多平台主动与被动传感器协同跟踪的长时调度方法

为了有效跟踪杂波环境下机动目标、降低系统辐射风险,提出一种多平台主动与被动传感器协同跟踪的长时调度方法。将长时调度问题构建为部分可观马尔可夫决策过程,采用交互式多模型概率数据关联算法更新目标信念状态,利用后验克拉美-罗下界预测机动目标长时跟踪精度,提出改进的维特比算法以求解最优调度序列。仿真实验结果表明,所提搜索算法能够显著降低搜索空间和存储空间,所提长时调度方法能够有效控制系统辐射代价、克服传感器频繁切换。

面向目标跟踪的主动式移动传感器长期调度方法

针对面向目标跟踪的移动传感器调度问题,考虑多目标跟踪需求,提出了一种基于后验克拉美-罗下界(PCRLB)和目标优先级的长期调度方法。该方法首先结合传感器运动能力,给出了传感器运动与量测模型,并依据贝叶斯滤波理论构建了移动传感器长期调度模型。然后,在多目标跟踪场景下给出了基于PCRLB和目标优先级的传感器调度收益函数。最后,将传感器调度问题转化为决策树优化问题,并利用阈值剔除搜索技术进行优化求解。实验结果表明所提方法能够有效解决移动传感器的调度问题,相较于固定、恒速和短期调度方法,能够获得更好的跟踪收益。

面向机动目标跟踪的多传感器长时调度策略

为解决杂波环境下机动目标跟踪以及系统辐射风险控制的问题,提出了一种面向机动目标跟踪的多传感器长时调度策略.该方法首先以交互式多模型和概率数据关联算法为基础,估计杂波环境下机动目标跟踪精度.然后以辐射度影响量化辐射代价、推导有限时域内辐射代价,以后验克拉美-罗下界衡量目标跟踪性能、预测机动目标有限时域内后验克拉美-罗下界.最后,引入传感器切换代价,考虑跟踪精度约束,建立基于代价函数和后验克拉美-罗下界的多传感器长时调度策略,并将该约束调度问题转化为决策树优化问题,采用阈值剪枝搜索技术求解最优策略.仿真结果表明:该方法验证了所提策略的有效性,与标准代价搜索相比,所提搜索算法能够以辐射风险略上升为代价,显著降低节点打开数、加快搜索空间;与随机调度、最近调度和贪婪调度相比,所提调度策略能够在满足跟踪任务需求下获得更低的辐射代价;与随机调度和贪婪调度相比,所提调度策略切换代价更低,有效克服了传感器频繁调度问题,更利于实际实现.

无线传感器网络中基于动态簇的节点调度算法

在基于无线传感器网络(WSN)的目标跟踪系统中,为了合理地制定节点之间的协作方式,在保证目标跟踪精度的同时减少节点的激活时间、平衡节点的能量消耗、延长网络的生存期,提出了一种根据节点剩余能量和PCRLB信息组建动态簇的节点调度算法。首先,利用粒子滤波的方法预测目标在下一时刻的位置,根据预测位置和预测协方差矩阵确定目标在下一时刻的椭圆区域,从而确定下一时刻的候选节点区域。然后,在候选节点区域,根据节点的剩余能量和PCRLB信息选择部分传感器节点组成动态簇对目标进行跟踪。仿真结果表明,本文算法不仅能够降低跟踪误差,而且可以平衡节点的能量消耗,延长网络的生存期。