隨著探測(cè)傳感器資源日益多樣化,將多傳感器量測(cè)有效融合,可以獲得更好的探測(cè)跟蹤性能。為了保持目標(biāo)的連續(xù)可觀測(cè)性,優(yōu)化調(diào)度傳感器資源對(duì)目標(biāo)進(jìn)行探測(cè)尤其重要。隨著傳感器從地基平臺(tái)拓展到空中平臺(tái),移動(dòng)傳感器的調(diào)度問(wèn)題越來(lái)越受到重視。目標(biāo)跟蹤下移動(dòng)傳感器調(diào)度問(wèn)題可以通過(guò)對(duì)移動(dòng)傳感器平臺(tái)運(yùn)動(dòng)的有效控制,使傳感器時(shí)刻保持對(duì)目標(biāo)良好的觀測(cè)性,從而獲得更好的量測(cè)數(shù)據(jù)以提高目標(biāo)的跟蹤性能,其本質(zhì)是非線性優(yōu)化決策問(wèn)題。本文研究多傳感器協(xié)同跟蹤下傳感器遠(yuǎn)期調(diào)度,借鑒預(yù)測(cè)控制中滾動(dòng)時(shí)域優(yōu)化的思想提出了基于單步?jīng)Q策的遠(yuǎn)期調(diào)度和基于多步?jīng)Q策的遠(yuǎn)期調(diào)度,文主要工作如下:1.研究了多測(cè)角傳感器協(xié)同跟蹤下傳感器遠(yuǎn)期調(diào)度策略。首先基于目標(biāo)狀態(tài)的多步預(yù)測(cè)估計(jì)了局部調(diào)度決策對(duì)目標(biāo)跟蹤誤差長(zhǎng)期影響,建立了基于單步?jīng)Q策的測(cè)角傳感器遠(yuǎn)期調(diào)度模型。然后考慮目標(biāo)運(yùn)動(dòng)過(guò)程和傳感器量測(cè)的不確定性,建立了基于多步?jīng)Q策的測(cè)角傳感器遠(yuǎn)期調(diào)度模型。采用滾動(dòng)時(shí)域優(yōu)化方法求解獲得多測(cè)角傳感器的運(yùn)動(dòng)軌跡。最后,仿真測(cè)試比較了不同調(diào)度決策下目標(biāo)跟蹤性能、分析了不同預(yù)測(cè)步長(zhǎng)和決策步長(zhǎng)參數(shù)下目標(biāo)跟蹤性能和避障能力。2.研究了機(jī)載雙基外輻射源協(xié)同跟蹤下傳感器遠(yuǎn)期... 

