CN113435034B - 一种基于风险理论的主动传感器管理方法 - Google Patents

Abstract

本发明公开了一种基于风险理论的主动传感器管理方法，包括以下步骤：首先，利用风险理论建立目标风险模型，然后，给出了传感器辐射风险和传感器追踪误差的计算方法以量化潜在损失，接着以两种风险的加权和最小为优化目标建立了目标函数，为获得更好的作战收益和提高目标函数的求解效率，利用凸优化工具包对目标函数进行求解。本发明利用风险理论建立模型，根据传感器辐射风险和传感器追踪误差构建目标函数，并利用凸优化理论对目标函数进行优化求解来得到目标函数的最优解，提高目标函数的求解效率。

Description

一种基于风险理论的主动传感器管理方法

技术领域

本发明涉及传感器管理技术领域，尤其涉及一种基于风险理论的主动传感器管理方 法。

背景技术

目前，现代战争已经从传统战场转变为信息战场，战场态势对于国家防御安全起着至 关重要的作用。不同种类的传感器获取的信息类型错综复杂，如何快速选择合适的传感器， 并准确获取目标量测信息对于战场评估十分重要，因此，传感器管理方法运势而生。传感 器管理旨在合理分配有限的传感器资源来完成对于目标的检测、跟踪、识别任务。

目前，为了合理实现传感器管理，研究者先后提出了多种有效方法和技术。基于信息 论的传感器管理方法运用较为广泛，陈辉等人在文章《多目标跟踪中基于信息熵测度的传 感器控制方法》中通过信息熵建立了传感器管理的效能函数，利用效能函数构建了传感器 管理的基本框架，该方法虽然具有良好的技术指标但为考虑实际作战需求；张宏斌等人在 文章《基于模糊神经网络的直升机多传感器协同管理效能评估方法》中运用模糊推理和神 经网络的传感器管理方法从单平台扩展到了多平台，同时实现了传感器与目标之间的有效 分配，该方法虽然能够实现对于目标状态的良好估计，但对于目标函数的求解效率较低， 不利于战场环境中信息处理的实时性；巩华等人在文章《基于线性规划的机载多传感器资 源分配模型》中运用基于线性规划的传感器管理方法，通过传感器效能函数和匹配函数矩 阵建立了管理模型和优化目标函数，实现了多传感器分配的求解问题，但该方法未考虑各 种外部环境风险和传感器自身辐射对多传感器分配的影响。

发明内容

本发明的目的是提供一种基于风险理论的主动传感器管理方法，能够更好的保障传感 器在追踪过程中对于风险的控制，且提高目标函数的求解效率。

本发明采用的技术方案为：

一种基于风险理论的主动传感器管理方法，包括以下步骤：

步骤1：参数设置，具体如下：

传感器辐射风险影响因子θ₁，传感器追踪误差影响因子θ₂，传感器追踪误差阈值Q_T， 控制周期t_c，量测噪声协方差R，传感器个数n，目标个数m，最大仿真时长k_max；

步骤2：利用传感器对目标进行探测以及量测数据采样，获取目标的参数信息，具体 如下：

所述目标的参数信息包括航向角、高度、速度、距离，通过以上参数信息利用层 次分析法对目标威胁度进行评估；k时刻目标的航向角α_k、高度h_k、距离d_k、速度v_k属于连续型定量影响因素，通过线性映射函数对其进行具体量化；

当时间步k为一个控制周期t_c结束时执行步骤3，当时间步k在一个控制周期t_c内时执 行步骤5；

步骤3：针对阵地型多传感器追踪空中目标场景，构建传感器调度的目标函数：

其中，ψ_k为k时刻传感器的调度方案为n×m的矩阵，

为传感器调度矩阵ψ_k的内部元 素，表示k时刻第i个传感器对第j个目标的追踪情况；n表示传感器数量，m表示目标数量；α,β分别为传感器辐射风险和传感器追踪误差的平衡权重，

