协同探测中传感器分配方法

摘要

本发明提供一种协同探测中传感器分配方法，基于最优卡尔曼分布式滤波，提出了新的信息熵增量计算方法和全局最优分配方案，仅计算由所有单个传感器对所有目标的新的信息熵增量为参数构成的分配方程在约束条件下的最优解，然后通过最优解下隶属于同一目标的传感器组成该目标的传感器组。本发明通过给出一种新的信息熵增量计算方法，解决了多个单传感器滤波各自的协方差矩阵与此多个单传感器组成的传感器组对目标的分布式融合滤波下的协方差矩阵并不是简单的线性求和的问题。

主权项

协同探测中传感器分配方法，其特征在于，M个传感器对N个目标进行协同探测时，对M个传感器分配步骤如下：1)在当前的k时刻，预测k+1时刻传感器j对目标i的滤波误差协方差矩阵$P_{k+1|k}^{\mathrm{ij}}=F_k{P}_k^{\mathrm{ij}}{F}_k^T+{\Gamma }_k{Q}_k^w{\Gamma }_k^T;$j为传感器编号变量，i为目标编号变量，j＝1,…,M,i＝1,…,N,F_k为k时刻的状态转移矩阵，为k时刻的非负定矩阵，Γ_k为k时刻的系统噪声转移矩阵，P_k为k时刻传感器j对目标i的滤波误差协方差矩阵，T表示矩阵转置；2)在当前的k时刻，计算传感器j在k+1时刻对目标i的滤波误差期望协方差矩阵$P_{k+1}^{\mathrm{ij}}=P_{k+1|k}^{\mathrm{ij}}-G_{k+1|k}{H}_k{P}_{k+1|k}^{\mathrm{ij}};$H_k为量测矩阵，G_k+1|k为卡尔曼增益，为正定矩阵；3)计算每单个传感器对各目标的信息熵增量d_ij：$d_{\mathrm{ij}}=H_k(\mathrm{tr}\left(P_{k+1|k}^{\mathrm{ij}}\right)-\mathrm{tr}\left(P_{k+1}^{\mathrm{ij}}\right))\times \frac{\mathrm{tr}\left(P_{k+1|k}^{\mathrm{ij}}\right)}{\mathrm{tr}\left(P_{k+1}^{\mathrm{ij}}\right)}{H}_k^T;$其中，tr(·)为求矩阵的对角线元素；4)按照拘束条件获取全局最优分配方案：在满足的情况下，求当为最大值时N×M个分配状态a_ij的取值，每个a_ij取值为0或1；A_i为目标i被分配的最大传感器数；a_ij为传感器j对目标i的分配状态，a_ij＝0表示传感器j不分配给目标i，a_ij＝1表示传感器j分配给目标i；5)通过将同一目标i下取值为1的分配状态a_ij对应的传感器j分配至目标i下的传感器组完成协同探测的分配。