CN112949152A - 一种异类传感器目标信息交接方法 - Google Patents
一种异类传感器目标信息交接方法 Download PDFInfo
- Publication number
- CN112949152A CN112949152A CN202110251638.2A CN202110251638A CN112949152A CN 112949152 A CN112949152 A CN 112949152A CN 202110251638 A CN202110251638 A CN 202110251638A CN 112949152 A CN112949152 A CN 112949152A
- Authority
- CN
- China
- Prior art keywords
- sensor
- target
- strategy
- game
- sensors
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000005259 measurement Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 19
- 238000005265 energy consumption Methods 0.000 claims description 14
- 230000008901 benefit Effects 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 2
- 230000007123 defense Effects 0.000 abstract description 8
- 238000001914 filtration Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 235000009421 Myristica fragrans Nutrition 0.000 description 1
- 244000270834 Myristica fragrans Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种异类传感器目标信息交接方法,该方法根据异类传感器信息的更新以及探测目标信息的更新,通过建立传感器网络性能指标模型以及传感器目标信息交接模型,利用博弈算法对传感器的目标信息交接进行多轮次的博弈计算,从而得到最优的传感器目标信息交接引导策略。本发明可用于防空反导一体化作战场景以及其他类似作战场景中对异类传感器的有效管理,有效的保证了目标跟踪精度的提高和异类传感器之间的交接引导。
Description
技术领域
本发明涉及传感器资源管理技术领域,尤其涉及一种异类传感器目标信息交接方法。
背景技术
弹道导弹具有射程远、命中精度高、再入速度快、灵活性强、威力大等特点,自问世以来即成为拥有者手中的“杀手锏”。弹道导弹防御作战是一种典型的体系作战,要求较高的时效性、准确性、联动性和自主性,而一体化的多层防御是实现弹道导弹防御的有效途径。弹道导弹防御作战过程中运用的传感器资源主要包括天基红外预警卫星、地基早期预警雷达、地基多功能雷达、精密跟踪雷达、战术目指雷达以及武器系统的制导雷达等,各个传感器在监视区域、探测距离、探测精度、目标识别能力等方面存在较大的差异,为了有效地识别出弹道目标并对其稳定的跟踪、以及后续的拦截效果评估,需要传感器之间的协同,而异类传感器之间的目标信息交接引导是当前的研究重点之一。
针对异类传感器之间的目标信息交接引导问题,通常采用集中式算法和分布式算法进行求解。典型集中式算法包括改进粒子群算法、匈牙利算法、粒子群拍卖混合算法等,但相对计算量较大,不易在实时系统中进行实施;典型分布式算法包括合同网算法、拍卖算法等,与集中式算法相比,分布式算法具有求解速度快、通信代价小、容错能力强等优点,更适应瞬息万变的战场环境,但其求解质量欠佳。如何在保证分布式算法求解速度的条件下同时提高求解质量,成为近几年研究的热点与难点。
发明内容
发明目的:本发明所要解决的技术问题(或目的)是提出一种异类传感器目标信息交接引导方法,通过构建感器网络性能指标模型以及传感器目标信息交接模型,适用于防空反导一体化的指挥控制系统中对于多类传感器的综合管理,能够有效的提高多传感器对目标的跟踪精度,并实现异类传感器之间的目标交接。
技术方案:为实现本发明的上述目的,本发明所采用的技术方案是:一种异类传感器目标信息交接引导方法,该方法包括以下步骤:
