括攻击能力q、干扰能力j、目标类型k、航向角o、高度c、隐身性能g、距离r、速度l，通过以上参数信息利用动态模糊贝叶斯网络对目标威胁度进行评估；其中，目标i的攻击能力q、干扰能力j、目标类型k、隐身性能g属于离散型影响因素，{q,j,k,g∈(0,1)}，由专家经验直接给定数值；目标i的航向角o、高度c、距离r、速度l属于连续型定量影响因素，通过映射函数计算数值；

步骤3：根据步骤2所述的目标i的参数信息计算出威胁度影响因素值C＝[q,j,k,o,h,g,v,d]，从而计算威胁能力μ_1(q,j)隐含层节点概率、打击意图μ_2(k,o,h)隐含层节点概率、攻击机会μ_3(g,v,d)隐含层节点概率；

步骤4：通过步骤3计算出的威胁能力μ_1(q,j)隐含层节点概率、打击意图μ_2(k,o,h)隐含层节点概率、攻击机会μ_3(g,v,d)隐含层节点概率，利用贝叶斯网络概率传递计算目标威胁度N；

步骤5：计算主动传感器信号被跟踪目标i截获的概率W，由于每一个主动传感器具有不同的峰值功率p_i，因此通过峰值功率以及主动传感器脉冲发射次数计算截获概率W，同时结合步骤4求出的目标威胁度N，计算探测方所受目标i的威胁风险Q；

步骤6：利用探测方主动传感器预测协方差阵P_pre，以及量测噪声协方差R，计算主动传感器的跟踪精度O；

步骤7：根据距离以及环境态势将跟踪过程分为四个阶段：远距离阶段、辐射风险增长阶段、近距离阶段、火控阶段；根据不同阶段对跟踪精度权重λ，以及威胁风险权重1-λ计算效能函数E，随后遍历m个主动传感器，选择效能函数E值最小的主动传感器；

步骤8：利用步骤7选择的主动传感器对目标i进行跟踪，通过扩展卡尔曼滤波对量测信息进行滤波更新，获取更新后目标i状态估计值

预测协方差P_pre，并通过目标i状态估计值

计算探测方与跟踪目标的距离d；

步骤9：重复步骤2至步骤8，直到探测方与跟踪目标之间的距离d达到最小临界值d_min时，则跟踪结束。

2.根据权利要求1所述的基于跟踪精度与风险控制的自适应主动传感器跟踪方法，其特征在于：步骤2中所述的航向角o、高度c、距离r、速度l通过以下映射函数计算数值：

航向角o：

高度c：

距离r：

速度l：

其中，{o,c,l,r∈(0,1)}；θ_k,i,h_k,i,v_k,i,d_k,i分别为目标i在k时刻的航向角、高度、速度、与探测方之间的距离；f₁,f₂,f₃,f₄分别为对应的航向角系数、高度系数、速度系数、距离系数。

3.根据权利要求1所述的基于跟踪精度与风险控制的自适应主动传感器跟踪方法，其特征在于：步骤3中所述的计算威胁能力μ_1(q,j)隐含层节点概率、打击意图μ_2(k,o,h)隐含层节点概率、攻击机会μ_3(g,v,d)隐含层节点概率采用以下方法：

威胁能力μ_1(q,j)分为强、中、弱三个等级，由攻击能力q、干扰能力j融合获得，则威胁能力隶属度函数如下：

其中，ln∈{1,2,3}，δ₁为标准差，

分别为攻击能力q、干扰能力j对应的权重；求出威胁能力μ_1(q,j)三个等级数值后，作归一化处理，得到威胁能力μ_1(q,j)隐含层节点概率；

打击意图μ_2(k,o,h)模糊子集分为大、中、小三个等级，由目标类型k、航向角o、高度c融合而成，则打击意图隶属度函数如下：

其中，lm∈{1,2,3}，δ₂为标准差，

分别为目标类型k、航向角o、高度c对应的权重；求出打击意图μ_2(k,o,h)三个等级数值后，作归一化处理，得到打击意图μ_2(k,o,h)隐含层节点概率；

攻击机会μ_3(g,v,d)模糊子集分为大、中、小三个等级，由隐身性能g、速度l、距离r融合而成，则攻击机会隶属度函数如下：

其中，ly∈{1,2,3}，δ₃为标准差，

分别为隐身性能g、速度l、距离r对应的权重；求出攻击机会μ_3(g,v,d)三个等级数值后，作归一化处理，得到攻击机会μ_3(g,v,d)隐含层节点概率。

4.根据权利要求1所述的基于跟踪精度与风险控制的自适应主动传感器跟踪方法，其特征在于：步骤4中所述的目标威胁度N的计算方法为：

其中i∈{1,2,...,n}，代表存在n个隐含层节点，且n＝3，j∈{1,2,3,...,k}，代表威胁度N有k种情况，并利用重心法求出目标威胁度N。

5.根据权利要求1所述的基于跟踪精度与风险控制的自适应主动传感器跟踪方法，其特征在于：步骤4中所述的计算截获概率W和计算探测方所受目标i的威胁风险Q的方法为：

截获概率W：

其中，p_fi为目标探测系统的虚警概率，SNR为目标探测系统接收信号的信噪比，T_c为主动传感器控制周期，T_i为主动传感器单次脉冲发射周期；

探测方所受W的威胁风险Q：

6.根据权利要求1所述的基于跟踪精度与风险控制的自适应主动传感器跟踪方法，其特征在于：步骤6中所述的利用探测方主动传感器预测协方差阵P_pre，以及量测噪声协方差R，计算主动传感器的跟踪精度O的方法为：

其中，P_pre为主动传感器预测协方差阵，R为主动传感器量测噪声协方差阵。

7.根据权利要求1所述的基于跟踪精度与风险控制的自适应主动传感器跟踪方法，其特征在于：步骤7中所述的计算效能函数E的方法为：

跟踪精度权重λ：

其中，η₁,η₂,η₃为权重影响因子；

效能函数E：

Images