为k时刻第i个传感器对第j个目标的辐射风险，

为k时刻第i个传感器对第j个目标的追踪误差；Q_T为传感 器追踪误差阈值；

步骤4：利用凸优化工具包对目标函数进行求解，计算出k时刻最优传感器控制序列

步骤5：根据上一步骤最优传感器控制序列

获得目标量测值，计算目标状态更新 值；

步骤6：计算最优传感器控制序列

下传感器总体风险

计算公式如下：

其中，平衡权重α,β计算公式如下：

其中，最优解

代表k时刻风险最小的传感器控制序列；α,β分别为传感器辐射风险和传 感器追踪误差的平衡权重，平衡权重主要和目标与传感器之间距离相关，传感器辐射风险 平衡权重α与目标和传感器之间距离成反比，距离越大，传感器辐射风险权重越小，传感 器追踪误差平衡权重β与目标和传感器之间距离成正比，距离越大，传感器追踪误差权重 越大；W为传感器辐射风险，Q为传感器追踪误差；σ为量测方差，μ为均值距离，d为 目标与传感器之间距离；θ₁,θ₂为传感器辐射风险和传感器追踪误差的影响因子；

步骤7：根据步骤4得到的最优传感器控制序列

利用目标状态向量和协方差矩阵 构建信息状态向量和信息矩阵，计算公式如下：

其中，Ω_k|k-1代表k时刻预测信息矩阵，Ω_k代表k时刻滤波信息矩阵，q_k|k-1代表k时刻预 测信息状态向量，q_k代表k时刻滤波信息状态向量，P_k|k-1代表k时刻预测误差协方差阵，P_k代表k时刻滤波误差协方差阵，x_k|k-1代表k时刻预测状态向量，x_k代表k时刻滤波状态向 量；

通过步骤6中得到的各个传感器总体风险M构建一致性融合权值λ，计算公式如下：

其中，δ代表传感器的标准差，ε为调节因子，M_max为传感器总体风险最大值，M为传感 器总体风险；

通过权值λ对信息状态向量和信息矩阵进行一致性迭代更新，更新公式如下：

其中，i＝1,2,…,n代表传感器数量，λ_i代表第i个传感器的一致性融合权值，

代表k时刻 第i个传感器的信息状态向量，

代表k时刻第i个传感器的信息矩阵，

代表k时刻迭代 更新后的信息状态向量，

代表k时刻迭代更新后的信息矩阵；

将更新后的信息状态向量和信息矩阵转换为状态向量x_k和协方差矩阵P_k，计算公式如 下：

其中，

代表k时刻迭代更新后的信息状态向量，

代表k时刻迭代更新后的信息矩阵；

利用得到的协方差矩阵构建权值对最优传感器控制序列

中各传感器得到的目标状态 向量进行融合如下：

其中，x_fuse代表融合后的目标状态向量，P_k代表k时刻的协方差矩阵，x_k代表k时刻目标 的状态向量；

步骤8：重复步骤2至步骤7，直到时间步k达到最大仿真时长k_max时，则传感器管理结束。

步骤3中传感器调度目标函数的构建具体包括如下步骤：

步骤3-1：传感器的辐射概率P_D计算方法为:

其中，

其中，P_fa为电磁探测系统虚警概率，SNR为信噪比；erfc(·)为余误差函数；P_j为目标电 磁探测系统接收机接收的辐射功率，N_j为目标电磁探测系统接收机输出端噪声，N_Fj为噪 声系数；P_t为传感器平台辐射脉冲的峰值功率，λ_w为传感器工作波长，R_D为传感器平台与目标电磁探测系统之间的距离，G_T为目标方向上传感器发射天线增益，G_R为目标方向 上电磁无源探测系统接收增益，G_IP为电磁无源探测系统接收机处理器净增益；K_e为玻尔 兹曼常数，T₀为噪声温度，B_Rj为电磁无源探测系统接收机带宽；

步骤3-2：通过对目标航向角、高度、速度、距离的量测来评判目标的自身破坏力，记k时刻目标的航向角、高度、速度、距离分别为α_k、h_k、ν_k、d_k，

h_k＝z_k-z₀

其中，x₀、y₀、z₀为0时刻传感器的坐标，x_k、y_k、z_k为k时刻追踪目标的坐标，

为 k时刻追踪目标的速度；

步骤3-3：根据步骤3-2得到的k时刻航向角α_k、高度h_k、速度v_k、距离d_k，量化 后分别为o_k、c_k、l_k、r_k，公式如下：

其中，k表示第k个时刻，f_o为航向角系数；h_max为子威胁极值点对应的高度，f_c为高度系 数；v_max为子威胁极值点对应的速度，f_l为速度系数；d_max为子威胁极值点对应的距离，f_r为距离系数；

