机载平台多机动目标协同跟踪中传感器管理算法研究

摘要

随着科学技术，尤其是传感器网络、航空电子系统的迅速发展，越来越多的传感器被纳入到机载传感器网络中，而随着现代空战对目标位置的迫切需求、空战环境的日益复杂化和电子战的广泛应用，如何在少用有源雷达原则下提高作战飞机生存能力与抗毁性的同时，将有限机载传感器网络资源分配给多个不同目标完成协同跟踪成为传感器管理领域的一个热点。本文对多机动目标协同跟踪中多传感器管理算法进行研究，主要研究内容概括如下：
　　1.研究空中目标优先级评估方法。针对线性规划方法对目标优先级进行评估时存在算法复杂度高，计算时间长不能适应复杂多变的战场环境等问题，本文利用支持向量回归机(SVR)对目标优先级评估模型进行学习，将复杂的计算过程转化为目标优先级预测问题，在误差允许范围内实现目标优先级的快速评估。
　　2.研究单机动目标多传感器协同跟踪技术。针对在协同跟踪中存在协方差的不确定性和期望门限设置的不合理性，容易造成雷达频繁开关机，同时现有传感器管理都是在同一跟踪精度下进行的，不符合实际战场环境需要的问题，本文根据战场态势的不同，将跟踪目标的跟踪精度进行划分，并定义了协方差和信息增量协同管理的协同指数来对期望门限进行改进，在解决上述问题的同时节省更多的传感器资源，提高了飞机的作战与生存能力。
　　3.研究多机动目标协同跟踪中传感器资源分配算法。首先利用线性规划方法对多传感器进行管理，在最大化效能函数的同时兼顾浪费函数。而随传感器目标的个数增多，多传感器目标分配问题变成了一个组合爆炸NP(Non-Deterministic Polynomial)问题，本文引入遗传算法对传感器资源分配问题进行求解，然后结合粒子群算法设计简单、收敛快、精度高等优点提出了一种基于遗传粒子群优化算法来解决协同跟踪中的传感器资源分配问题。

目录

声明

第1章 绪论

1.1 课题研究的目的及意义

1.2 研究历史与现状

1.3 本文研究内容及章节安排

第2章 协同跟踪及传感器管理基本框架

2.1 引言

2.2 协同跟踪基础理论

2.3 传感器管理框架

2.4 本章小结

第3章 空中目标优先级评估方法研究

3.1 引言

3.2 基于层次分析法的目标优先级评估

3.3 基于支持向量回归机的目标优先级评估

3.4 本章小结

第4章 单机动目标多传感器协同跟踪技术研究

4.1 引言

4.2 单机动目标多传感器跟踪系统模型

4.3 基于协方差的多传感器协同跟踪

4.4 基于信息增量与协方差的多传感器协同跟踪

4.5 本章小结

第5章 多机动目标协同跟踪中传感器资源分配研究

5.1 引言

5.2 基于线性规划的多传感器管理算法

5.3 基于遗传算法的多传感器管理方法

5.4 基于遗传粒子群的多传感器管理算法

5.5 本章小结

第6章 总结与展望

6.1 全文总结

6.2 展望

参考文献

致谢