多目标跟踪中基于信息熵测度的传感器控制方法

针对多目标跟踪中的传感器控制问题,提出一种基于有限集统计(FISST)理论的传感器控制策略.首先,基于随机有限集(RFS),建模给出基于信息论的传感器控制的一般方法;然后,利用多目标概率密度的近似统计特性推导柯西施瓦兹(CS)距离的表达形式,并最终利用粒子概率假设密度滤波器对评价函数进行求解,在信息增益最大化的准则下得到传感器的最优控制方案.传感器的轨迹控制实验仿真验证了所提出算法的有效性.

多模连续变量系统的可分性条件

基于一对Einstein-Podolsky-Rosen(EPR)型算符的方差求积,利用柯西-施瓦兹不等式和海森伯不确定关系得到了多模连续变量系统的可分性条件,此条件不仅可以用来探测非高斯态,还可以探测相干态的情况。此外,通过对算符方差进行求和,得到了用来判断量子态是否纠缠的另外一个条件。并对推导出的两个可分性条件在算符_j,_j分别取坐标算符,动量算符且n=2的情况下进行了对比讨论。结果表明,当所选的系数满足∑|c_jd_j|>4时前一个不等式相对于后一个不等式探测更强。