步骤3-4：根据步骤3-3对量化后的目标的航向角、高度、速度、距离加权融合得到k时刻目标的威胁值，将目标威胁值作为传感器辐射所造成的损失，计算公式如下：

C_t＝φ_oo_k+φ_cc_k+φ_ll_k+φ_rr_k

其中，φ_o、φ_c、φ_l、φ_r分别为航向角o_k、高度c_k、速度l_k、距离r_k的权值；

步骤3-5：根据步骤3-1和3-4计算传感器辐射风险W

W＝P_DC_t

其中，P_D表示传感器辐射概率，C_t为传感器辐射所造成的损失；

步骤3-6：利用k时刻探测方主动传感器预测协方差阵P_k|k-1，以及量测噪声协方差R，计算主动传感器的追踪误差Q的方法为：

其中，P_k|k-1为k时刻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，tr(·)代表矩阵的迹；

步骤3-7：根据步骤3-5和步骤3-6，计算传感器网络中有n个传感器追踪m个目标(n＞m)，k时刻传感器的总体风险计算方法如下：

其中，

表示k时刻传感器sⁱ用于追踪第j个目标；

分别表示 k时刻传感器sⁱ用于追踪第j个目标时所面临的总体风险、传感器辐射风险、传感器追踪 误差；α为传感器辐射风险的权重，β为传感器追踪误差的权重；

步骤3-8：根据步骤3-7可以构建传感器调度的目标函数如下：

其中，

分别表示k时刻第i个传感器用于追踪第j个目标时所面临的传感器辐射 风险、传感器追踪误差；Q_T为传感器追踪误差阈值，α为传感器辐射风险的权重，β为传 感器追踪误差的权重。

本发明通过量测数据采样获得跟踪目标的参数以及状态信息，利用层次分析法对目标 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传感器辐射风险进行 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追踪误差进行评估； 最后，通过融合传感器追踪误差以及传感器辐射风险控制构建目标函数，利用凸优化技术 对目标函数求解得到传感器调度方案，进而主动传感器资源进行合理地分配，并根据传感 器调度方案，通过一致性融合算法得到融合后的目标估计值。本发明利用风险理论建立模 型，根据传感器辐射风险和传感器追踪误差构建目标函数，并利用凸优化理论对目标函数 进行优化求解来得到目标函数的最优解，提高目标函数的求解效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技 术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明 的一些实施例，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为本发明的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地 描述，显然，所描述的实施例仅仅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付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。

如图1所示，本发明包括以下几个步骤：

步骤1：参数设置，具体如下：

传感器辐射风险影响因子θ₁，传感器追踪误差影响因子θ₂，传感器追踪误差阈值Q_T， 控制周期t_c，量测噪声协方差R，传感器个数n，目标个数m，最大仿真时长k_max；

步骤2：利用传感器对目标进行探测以及量测数据采样，获取目标的参数信息，具体 如下：

所述目标的参数信息包括航向角、高度、速度、距离，通过以上参数信息利用层 次分析法对目标威胁度进行评估；k时刻目标的航向角α_k、高度h_k、距离d_k、速度v_k属于连续型定量影响因素，通过线性映射函数对其进行具体量化；

当时间步k为一个控制周期t_c结束时执行步骤3，当时间步k在一个控制周期t_c内时执 行步骤5；

步骤3：针对阵地型多传感器追踪空中目标场景，构建传感器调度的目标函数：

其中，ψ_k为k时刻传感器的调度方案为n×m的矩阵，

为传感器调度矩阵ψ_k的内部元 素，表示k时刻第i个传感器对第j个目标的追踪情况；n表示传感器数量，m表示目标数量；α,β分别为传感器辐射风险和传感器追踪误差的平衡权重，

为k时刻第i个传感器对第j个目标的辐射风险，

为k时刻第i个传感器对第j个目标的追踪误差；Q_T为传感 器追踪误差阈值。

步骤3-1：传感器的辐射概率P_D计算方法为:

其中，

其中，P_fa为电磁探测系统虚警概率，SNR为信噪比；erfc(·)为余误差函数；P_j为目标电 磁探测系统接收机接收的辐射功率，N_j为目标电磁探测系统接收机输出端噪声，N_Fj为噪 声系数；P_t为传感器平台辐射脉冲的峰值功率，λ_w为传感器工作波长，R_D为传感器平台与目标电磁探测系统之间的距离，G_T为目标方向上传感器发射天线增益，G_R为目标方向 上电磁无源探测系统接收增益，G_IP为电磁无源探测系统接收机处理器净增益；K_e为玻尔 兹曼常数，T₀为噪声温度，B_Rj为电磁无源探测系统接收机带宽；

步骤3-2：通过对目标航向角、高度、速度、距离的量测来评判目标的自身破坏力，记k时刻目标的航向角、高度、速度、距离分别为α_k、h_k、ν_k、d_k，

h_k＝z_k-z₀

其中，x₀、y₀、z₀为0时刻传感器的坐标，x_k、y_k、z_k为k时刻追踪目标的坐标，

为 k时刻追踪目标的速度。

步骤3-3：根据步骤3-2得到的k时刻航向角α_k、高度h_k、速度v_k、距离d_k，量化 后分别为o_k、c_k、l_k、r_k，公式如下：

其中，k表示时刻，f_o为航向角系数；h_max为子威胁极值点对应的高度，f_c为高度系数；v_max为子威胁极值点对应的速度，f_l为速度系数；d_max为子威胁极值点对应的距离，f_r为距离 系数；

步骤3-4：根据步骤3-3对量化后的目标的航向角、高度、速度、距离加权融合得到k时刻目标的威胁值，将目标威胁值作为传感器辐射所造成的损失，计算公式如下：

C_t＝φ_oo_k+φ_cc_k+φ_ll_k+φ_rr_k

其中，φ_o、φ_c、φ_l、φ_r分别为航向角o_k、高度c_k、速度l_k、距离r_k的权值；。

步骤3-5：根据步骤3-1和3-4计算传感器辐射风险W

W＝P_DC_t

其中，P_D表示传感器辐射概率，C_t为传感器辐射所造成的损失。

步骤3-6：利用k时刻探测方主动传感器预测协方差阵P_k|k-1，以及量测噪声协方差R，计算主动传感器的追踪误差Q的方法为：

其中，P_k|k-1为k时刻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，tr(·)代表矩阵的迹。

步骤3-7：根据步骤3-5和步骤3-6，计算传感器网络中有n个传感器追踪m个目标(n＞m)，k时刻传感器的总体风险计算方法如下：

其中，

表示k时刻传感器sⁱ用于追踪第j个目标；

分别表示 k时刻传感器sⁱ用于追踪第j个目标时所面临的总体风险、传感器辐射风险、传感器追踪 误差。α为传感器辐射风险的权重，β为传感器追踪误差的权重。

步骤3-8：根据步骤3-7可以构建传感器调度的目标函数如下：

其中，

分别表示k时刻第i个传感器用于追踪第j个目标时所面临的传感器辐射 风险、传感器追踪误差。Q_T为传感器追踪误差阈值，α为传感器辐射风险的权重，β为传 感器追踪误差的权重。

步骤4：利用凸优化工具包对目标函数进行求解，计算出k时刻最优传感器控制序列

步骤5：根据上一步骤最优传感器控制序列

获得目标量测值，计算目标状态更新 值；

步骤6：计算最优传感器控制序列

下传感器总体风险

计算公式如下：

其中，平衡权重α,β计算公式如下：

其中，最优解

代表k时刻风险最小的传感器控制序列；α,β分别为传感器辐射风险和传 感器追踪误差的平衡权重；平衡权重主要和目标与传感器之间距离相关，传感器辐射风险 平衡权重α与目标和传感器之间距离成反比，距离越大，传感器辐射风险权重越小，传感 器追踪误差平衡权重β与目标和传感器之间距离成正比，距离越大，传感器追踪误差权重 越大；W为传感器辐射风险，Q为传感器追踪误差；σ为量测方差，μ为均值距离，d为 目标与传感器之间距离；θ₁,θ₂为传感器辐射风险和传感器追踪误差的影响因子；