【文章來(lái)源】：杭州電子科技大學(xué)浙江省

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

二維轉(zhuǎn)彎模型原理圖

杭州電子科技大學(xué)碩士學(xué)位論文11,22jijijiijtrtrtrtrijrtrjiijtrtrrxxxxyyyydxxyy(2.15)其中，yx),(為目標(biāo)的速度，),(ttyx為發(fā)射站的速度，),(rryx為接收站的速度。目標(biāo)運(yùn)動(dòng)方程和傳感器量測(cè)方程的離散時(shí)間系統(tǒng)可以通過(guò)圖2.2來(lái)表示：圖2.2目標(biāo)運(yùn)動(dòng)方程和觀測(cè)方程離散時(shí)間系統(tǒng)2.2.3典型非線性濾波跟蹤算法目標(biāo)跟蹤中濾波主要是用來(lái)估計(jì)不同時(shí)刻目標(biāo)的運(yùn)動(dòng)狀態(tài)，卡爾曼濾波是在在線性高斯情況下通過(guò)最小均方誤差準(zhǔn)則來(lái)獲得目標(biāo)的狀態(tài)估計(jì)。但在實(shí)際系統(tǒng)中，許多情景下的目標(biāo)狀態(tài)方程和雷達(dá)觀測(cè)方程是非線性的。因此需要采用非線性濾波算法對(duì)目標(biāo)狀態(tài)進(jìn)行估計(jì)。以下介紹兩種最常用的非線性濾波算法，擴(kuò)展卡爾曼濾波[57]（ExtendedKalmanFilter,EKF）以及無(wú)跡卡爾曼濾波[57]（UnscentedKalmanFilter,UKF）。（1）擴(kuò)展卡爾曼濾波標(biāo)準(zhǔn)卡爾曼濾波是對(duì)具有高斯噪聲的線性系統(tǒng)的最優(yōu)估計(jì)，但由于雷達(dá)觀測(cè)方程一般是非線性的，所以卡爾曼濾波并不能滿足實(shí)際需求。EKF算法的基本思想是通過(guò)對(duì)非線性函數(shù)進(jìn)行一階泰勒展開(kāi)，將非線性問(wèn)題轉(zhuǎn)換為線性問(wèn)題，然后通過(guò)線性估計(jì)的各種方法得到原非線性問(wèn)題的次優(yōu)濾波算法。如果真實(shí)系統(tǒng)模型近似線性，且濾波器的采樣時(shí)間間隔比較小，EKF能表現(xiàn)出良好的濾波性能。假設(shè)目標(biāo)運(yùn)動(dòng)模型和觀測(cè)模型表達(dá)式分別如下()((1))(1)()(())()kfkwkkhkvkXXZX(2.16)其中，f()是目標(biāo)狀態(tài)轉(zhuǎn)移函數(shù)，h()是目標(biāo)量測(cè)函數(shù)，w(k)和v(k)分別是目運(yùn)動(dòng)時(shí)的過(guò)程噪聲和量測(cè)噪聲，其相互獨(dú)立，協(xié)方差分別為Q(k)和R(k)�？梢缘玫侥繕�(biāo)狀態(tài)預(yù)測(cè)X(k1|k)f(X(k|k))(2.17)目標(biāo)協(xié)方差預(yù)測(cè))())|(()|())|(()|1(kkkkkkkkkTQXFPXFP(2.18)其中，F(xiàn)(X(k|k))為))|((Xkkf在)|(Xkk處的一階泰勒展開(kāi)

杭州電子科技大學(xué)碩士學(xué)位論文14對(duì)傳感器運(yùn)行參數(shù)和工作方式協(xié)同控制以使系統(tǒng)性能最優(yōu)，通過(guò)各傳感器之間的協(xié)同控制完成監(jiān)視區(qū)域內(nèi)的目標(biāo)跟蹤任務(wù)。目標(biāo)跟蹤中基于信息反饋的多傳感器調(diào)度框架如圖2.3所示：圖2.3多傳感器協(xié)同調(diào)度框架對(duì)于每一個(gè)自主可控的傳感器，控制它的運(yùn)行參數(shù)來(lái)對(duì)傳感器進(jìn)行有效的調(diào)度會(huì)響到目標(biāo)跟蹤的性能，而控制它運(yùn)動(dòng)軌跡的主要目的是依據(jù)某種評(píng)價(jià)準(zhǔn)則，通過(guò)對(duì)傳感器運(yùn)行參數(shù)的控制以使多目標(biāo)跟蹤系統(tǒng)整體跟蹤性能達(dá)到最優(yōu)。協(xié)同跟蹤是面向目標(biāo)跟蹤的傳感器調(diào)度方法，多傳感器協(xié)同跟蹤建立在各傳感器獨(dú)立運(yùn)動(dòng)和感知融合基礎(chǔ)之上，在系統(tǒng)的跟蹤反饋信息上進(jìn)行資源動(dòng)態(tài)優(yōu)化。通常情況下，傳感器調(diào)度對(duì)象包括改變傳感器平臺(tái)的位置、方向、內(nèi)部參數(shù)或工作方式等，最終使得傳感器系統(tǒng)性能（例如多目標(biāo)跟蹤性能）達(dá)到最優(yōu)。目標(biāo)跟蹤中多傳感器調(diào)度的優(yōu)化模型如圖2.4所示。圖2.4多傳感器資源優(yōu)化控制模型如圖所示，在協(xié)同跟蹤中，我們首先必須設(shè)計(jì)出有效的跟蹤性能度量指標(biāo)來(lái)指導(dǎo)傳感器合理有效的運(yùn)行。傳感器調(diào)度可以看作是協(xié)同跟蹤的一個(gè)優(yōu)化過(guò)程，根據(jù)目標(biāo)特性和周?chē)h(huán)境實(shí)時(shí)、動(dòng)態(tài)的控制傳感器的工作方式和運(yùn)行參數(shù)，其實(shí)質(zhì)就是一個(gè)帶約束的非線性優(yōu)化問(wèn)題，其數(shù)學(xué)模型可以抽象描述為


本文編號(hào)：3408592