基于分布式纳什Q学习的多传感器协同目标跟踪

摘要

针对传统目标跟踪算法过分依赖环境模型的问题, 提出了一种基于分布式纳什Q学习的多传感器协同目标跟踪算法. 首先分析了强化学习与分布式纳什Q学习算法的原理; 其次, 在多传感器协同跟踪描述的基础上定义了对分布式纳什Q学习学习效果影响至关重要的传感器行为及奖惩函数; 最后, 采用基于贝叶斯推理的概率统计方法用于解决Q函数的更新问题. 基于角度量测信息的被动跟踪仿真结果表明, 该方法能够保证传感器对环境变化的适应性, 实现对目标的有效跟踪.