步骤1,更新当前指控系统(典型的C4I系统)中的传感器信息和目标信息;
步骤2,构建传感器网络性能指标模型;
步骤3,构建传感器目标信息交接模型;
步骤4,构建传感器博弈模型和策略更新规则;
步骤5,利用博弈算法计算传感器交接策略。
步骤1中,根据传感器对目标的跟踪情况,构建目标的状态方程和传感器的量测方程,如下所示:
其中Xk为k时刻的状态向量,Xk+1为k+1时刻的状态向量,Φ为状态转移矩阵,Γ为过程噪声分布矩阵,Wk为系统噪声;Zk为k时刻的量测向量,H为量测矩阵,VK为量测噪声。
步骤1中,当有两个以上传感器同时跟踪的情况下,各传感器对目标的量测方程为:
步骤2包括:
步骤2-1,构建传感器网络效能模型:传感器网络中共有m个传感器,需要同时对n个目标进行跟踪,构造传感器和目标的配对矩阵X,其中元素为xij,当第i个传感器si对目标tj进行跟踪时,xij=1,否则xij=0;如果xij=1,则第i个传感器si取得的效能为:
qij=αpij+βcij (3)
其中,α、β为加权系数,α>0,β>0,且α+β=1;qij为第i个传感器si对目标tj跟踪的效能;pij为第i个传感器si对目标tj的跟踪精度,称为收益;cij为第i个传感器si对目标tj的传感器资源消耗,称为能耗;
在约束条件为每个传感器实际跟踪目标个数小于能够跟踪目标的最大个数的情况下,目标函数为传感器网络整体效能最大,即:
步骤2-2,构造目标的实际跟踪精度计算模型:本发明中将跟踪精度定义为协方差矩阵的迹的开方的负值,计算公式如下:
其中,pij表示跟踪精度,Pij(k|k)为k时刻误差协方差矩阵;其中误差协方差矩阵根据目标运动特性利用典型的卡尔曼滤波模型或者扩展卡尔曼滤波模型进行求解,详细过程不再描述,其求解过程不属于本发明的内容。
步骤2-3,构建传感器网络能耗计算模型:当使用第i个传感器si对目标进行探测时,构造能耗函数c(si)为:
其中α1和β1为常数;l(si)为传感器能够同时跟踪的目标个数,r(si)为传感器最大探测距离;
步骤2-4,确定目标跟踪精度需求。指控系统中对目标跟踪精度的需求,根据不同作战需求,或不同的作战阶段定义不同。
例如在典型的反导作战过程中,当早期预警雷达和精密跟踪雷达的对目标的交接过程中,应满足接管目标传感器捕获目标时对目标的跟踪精度要求(由早期预警雷达的200米的距离精度提高到精密跟踪雷达的60米的距离精度要求);当进入拦截阶段时,应满足武器系统对目标的跟踪精度需求(满足武器系统的火控雷达要求的精度);
在典型的防空作战过程中,当威胁目标进入我方安全警戒区域,由远及近向我方飞行时,对我方威胁不断增大,对目标的跟踪精度要求越来越高(远距离时满足对我方拦截机的引导精度,近距离是满足对我方SAM武器的指示精度)。
步骤3包括:
步骤3-1,提高目标跟踪精度:设如果对目标的实际跟踪精度p小于跟踪精度需求p*,则令p=0,传感器对目标的探测不产生收益,仅造成能耗,基于公式(4)进行改造得到提高目标跟踪精度时的目标函数为:
步骤3-2,实现目标交接:设在k时刻,目标t和a传感器sa的距离为da(k),目标t和b传感器sb的距离为db(k),在k+1时刻,目标t和sa的距离为da(k+1),目标t和sb的距离为db(k+1);
sa在对目标进行探测过程中,当da(k+1)>da(k)且da(k)>ra时,sa会产生提示需求,将会提示其它传感器接管对目标的探测任务;当db(k+1)<db(k)且目标位于sa和sb的共同探测区域之内时,sb具有接管对目标探测任务的能力,将作为sa的提示对象;基于公式(4)进行改造得到对目标t进行交接时的目标函数为:
传感器si满足di(k+1)<di(k)。
步骤4包括:
步骤4-1,两个传感器博弈模型:当目标t同时位于两个传感器sa和sb的探测范围内时,由最早探测到目标t的传感器sa产生任务提示需求;对于sb,如果其不对目标t进行探测,仍能够通过sa的信息提示获得由sa探测到的关于目标的信息,此时sb的效能为qb=αpa;如果sa和sb同时对t进行探测,则sb的效能为qb=αpab+βcb,其中pab表示传感器sa和sb同时探测的精度,cb表示传感器sb的能耗;当仅由sb对t进行探测,则sb的效能为qb=αpb+βcb,其中pb表示传感器sb探测的精度;当sa和sb均不对t进行探测时,sb的效能qb=γ,γ为常数;
sb的博弈矩阵如下所示:
式中C表示合作策略,D表示背叛策略,q(C,C)表示传感器sa和sb同时合作时的效能,q(C,D)和q(D,C)表示传感器sa和sb一个合作一个背叛时的效能,q(D,D)表示传感器sa和sb同时背叛时的效能。
则根据博弈矩阵得到相应的规则如下:
第一个规则,当αpab+βcb>γ,即博弈个体倾向于共同合作(C,C),而非共同背叛(D,D);
第二个规则,当αpab+βcb>αpb+βcb,即传感器倾向于共同合作(C,C),而非单方面合(D,C);
第三个规则,当αpa>γ且αpb+βcb>γ,即两个传感器至少有一个采取合作的策略(D,C)或(C,D),保证目标能够被至少一个传感器探测;
当传感器目标信息交接引导的目的是提高目标跟踪精度时,除满足以上三个规则外,接受提示的传感器sb应满足αpab+βcb>αpb,此时传感器倾向于共同合作;
当传感器交叉提示的目的是进行目标交接时,sa选择D策略,此时,sb选择C策略。
步骤4-2,两个以上传感器博弈模型:当目标t位于M个传感器的探测范围内时,传感器集合为{s1,s2,…,sM},此种情况下,当sa进行博弈时,博弈sb看作为{s1,s2,…,sM}和sa组合而成的虚拟传感器,其中任意一个传感器选择C策略,则虚拟传感器为C策略;
步骤4-3,构建传感器博弈策略更新规则。
步骤4-3包括:初始化各个传感器初始状态,设参数H(T)=1,表示传感器sb在第T次迭代时采取C策略,该传感器效能增大;参数H(T)=0,表示传感器sb在第T次迭代时采取D策略,该传感器效能增大;
设在第T次迭代时采取C策略的概率为Q(T),传感器博弈过程中,倾向于合作,采取C策略效能增加的概率为O(T),0.5<O(T)≤1;
在第T次迭代时采取D策略的概率为1-Q(T),采取D策略效能增加的概率为1-O(T);传感器sb按照概率选择第T次迭代时的策略;
当qb(T)≥qb(T-1)时,更新算法如下:
第T次迭代后sb策略更新后收益增加的概率U(T)为:
U(T)=Q(T)×O(T)+(1-Q(T))×(1-O(T)) (8)
第T+1次迭代式,
当0.5<O(T)≤1时,有Q(T)<Q(T+1)<1,表示如果此次移动证明了H(T)=1的假设,则在第T+1次迭代时Q(T+1)将会增加;
当qb(T)<qb(T-1)时,更新算法如下:
第T次迭代后sb策略更新后收益减小的概率D(T)为:
D(T)=(1-Q(T))×O(T)+Q(T)×(1-O(T)) (10)
第T+1次迭代式,
当0.5<O(T)≤1时,有0<Q(T+1)<Q(T),表示如果此次移动没有证明H(T)=1的假设,则在第T+1次迭代时Q(T+1)将会减小。
步骤5包括:
步骤5-1,当T=2时,随机生成策略集合G={G1,G2,…,GM},其中GM表示第M个传感器的初始随机策略;根据公式(3)计算传感器效能q={q1,q2,…,qM},其中qM表示第M个传感器效能;根据公式(9)计算博弈矩阵E=[E1,E2,…,EM],其中EM表示第M个传感器的博弈矩阵;根据公式(11)或者公式(13)给定T=2时刻传感器策略更新规则Q={Q1,Q2,…,QM},O={O1,O2,…,OM},其中其中QM表示第M个传感器采取C策略的概率,OM表示第M个传感器的采取C策略效能增加的概率;
步骤5-2,当T≥2时,根据上一时刻的传感器策略更新规则来更新博弈策略;根据公式(3)更新传感器效能q={q1,q2,…,qM};根据公式(7)更新博弈矩阵E=[E1,E2,…,EM],进而传感器目标信息交接引导的目的判断是否达到相应的要求:如果达到说明本次更新策略成功,博弈结束,取本次博弈策略为最佳策略;如果没有达到需要继续博弈,根据公式(9)或者公式(11)给定T=T+1时刻传感器策略更新规则Q={Q1,Q2,…,QM},O={O1,O2,…,OM};
最后判断是否达到最大的博弈迭代次数,如果是,博弈结束,取最后一次博弈策略为最佳策略;如果不是回到步骤5-2继续博弈。
本发明与现有技术相比,显著优点是:本发明提出的一种异类传感器目标信息交接引导算法更符合实际作战场景,能够有效实现传感器管理,提高目标跟踪精度和进行目标交接,与代表集中式算法的粒子群算法和代表分布式算法的合同网算法和拍卖算法相比,博弈论算法收敛速度明显提高,求解质量较高,在作战态势变化较快的情形下具有明显优势。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是本发明的总体流程图。
图2是本发明中传感器交接策略的博弈算法流程图。
具体实施方式
如图1所示,本发明主要包括:更新当前网络中的传感器信息和目标信息、构建传感器网络性能指标模型、构建传感器目标信息交接模型、构建传感器博弈模型和策略更新规则、利用博弈算法计算传感器交接策略。结合流程图说明具体实现步骤为:
步骤1:更新当前网络中的传感器信息和目标的信息,根据传感器对目标的跟踪情况,构建目标的状态方程和传感器的量测方程,典型的单传感器跟踪目标的状态方程和量测方程为:
其中Xk为k时刻的状态向量,Xk+1为k+1时刻的状态向量,Φ为状态转移矩阵,Γ为过程噪声分布矩阵,Wk为系统噪声;Zk为k时刻的量测向量,H为量测矩阵,VK为量测噪声。
当由多个传感器同时跟踪的情况下,各传感器对目标的量测方程为:
步骤2中,构建传感器网络性能指标模型:
(1)首先构建传感器网络效能模型。传感器网络中共有m个传感器,需要同时对n个目标进行跟踪,构造传感器-目标的配对矩阵X,其中元素为xij,当传感器si对目标tj进行跟踪时,xij=1,否则xij=0。若xij=1,则传感器si取得的效能为:
qij=αpij+βcij (3)
其中,α>0,β>0为加权系数,且α+β=1;qij为si对目标tj跟踪的效能,pij为si对目标tj的跟踪精度,称为收益;cij为si对tj传感器资源消耗,称为能耗。在约束条件为每个传感器实际跟踪目标个数小于能够跟踪目标的最大个数的情况下,目标函数为传感器网络整体效能最大,即:
(2)构造目标的实际跟踪精度计算模型。本发明中将跟踪精度定义为协方差矩阵的迹的开方的负值,计算公式为:
其中Pij(k|k)为k时刻误差协方差矩阵;其中误差协方差矩阵根据目标运动特性利用典型的卡尔曼滤波模型或者扩展卡尔曼滤波模型进行求解,详细过程不再描述,其求解过程不属于本发明的内容。
(3)构建传感器网络能耗计算模型。当使用传感器si对目标进行探测时,构造能耗函数c(si)为:
其中α1和β1为常数,取α1=0.01,β1=0.1,l(si)为传感器可同时跟踪的目标个数,r(si)为传感器最大探测距离。
(4)目标跟踪精度需求确定。目标跟踪精度需求p*为指控中心对目标跟踪精度应该达到的值,通常根据不同作战需求,或不同的作战阶段定义不同。
例如在典型的反导作战过程中,当早期预警雷达和精密跟踪雷达的对目标的交接过程中,应满足接管目标传感器捕获目标时对目标的跟踪精度要求(由早期预警雷达的200米的距离精度提高到精密跟踪雷达的60米的距离精度要求);当进入拦截阶段时,应满足武器系统对目标的跟踪精度需求(满足武器系统的火控雷达要求的精度);
在典型的防空作战过程中,当威胁目标进入我方安全警戒区域,由远及近向我方飞行时,对我方威胁不断增大,对目标的跟踪精度要求越来越高(远距离时满足对我方拦截机的引导精度,近距离是满足对我方SAM武器的指示精度)。
步骤3中,构建传感器目标信息交接模型。根据不同类型的任务,采取不同的目标信息交接引导方法:
(1)提高目标跟踪精度:传感器对目标进行跟踪时,若不考虑目标跟踪精度需求而一味提高传感器网络效能,可能出现传感器网络虽然效能很大,但单目标跟踪精度却很低的情况,达不到作战指挥控制中心对单目标的跟踪精度需求,这在实战中没有意义。本发明中,设若对目标的实际跟踪精度p小于跟踪精度需求p*,则令p=0,传感器对目标的探测不产生收益,仅造成能耗。对于目标t来说,发起提示的传感器为针对目标t进行跟踪的当前精度较低的传感器,被提示传感器为精度较高且能够探测到目标t的传感器。基于公式(4)进行改造得到提高目标跟踪精度时的目标函数为:
(2)实现目标交接:当目标在运动过程中将要“逃离”传感器的探测区域时,传感器将会产生“任务提示”需求,提示其它传感器对目标进行跟踪,从而实现对目标跟踪任务的交接。设在k时刻,目标t和sa的距离为da(k),目标t和sb的距离为db(k),在k+1时刻,目标t和sa的距离为da(k+1),目标t和sb的距离为db(k+1)。sa在对目标进行探测过程中,当da(k+1)>da(k)且da(k)>ra时,sa将会产生提示需求,将会提示其它传感器接管对目标的探测任务;当db(k+1)<db(k)且目标位于sa和sb的共同探测区域之内时,sb具有接管对目标探测任务的能力,将作为sa的提示对象。基于公式(4)进行改造得到对目标t进行交接时的目标函数为:
步骤4中,构建传感器博弈模型以及博弈的策略更新规则。
(1)两个传感器博弈模型:当目标t同时位于两个传感器sa和sb的探测范围内时,由最早探测到目标t的传感器sa产生“任务提示”需求。对于sb来讲,若其不对目标t进行探测,仍可通过sa的“信息提示”获得由sa探测到的关于目标的信息,此时sb的效能为qb=αpa;若sa和sb同时对t进行探测,则sb的效能为qb=αpab+βcb;当仅由sb对t进行探测,则sb的效能为qb=αpb+βcb;当sa和sb均不对t进行探测时,sb的效能qb=γ,γ为常数,远远小于其它三个值,以确保每个目标都有传感器对其进行跟踪。sb的博弈矩阵如下所示:
式中C表示“合作策略”,D表示“背叛策略”,则根据博弈矩阵得到相应的规则如下:
①当αpab+βcb>γ,即博弈个体倾向于共同合作(C,C),而非共同背叛(D,D);
②当αpab+βcb>αpb+βcb,即传感器倾向于共同合作(C,C),而非单方面合(D,C);
③当αpa>γ且αpb+βcb>γ,即两个传感器至少有一个采取合作的策略(D,C)或(C,D),保证目标能够被至少一个传感器探测。
当传感器目标信息交接引导的目的是提高目标跟踪精度时,除满足以上三个(①、②、③)条件外,接受提示的传感器sb应满足αpab+βcb>αpb,此时传感器倾向于共同合作。为使传感器倾向于合作,以此提高目标跟踪精度,在计算过程中,应增大α的值,减小β的值。
当传感器交叉提示的目的是进行目标交接时,sa选择D策略,此时,sb选择C策略。
(2)多个传感器博弈模型:当目标t位于M个传感器的探测范围内时,传感器集合为{s1,s2,…,sM},此种情况下,当sa进行博弈时,博弈sb可以看作为{s1,s2,…,sM}-sa组合而成的“虚拟传感器”,其中任意一个传感器选择C策略,则该“虚拟传感器”为C策略。
(3)传感器博弈策略更新规则
初始化各个传感器初始状态,设H(T)=1,表示传感器sb在第T次迭代时采取C策略,该传感器效能增大;H(T)=0,表示传感器sb在第T次迭代时采取D策略,该传感器效能增大。设在第T次迭代时采取C策略的概率为Q(T),传感器博弈过程中,倾向于合作,采取C策略效能增加的概率为O(T)(0.5<O(T)≤1);在第T次迭代时采取D策略的概率为1-Q(T),采取D策略效能增加的概率为1-O(T)。传感器sb按照概率选择第T次迭代时的策略。
当qb(T)≥qb(T-1)时,更新算法如下:
第T次迭代后sb策略更新后收益增加的概率为:
U(T)=Q(T)×O(T)+(1-Q(T))×(1-O(T)) (8)
第T+1次迭代式,
当0.5<O(T)≤1时,有Q(T)<Q(T+1)<1,表示如果此次移动证明了H(T)=1的假设,则在第T+1次迭代时Q(T+1)将会增加。
当qb(T)<qb(T-1)时,更新算法如下:
第T次迭代后sb策略更新后收益减小的概率为:
D(T)=(1-Q(T))×O(T)+Q(T)×(1-O(T)) (10)
第T+1次迭代式,
当0.5<O(T)≤1时,有0<Q(T+1)<Q(T),表示如果此次移动没有证明H(T)=1的假设,则在第T+1次迭代时Q(T+1)将会减小。
步骤5中,利用博弈算法计算传感器交接的策略。图2给出了具体的博弈算法流程图。确定了博弈的传感器集合{s1,s2,…,sM}后,利用博弈算法迭代得到传感器的最佳策略的步骤如下:
(1)当T=2时,首先随机生成策略集合G={G1,G2,…,GM};其次根据公式(3)计算传感器效能q={q1,q2,…,qM};其次根据公式(7)计算博弈矩阵E=[E1,E2,…,EM];进而传感器目标信息交接引导的目的利用公式(4-1)或者公式(4-2)计算目标函数值;根据公式(9)或者公式(11)给定T=2时刻传感器策略更新规则Q={Q1,Q2,…,QM},O={O1,O2,…,OM}。
(2)当T≥2时,首先根据上一时刻的传感器策略更新规则来更新博弈策略;其次根据公式(3)更新传感器效能q={q1,q2,…,qM};其次根据公式(9)更新博弈矩阵E=[E1,E2,…,EM];进而传感器目标信息交接引导的目的利用公式(4-1)或者公式(4-2)计算目标函数值;如果目标值达到最大不再更新,说明本次更新策略成功,博弈结束,取本次博弈策略为最佳策略;如果没有达到需要继续博弈,根据公式(11)或者公式(13)给定T=T+1时刻传感器策略更新规则Q={Q1,Q2,…,QM},O={O1,O2,…,OM}。
(3)最后判断是否达到最大的博弈迭代次数,如果是博弈结束,取最后一次博弈策略为最佳策略;如果不是回到上一步骤继续博弈。其中最大的博弈迭代的次数可根据经验或者多次迭代的结果选取。
本发明提供了一种异类传感器目标信息交接方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (8)
1.一种异类传感器目标信息交接方法,其特征在于,包括如下步骤:
步骤1,更新当前指控系统中的传感器信息和目标信息;
步骤2,构建传感器网络性能指标模型;
步骤3,构建传感器目标信息交接模型;
步骤4,构建传感器博弈模型和策略更新规则;
步骤5,利用博弈算法计算传感器交接策略。
4.根据权利要求3所述的方法,其特征在于,步骤2包括:
步骤2-1,构建传感器网络效能模型:传感器网络中共有m个传感器,需要同时对n个目标进行跟踪,构造传感器和目标的配对矩阵X,其中元素为xij,当第i个传感器si对目标tj进行跟踪时,xij=1,否则xij=0;如果xij=1,则第i个传感器si取得的效能为:
qij=αpij+βcij (3)
其中,α、β为加权系数,α>0,β>0,且α+β=1;qij为第i个传感器si对目标tj跟踪的效能;pij为第i个传感器si对目标tj的跟踪精度,称为收益;cij为第i个传感器si对目标tj的传感器资源消耗,称为能耗;
在约束条件为每个传感器实际跟踪目标个数小于能够跟踪目标的最大个数的情况下,目标函数为传感器网络整体效能最大,即:
步骤2-2,构造目标的实际跟踪精度计算模型:
其中,pij表示跟踪精度,Pij(k|k)为k时刻误差协方差矩阵;
步骤2-3,构建传感器网络能耗计算模型:当使用第i个传感器si对目标进行探测时,构造能耗函数c(si)为:
其中α1和β1为常数;l(si)为传感器能够同时跟踪的目标个数,r(si)为传感器最大探测距离;
步骤2-4,确定目标跟踪精度需求。
5.根据权利要求4所述的方法,其特征在于,步骤3包括:
步骤3-1,提高目标跟踪精度:设如果对目标的实际跟踪精度p小于跟踪精度需求p*,则令p=0,传感器对目标的探测不产生收益,仅造成能耗,基于公式(4)进行改造得到提高目标跟踪精度时的目标函数为:
步骤3-2,实现目标交接:设在k时刻,目标t和a传感器sa的距离为da(k),目标t和b传感器sb的距离为db(k),在k+1时刻,目标t和sa的距离为da(k+1),目标t和sb的距离为db(k+1);
sa在对目标进行探测过程中,当da(k+1)>da(k)且da(k)>ra时,sa会产生提示需求,将会提示其它传感器接管对目标的探测任务;当db(k+1)<db(k)且目标位于sa和sb的共同探测区域之内时,sb具有接管对目标探测任务的能力,将作为sa的提示对象;基于公式(4)进行改造得到对目标t进行交接时的目标函数为:
传感器si满足di(k+1)<di(k)。
6.根据权利要求5所述的方法,其特征在于,步骤4包括:
步骤4-1,两个传感器博弈模型:当目标t同时位于两个传感器sa和sb的探测范围内时,由最早探测到目标t的传感器sa产生任务提示需求;对于sb,如果其不对目标t进行探测,仍能够通过sa的信息提示获得由sa探测到的关于目标的信息,此时sb的效能为qb=αpa;如果sa和sb同时对t进行探测,则sb的效能为qb=αpab+βcb,其中pab表示传感器sa和sb同时探测的精度,cb表示传感器sb的能耗;当仅由sb对t进行探测,则sb的效能为qb=αpb+βcb,其中pb表示传感器sb探测的精度;当sa和sb均不对t进行探测时,sb的效能qb=γ,γ为常数;
sb的博弈矩阵如下所示:
式中C表示合作策略,D表示背叛策略,q(C,C)表示传感器sa和sb同时合作时的效能,q(C,D)和q(D,C)表示传感器sa和sb一个合作一个背叛时的效能,q(D,D)表示传感器sa和sb同时背叛时的效能;
则根据博弈矩阵得到相应的规则如下:
第一个规则,当αpab+βcb>γ,即博弈个体倾向于共同合作(C,C),而非共同背叛(D,D);
第二个规则,当αpab+βcb>αpb+βcb,即传感器倾向于共同合作(C,C),而非单方面合(D,C);
第三个规则,当αpa>γ且αpb+βcb>γ,即两个传感器至少有一个采取合作的策略(D,C)或(C,D),保证目标能够被至少一个传感器探测;
当传感器目标信息交接引导的目的是提高目标跟踪精度时,除满足以上三个规则外,接受提示的传感器sb应满足αpab+βcb>αpb,此时传感器倾向于共同合作;
当传感器交叉提示的目的是进行目标交接时,sa选择D策略,此时,sb选择C策略;
步骤4-2,两个以上传感器博弈模型:当目标t位于M个传感器的探测范围内时,传感器集合为{s1,s2,…,sM},此种情况下,当sa进行博弈时,博弈sb看作为{s1,s2,…,sM}和sa组合而成的虚拟传感器,其中任意一个传感器选择C策略,则虚拟传感器为C策略;
步骤4-3,构建传感器博弈策略更新规则。
7.根据权利要求6所述的方法,其特征在于,步骤4-3包括:初始化各个传感器初始状态,设参数H(T)=1,表示传感器sb在第T次迭代时采取C策略,该传感器效能增大;参数H(T)=0,表示传感器sb在第T次迭代时采取D策略,该传感器效能增大;
设在第T次迭代时采取C策略的概率为Q(T),传感器博弈过程中,倾向于合作,采取C策略效能增加的概率为O(T),0.5<O(T)≤1;