步骤7：根据步骤4得到的最优传感器控制序列

利用目标状态向量和协方差矩阵 构建信息状态向量和信息矩阵，计算公式如下：

其中，Ω_k|k-1代表k时刻预测信息矩阵，Ω_k代表k时刻滤波信息矩阵，q_k|k-1代表k时刻预 测信息状态向量，q_k代表k时刻滤波信息状态向量，P_k|k-1代表k时刻预测误差协方差阵，P_k代表k时刻滤波误差协方差阵，x_k|k-1代表k时刻预测状态向量，x_k代表k时刻滤波状态向 量。

通过步骤6中得到各个的传感器总体风险M构建一致性融合权值λ，计算公式如下：

其中，δ代表传感器的标准差，ε为调节因子，M_max为传感器总体风险最大值，M为传感 器总体风险。

通过权值λ对信息状态向量和信息矩阵进行一致性迭代更新，更新公式如下：

其中，i＝1,2,…,n代表传感器数量，λ_i代表第i个传感器的一致性融合权值，

代表k时刻 第i个传感器的信息状态向量，

代表k时刻第i个传感器的信息矩阵，

代表k时刻迭代 更新后的信息状态向量，

代表k时刻迭代更新后的信息矩阵。

将更新后的信息状态向量和信息矩阵转换为状态向量和协方差矩阵，计算公式如下：

其中，

代表k时刻迭代更新后的信息状态向量，

代表k时刻迭代更新后的信息矩阵；

利用得到的协方差矩阵构建权值对最优传感器控制序列

中各传感器得到的目标状态 向量进行融合如下：

其中，x_fuse代表融合后的目标状态向量，P_k代表k时刻的协方差矩阵，x_k代表k时刻目标 的状态向量。

步骤8：重复步骤2至步骤7，直到时间步k达到最大仿真时长k_max时，则传感器管理结束。

在主动传感器管理过程中，本发明所述的基于风险理论的主动传感器管理方法，针对传统主动传感器管理方法风险评估不准确，求解算法效率不高等问题，提出了一 种新的传感器辐射风险评估的方法，并结合跟踪精度构成了一种主动传感器管理算法； 同时利用凸优化技术来提高目标函数的求解效率以适应现实环境复杂多变的任务需 求，相比于传统的迭代算法，本发明所提算法在仿真时长、风险预测误差、目标追踪 误差方面的优势，具体的，通过同一组传感器采集的数据，通过不同的方法仿真实验 得到的结果如下表所示。

该算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，利用层次分析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传感器 辐射风险进行预测；

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追踪误差进行评估；

最后，通过融合传感器追踪误差以及传感器辐射风险控制构建目标函数，利用凸优化技术对目标函数求解得到传感器调度方案，进而主动传感器资源进行合理地分配， 并根据传感器调度方案，通过一致性融合算法得到融合后的目标估计值；

综上所述，本发明所述的基于风险理论的主动传感器管理方法，对传感器辐射风险的评估方法进行改进，更加准确、合理地对传感器辐射风险进行了预测；其次将传 感器追踪误差与传感器辐射风险融合构建了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。

本发明基于传感器风险的传感器管理方法提出，在考虑战场风险的同时传感器对于目 标的追踪精度也是保障目标高效追踪的必要条件，通过约束探测精度同时降低传感器的辐 射风险来建立目标函数，有效的减小了传感器的辐射程度，合理切换传感器资源。同时为 了解决战场环境中对于策略的实时性要求，引入凸优化技术来提高目标函数的求解效率， 增强算法对于实时性的要求，本发明更加符合实际作战需求，同时在考虑战场风险和保障 目标追踪精度的情况下更好的调度传感器资源，对战场态势和风险有更清楚的分析。

在本发明的描述中，需要说明的是，对于方位词，如有术语“中心”，“横向”、“纵向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、竖 直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示方位和位 置关系为基于附图所示的方位或位置关系，仅是为了便于叙述本发明和简化描述，而不是 指示或暗示所指的装置或元件必须具有特定的方位、以特定方位构造和操作，不能理解为 限制本发明的具体保护范围。

