1 中国人民解放军 63961部队, 北京 100012
2 航天系统部, 北京 100094
针对地面防空**系统中多传感器资源管理问题, 研究了面向目标搜索的主动被动传感器协同指示引导子问题。推导了三维异地配置下被动传感器对主动传感器的指示引导模型, 根据被动传感器对目标的作用范围讨论了指示引导范围, 结合传感器量测过程中的量测误差和传感器的站址误差建立了指示引导误差模型, 在此基础上计算了被动传感器对主动传感器成功指示引导的概率。仿真结果验证了本文模型的正确性与可行性。
多传感器管理 目标搜索 异类传感器 异地配置 指示引导 multi-sensor management target searching inhomogeneous sensors different sites direction and cueing 太赫兹科学与电子信息学报
2022, 20(3): 267
1 中国西南电子技术研究所, 成都 610036
2 陆军装备部驻成都地区航空军事代表室, 成都 610036
当前机载传感器管理中, 信息引导雷达搜索的空域规划问题由信息误差和经验公式确定, 雷达搜索空域较大, 使信息引导失去意义。根据雷达搜索空域规划的基本原则, 结合目标高斯分布的假设和目标截获概率的推导, 建立信息引导雷达空域搜索模型。模型以最小化搜索空域为目标, 同时满足目标截获概率和雷达的探测约束, 实现对不同截获概率需求的搜索空域规划。引入带约束条件的粒子群优化算法对模型进行求解, 仿真结果证明了模型的有效性, 并与传统方法、遗传算法和人工鱼群算法进行了对比。
传感器管理 雷达搜索 信息引导 空域规划 粒子群优化算法 sensor management radar searching information guidance airspace planning PSO
1 军械工程学院, 石家庄 050003
2 海军航空兵学院, 辽宁 葫芦岛 125000
对防空作战目标识别阶段中的传感器管理问题进行了研究, 提出基于Rényi信息增量的多传感器管理调度方案。首先利用D-S证据理论进行融合推理, 得出不同目标与不同传感器配对时的Rényi信息增量; 然后, 建立了基于系统总Rényi信息增量最大化的传感器分配模型, 此外, 对量子粒子群智能优化(QPSO)算法进行自适应改进, 能够对分配模型进行快速求解; 最后, 通过仿真实验验证了算法的合理性和有效性。
多传感器管理 目标识别 Rényi信息增量 证据理论 量子粒子群 multi-sensor management target recognition Rényi divergence evidence theory quantum particle swarm optimization
1 空军工程大学航空航天工程学院, 西安 710038
2 中国人民解放军94710部队, 江苏 无锡214141
针对预警机面临的复杂作战环境及异类传感器带来的信息冗余问题,在总结目前传感器管理架构研究现状的基础上,从传感器管理系统关键技术及与其他系统的关系两方面分析了管理系统架构的设计依据,提出了一种清晰明了的架构,为构建预警机传感器管理系统提供了一定的理论指导.