在第T次迭代时采取D策略的概率为1-Q(T),采取D策略效能增加的概率为1-O(T);传感器sb按照概率选择第T次迭代时的策略;
当qb(T)≥qb(T-1)时,更新算法如下:
第T次迭代后sb策略更新后收益增加的概率U(T)为:
U(T)=Q(T)×O(T)+(1-Q(T))×(1-O(T)) (8)
第T+1次迭代式,
当0.5<O(T)≤1时,有Q(T)<Q(T+1)<1,表示如果此次移动证明了H(T)=1的假设,则在第T+1次迭代时Q(T+1)将会增加;
当qb(T)<qb(T-1)时,更新算法如下:
第T次迭代后sb策略更新后收益减小的概率D(T)为:
D(T)=(1-Q(T))×O(T)+Q(T)×(1-O(T)) (10)
第T+1次迭代式,
当0.5<O(T)≤1时,有0<Q(T+1)<Q(T),表示如果此次移动没有证明H(T)=1的假设,则在第T+1次迭代时Q(T+1)将会减小。
8.根据权利要求7所述的方法,其特征在于,步骤5包括:
步骤5-1,当T=2时,随机生成策略集合G={G1,G2,…,GM},其中GM表示第M个传感器的初始随机策略;根据公式(3)计算传感器效能q={q1,q2,…,qM},其中qM表示第M个传感器效能;根据公式(9)计算博弈矩阵E=[E1,E2,…,EM],其中EM表示第M个传感器的博弈矩阵;根据公式(11)或者公式(13)给定T=2时刻传感器策略更新规则Q={Q1,Q2,…,QM},O={O1,O2,…,OM},其中QM表示第M个传感器采取C策略的概率,OM表示第M个传感器的采取C策略效能增加的概率;
步骤5-2,当T≥2时,根据上一时刻的传感器策略更新规则来更新博弈策略;根据公式(3)更新传感器效能q={q1,q2,…,qM};根据公式(7)更新博弈矩阵E=[E1,E2,…,EM],进而传感器目标信息交接引导的目的判断是否达到相应的要求:如果达到说明本次更新策略成功,博弈结束,取本次博弈策略为最佳策略;如果没有达到需要继续博弈,根据公式(9)或者公式(11)给定T=T+1时刻传感器策略更新规则Q={Q1,Q2,…,QM},O={O1,O2,…,OM};
最后判断是否达到最大的博弈迭代次数,如果是,博弈结束,取最后一次博弈策略为最佳策略;如果不是回到步骤5-2继续博弈。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110251638.2A CN112949152A (zh) | 2021-03-08 | 2021-03-08 | 一种异类传感器目标信息交接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110251638.2A CN112949152A (zh) | 2021-03-08 | 2021-03-08 | 一种异类传感器目标信息交接方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112949152A true CN112949152A (zh) | 2021-06-11 |
Family
ID=76228720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110251638.2A Pending CN112949152A (zh) | 2021-03-08 | 2021-03-08 | 一种异类传感器目标信息交接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112949152A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435034A (zh) * | 2021-06-25 | 2021-09-24 | 河南大学 | 一种基于风险理论的主动传感器管理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010119230A1 (fr) * | 2009-04-17 | 2010-10-21 | Universite De Technologie De Troyes | Systeme et procede de localisation de cible par un reseau d'emetteurs/recepteurs |
CN107463094A (zh) * | 2017-07-13 | 2017-12-12 | 江西洪都航空工业集团有限责任公司 | 一种不确定信息下多无人机空战动态博弈方法 |
-
2021