需要说明的是，本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有” 以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过 程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清 楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

注意，上述仅为本发明的较佳实施例及运用技术原理。本领域技术人员会理解，本发 明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新 调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行较详 细的说明，但本发明不限于这里所述的特定实施例，在不脱离本发明构思的情况下，还可 以包括更多其他等有效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (2)

1.一种基于风险理论的主动传感器管理方法，其特征在于：包括以下步骤：

步骤1：参数设置，具体如下：

传感器辐射风险影响因子θ₁，传感器追踪误差影响因子θ₂，传感器追踪误差阈值Q_T，控制周期t_c，量测噪声协方差R，传感器个数n，目标个数m，最大仿真时长k_max；

步骤2：利用传感器对目标进行探测以及量测数据采样，获取目标的参数信息，具体如下：

所述目标的参数信息包括航向角、高度、速度、距离，通过以上参数信息利用层次分析法对目标威胁度进行评估；k时刻目标的航向角α_k、高度h_k、距离d_k、速度v_k属于连续型定量影响因素，通过线性映射函数对其进行具体量化；

当k为一个控制周期t_c结束时执行步骤3，当k在一个控制周期t_c内时执行步骤5；

步骤3：针对阵地型多传感器追踪空中目标场景，构建传感器调度的目标函数：

其中，ψ_k为k时刻传感器的调度方案为n×m的矩阵，

为传感器调度矩阵ψ_k的内部元素，表示k时刻第i个传感器对第j个目标的追踪情况；n表示传感器数量，m表示目标数量；α为传感器辐射风险的平衡权重，β为传感器追踪误差的平衡权重，

为k时刻第i个传感器对第j个目标的辐射风险，

为k时刻第i个传感器对第j个目标的追踪误差；Q_T为传感器追踪误差阈值；

步骤4：利用凸优化工具包对目标函数进行求解，计算出k时刻最优传感器控制序列

步骤5：根据上一步骤最优传感器控制序列

获得目标量测值，计算目标状态更新值；

步骤6：计算最优传感器控制序列

下传感器总体风险

计算公式如下：

其中，平衡权重α,β计算公式如下：

其中，最优解

代表k时刻风险最小的传感器控制序列；α,β分别为传感器辐射风险和传感器追踪误差的平衡权重，平衡权重主要和目标与传感器之间距离相关，传感器辐射风险的平衡权重α与目标和传感器之间距离成反比，距离越大，传感器辐射风险权重越小，传感器追踪误差的平衡权重β与目标和传感器之间距离成正比，距离越大，传感器追踪误差权重越大；W为传感器辐射风险，Q为传感器追踪误差；σ为量测方差，μ为均值距离，d为目标与传感器之间距离；θ₁,θ₂为传感器辐射风险和传感器追踪误差的影响因子；

步骤7：根据步骤4得到的最优传感器控制序列

利用目标状态向量和协方差矩阵构建信息状态向量和信息矩阵，计算公式如下：

其中，Ω_k|k-1代表k时刻预测信息矩阵，Ω_k代表k时刻滤波信息矩阵，q_k|k-1代表k时刻预测信息状态向量，q_k代表k时刻滤波信息状态向量，P_k|k-1代表k时刻预测误差协方差矩阵，P_k代表k时刻滤波误差协方差矩阵，x_k|k-1代表k时刻预测状态向量，x_k代表k时刻滤波状态向量；