传感器管理 预警机 多传感器多目标分配 架构 目标指示与交接 sensor management AWACS multi-sensor multi-target assignment architecture target designation and handover
空军工程大学航空航天工程学院, 西安 710038
针对基于效能函数的传感器管理算法存在的问题, 结合集中式序贯Kalman滤波算法, 将协方差自适应传感器管理算法应用到目标-传感器(组合)配对函数的计算中, 实现了传感器与目标配对系数的赋值与自动更新; 结合目标优先级函数, 提出了一种基于效能函数的自适应传感器分配算法。该算法的仿真结果表明, 有限的传感器资源既能够根据期望跟踪精度自适应分配, 又能够根据目标优先级动态地调整, 使传感器的分配策略更加合理有效。
传感器管理 效能函数 序贯Kalman滤波 协方差自适应 目标优先级 sensor management efficacy function sequential Kalman filter covariance self-adaptation target priority
军械工程学院电子与光学工程系, 石家庄 050003
针对地面防空**系统中多传感器分配问题, 首先研究基于Cramér-Rao下限的多传感器跟踪分配模型, 根据目标跟踪过程的特点将Cramér-Rao下限引入分配模型, 使得在进行跟踪分配时无需考虑目标跟踪滤波算法的选择, 同时通过细化约束条件使模型更加贴近实际作战情况。利用离散粒子群优化算法求解模型, 通过改进其搜索策略以及惯性权值和加权因子提高算法准确性与时效性, 给出了模型的求解步骤。关联仿真结果表明该分配方法的可行性, 并通过对比算法求解模型验证了改进DPSO算法的快速准确性。
多传感器管理 传感器-目标分配 Cramér-Rao下限 离散粒子群优化算法 multi-sensor management sensor-target assignment Cramér-Rao low bound DPSO algorithm
针对高斯非线性系统中的多目标跟踪问题，提出了一种基于Renyi熵的传感器管理算法。该算法首先根据无迹卡尔曼滤波计算预测误差与滤波误差，度量目标跟踪精度要求；利用Renyi熵结合Parzen窗函数对概率密度函数进行近似估计，得到目标的信息增量，以此作为代价函数。同时，引入目标优先级(即威胁度)，得到效能函数，形成传感器管理模型；最后利用该模型实现了传感器资源的分配。仿真结果表明，该算法利用Renyi熵可以表达非线性系统高阶特性的特点，结合Parzen窗函数，保持精度的同时减少运算量，较好地度量了跟踪过程中信息的不确定性，降低了跟踪误差，优化了系统的跟踪性能。
传感器管理 多传感器 Renyi熵 Parzen窗函数 sensor management multisensor Renyi entropy Parzen window function UKF Unscented Kalman Filter
1 空军工程大学防空反导学院，陕西 三原713800
2 中国人民解放军93507部队，石家庄050207
多传感器交叉提示技术是多传感器协同的重要内容，具有重要的研究应用价值。首先系统地综述了多传感器交叉提示技术的发展现状；然后对交叉提示的概念、地位、作用、条件、内容、过程以及技术需求等若干问题进行了详细的分析，指出了多智能体技术是研究发展交叉提示技术的最佳方式和趋势，并利用多智能体技术构建了交叉提示的多传感器协作管理结构以及信息融合体系结构；最后详细分析了基于任务驱动的多传感器交叉提示过程。为更好地研究多传感器协同技术提供了技术基础，具有一定的参考价值。
多传感器交叉提示 多传感器协同 多传感器管理 信息融合 多智能体技术 multi-sensor cross-cueing multi-sensor cooperation multi-sensor management information fusion multi-agent technology
针对信息栅格支持下的航迹合成中的资源利用问题，提出了一种以满足目标跟踪服务为目的的传感器资源协同选择策略。首先建立了以服务为驱动的航迹合成框架，然后利用基于协方差的目标跟踪精度描述服务需求，建立了信息栅格中资源协同选择的策略模型，最后给出了传感器资源选择的算法步骤，并进行了算法的仿真。仿真结果表明，该算法既能根据服务需求对目标进行跟踪，又能够根据目标跟踪精度动态调整进入融合中心的传感器资源，最大限度地降低对资源的使用。
航迹合成 传感器管理 多目标跟踪 服务需求 误差协方差 composite tracking sensor management multi-target tracking service requirement convariance of error
1 海军航空工程学院信息融合研究所，山东烟台 264001
2 洛阳电光设备研究所，河南洛阳 471009
研究了双机被动定位系统的最优传感器配置问题。在目标到我机的距离给定及最小圆概率误差准则下，得出了一些有意义的结论。研究表明，最优传感器配置与双机距离以及双机和目标形成的交汇角有关系，最优双机配置应满足双机距离 D为我机与目标距离 D1的 1~1.2倍之间，构成交汇角 β在90°-θ1/2<β<90°之间。得出的结论在双机被动传感器的优化配置进而提高目标定位精度方面，具有一定的理论和实际意义。
协同管理 圆概率误差 最优交会角 传感器管理 synergistic management CEP optimum cut angle sensor management