- 2021-03-08 CN CN202110251638.2A patent/CN112949152A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010119230A1 (fr) * | 2009-04-17 | 2010-10-21 | Universite De Technologie De Troyes | Systeme et procede de localisation de cible par un reseau d'emetteurs/recepteurs |
CN107463094A (zh) * | 2017-07-13 | 2017-12-12 | 江西洪都航空工业集团有限责任公司 | 一种不确定信息下多无人机空战动态博弈方法 |
Non-Patent Citations (1)
Title |
---|
庞策等: "多传感器交叉提示技术及其在目标跟踪中的应用", 《宇航学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435034A (zh) * | 2021-06-25 | 2021-09-24 | 河南大学 | 一种基于风险理论的主动传感器管理方法 |
CN113435034B (zh) * | 2021-06-25 | 2022-07-19 | 河南大学 | 一种基于风险理论的主动传感器管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110083971B (zh) | 一种基于作战推演的自爆式无人机集群作战兵力分配方法 | |
CN108460509B (zh) | 一种动态环境下舰队防空资源调度优化控制方法与系统 | |
CN108416421B (zh) | 基于dde改进蝙蝠算法的动态火力分配方法 | |
CN110673488A (zh) | 一种基于优先级随机抽样策略的Double DQN无人机隐蔽接敌方法 | |
CN114397911B (zh) | 一种基于多智能体的无人机集群对抗决策方法 | |
CN110490422A (zh) | 一种基于博弈云模型的目标作战效能态势评估方法 | |
CN112505681A (zh) | 一种基于tas的四面二维相控阵雷达多目标跟踪处理方法 | |
CN112306070A (zh) | 基于区间信息博弈的多auv动态机动决策方法 | |
CN112949152A (zh) | 一种异类传感器目标信息交接方法 | |
CN112305913A (zh) | 基于直觉模糊博弈的多uuv协同动态机动决策方法 | |
CN108255780B (zh) | 一种基于优化目标的舰队防空资源控制参量的求解计算方法 | |
CN115328189B (zh) | 多无人机协同博弈决策方法和系统 | |
CN101915904A (zh) | 一种多弹道融合处理方法 | |
CN114440896B (zh) | 一种基于威胁场景动态识别的高速飞行器飞行管道规划方法 | |
CN113255234B (zh) | 一种对导弹群进行在线目标分配的方法 | |
RU2464520C2 (ru) | Способ формирования управления ракет при наведении на группу маневрирующих целей | |
CN115145295A (zh) | 一种动态环境下无人机在线自主航迹优化控制方法 | |
CN114200439A (zh) | 一种基于多普勒盲区的多模式空域目标跟踪方法 | |
CN110457647B (zh) | 一种旋转导弹弹目遭遇时间估算方法 | |
CN111582553B (zh) | 信息与火力一体化任务规划方法 | |
Cheng et al. | New-generation hybrid guidance system based on infrared and millimeter waves | |
CN113128698A (zh) | 多无人机协同对抗决策的强化学习方法 | |
CN113791633B (zh) | 一种基于最大边际收益的循环否决目标分配方法 | |
KR102488429B1 (ko) | 딥러닝 기반의 함포 사격 제원 제공 시스템 및 방법 | |
CN116860395B (zh) | 一种分布式分层合同网火力分配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210611 |