基于概率假設密度濾波器的傳感器控制策略的研究.pdf

1、隨著科學技術的快速發(fā)展，大量高性能的傳感器和各種先進的信息處理技術不斷得到應用，使得深層次的傳感器控制成為可能。同時，由于現(xiàn)代戰(zhàn)爭的迫切需求，以及多源信息融合系統(tǒng)日益增強的復雜性，各類目標跟蹤系統(tǒng)都對傳感器控制提出了更高的要求，與其相關的理論和方法均面臨著更加嚴峻的挑戰(zhàn)。因此，對于傳感器控制策略的研究具有重大的理論價值和現(xiàn)實意義。
　　基于隨機有限集(Random finite set,RFS)的多目標跟蹤方法因其可以避免傳統(tǒng)多目

2、標跟蹤方法中的數(shù)據(jù)關聯(lián)而被人們廣泛關注。概率假設密度(Probability hypothesis density,PHD)濾波器是其中最具代表性的近似多目標濾波器。本文正是在基于RFS的理論體系下，對多目標跟蹤中的傳感器控制方法進行了深入研究，主要的研究內(nèi)容如下：
　　1）針對多目標跟蹤中的傳感器控制問題，在部分可觀測馬爾可夫決策過程(Partially observable Markov decision processes,

3、POMDPs)的理論框架下，首先，基于RFS建模給出基于信息論的傳感器控制的一般方法，其次，依據(jù)PHD濾波器和勢概率假設密度(Cardinalized PHD,CPHD)濾波器的統(tǒng)計假設條件去推導柯西施瓦茲(Cauchy-Schwarz,CS)距離的表達式，研究利用CS距離作為傳感器控制的評價函數(shù)，進而求取多目標濾波器遞推過程中的信息增益。
　　2）結合多目標跟蹤問題給出序貫蒙特卡羅概率假設密度(SequentialMonte C

4、arlo Probability hypothesis density,SMC-PHD)濾波器的實現(xiàn)形式，利用加權粒子去表征多目標的一階統(tǒng)計矩，同時采用啟發(fā)式方法選取傳感器控制方案的集合，基于前述所推導的以多目標統(tǒng)計矩(PHD)表示的多目標CS距離，求解出傳感器控制集合中不同決策方案信息增益的具體數(shù)值，繼而以信息增益最大化為評價準則去決策最終的傳感器控制方案。仿真結果表明，基于CS距離的傳感器控制算法能夠根據(jù)當前的濾波結果不斷地調(diào)節(jié)傳感

5、器自身的位置，進而完成使得全局目標跟蹤性能最優(yōu)這一目標，所提控制方案的多目標跟蹤效果要優(yōu)于其他幾種控制方案。
　　3）研究了基于目標威脅度的傳感器控制方法。對戰(zhàn)場環(huán)境中影響目標威脅度的因素進行深入分析，利用戰(zhàn)術重要性標繪(Tactical Significance Map,TSM)函數(shù)量化目標距離、航向、速度對目標威脅度的影響。同時利用TSM函數(shù)值確定不同時刻最大威脅度的目標，并以最大威脅度目標在遞推濾波過程中的CS距離作為評價函