通过步骤6中得到各个的传感器总体风险M构建一致性融合权值λ，计算公式如下：

其中，δ代表传感器的标准差，ε为调节因子，M_max为传感器总体风险最大值，M为传感器总体风险；

通过权值λ对信息状态向量和信息矩阵进行一致性迭代更新，更新公式如下：

其中，i＝1,2,…,n代表传感器数量，λ_i代表第i个传感器的一致性融合权值，

代表k时刻第i个传感器的信息状态向量，

代表k时刻第i个传感器的信息矩阵，

代表k时刻迭代更新后的信息状态向量，

代表k时刻迭代更新后的信息矩阵；

将更新后的信息状态向量和信息矩阵转换为k时刻滤波状态向量x_k和k时刻滤波误差协方差矩阵P_k，计算公式如下：

其中，

代表k时刻迭代更新后的信息状态向量，

代表k时刻迭代更新后的信息矩阵；

利用得到的协方差矩阵构建权值对最优传感器控制序列

中各传感器得到的目标状态向量进行融合如下：

x_fuse＝(tr(P_k)/∑tr(P_k))x_k

其中，x_fuse代表融合后的目标状态向量，P_k代表k时刻滤波误差协方差矩阵，x_k代表k时刻滤波状态向量；

步骤8：重复步骤2至步骤7，直到时间步k达到最大仿真时长k_max时，则传感器管理结束。

2.根据权利要求1所述的基于风险理论的主动传感器管理方法，其特征在于：步骤3中传感器调度目标函数的构建具体包括如下步骤：

步骤3-1：传感器的辐射概率P_D计算方法为:

其中，

其中，P_fa为电磁探测系统虚警概率，SNR为信噪比；erfc(·)为余误差函数；P_j为目标电磁探测系统接收机接收的辐射功率，N_j为目标电磁探测系统接收机输出端噪声，N_Fj为噪声系数；P_t为传感器平台辐射脉冲的峰值功率，λ_w为传感器工作波长，R_D为传感器平台与目标电磁探测系统之间的距离，G_T为目标方向上传感器发射天线增益，G_R为目标方向上电磁无源探测系统接收增益，G_IP为电磁无源探测系统接收机处理器净增益；K_e为玻尔兹曼常数，T₀为噪声温度，B_Rj为电磁无源探测系统接收机带宽；

步骤3-2：通过对目标航向角、高度、速度、距离的量测来评判目标的自身破坏力，记k时刻目标的航向角、高度、速度、距离分别为α_k、h_k、ν_k、d_k，

h_k＝z_k-z₀

其中，x₀、y₀、z₀为0时刻传感器的坐标，x_k、y_k、z_k为k时刻追踪目标的坐标，

为k时刻追踪目标的速度；

步骤3-3：根据步骤3-2得到的k时刻航向角α_k、高度h_k、速度v_k、距离d_k，量化后分别为o_k、c_k、l_k、r_k，公式如下：

其中，k表示时刻，f_o为航向角系数；h_max为子威胁极值点对应的高度，f_c为高度系数；v_max为子威胁极值点对应的速度，f_l为速度系数；d_max为子威胁极值点对应的距离，f_r为距离系数；

步骤3-4：根据步骤3-3对量化后的目标的航向角、高度、速度、距离加权融合得到k时刻目标的威胁值，将目标威胁值作为传感器辐射所造成的损失，计算公式如下：

C_t＝φ_oo_k+φ_cc_k+φ_ll_k+φ_rr_k

其中，φ_o、φ_c、φ_l、φ_r分别为航向角o_k、高度c_k、速度l_k、距离r_k的权值；

步骤3-5：根据步骤3-1和3-4计算传感器辐射风险W

W＝P_DC_t

其中，P_D表示传感器辐射概率，C_t为传感器辐射所造成的损失；

步骤3-6：利用主动传感器k时刻预测误差协方差矩阵P_k|k-1，以及主动传感器量测噪声协方差矩阵R，计算主动传感器的追踪误差Q的方法为：

其中，R为主动传感器量测噪声协方差矩阵，tr(·)代表矩阵的迹；

步骤3-7：根据步骤3-5和步骤3-6，计算传感器网络中有n个传感器追踪m个目标(n＞m)，k时刻传感器的总体风险计算方法如下：

其中，

表示k时刻传感器sⁱ用于追踪第j个目标；

分别表示k时刻传感器sⁱ用于追踪第j个目标时所面临的总体风险、传感器辐射风险、传感器追踪误差；α为传感器辐射风险的平衡权重，β为传感器追踪误差的平衡权重；

步骤3-8：根据步骤3-7可以构建传感器调度的目标函数如下：

其中，

分别表示k时刻第i个传感器用于追踪第j个目标时所面临的传感器辐射风险、传感器追踪误差；Q_T为传感器追踪误差阈值，α为传感器辐射风险的平衡权重，β为传感器追踪误差的平衡权重。

Images