多传感器管理

摘要： 针对地面防空武器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。

摘要： 针对实际作战中的复杂电磁环境,研究了数据丢包环境下的多传感器协同跟踪问题.首先分析了数据丢包的几种不同情况,分别建立了数据丢包模型,并针对不同的丢包模型提出了相应的补偿策略;然后建立了数据丢包环境下目标观测模型,推导了数据丢包环境下序贯扩展卡尔曼滤波算法;最后基于信息熵理论建立了数据丢包环境下的多传感器多目标跟踪优化模型,给出了离散粒子群求解算法.仿真结果表明,所提的丢包补偿策略具有良好的补偿效果,可以有效抑制数据丢包造成的滤波数据发散,保证目标跟踪精度.

摘要： 在大多数目标跟踪情景中,传感器可以被控制,以执行各种可能对测量的质量和信息内容产生重大影响的动作.这些动作也会影响跟踪系统的估计性能.通常,这些行为可能包括更改传感器平台的位置,方向或运动,从而影响传感器检测,跟踪和识别场景中物体的能力.这些控制决策是由人工干预或某种确定性控制策略驱动的,这种策略不能保证最优性.本文我们选择柯西-施瓦兹散度作为控制目标函数.

摘要： Based on target tracking radar networking scenario multisensor management issues,combining Renyi information increment and covariance characteristics of each algorithm,a sensor management algorithm based on joint Renyi information gain and covariance control using the idea of parallel processing is proposed.In specific aspects of the simulation design,sensor tracking ability is greater than the number of targets and sensors tracking ability and less than the target number of scenes.The simulation results show that the proposed algorithm can effectively track the target in most scenes,such as uniform speed,multi target uniform acceleration and so on.At the same time,the switching frequency of the sensor is better.%针对目标跟踪中雷达组网场景下多传感器管理问题,结合R é nyi信息增量和协方差两种算法各自特性,利用并行处理的思想提出了一种基于R é nyi信息增量和协方差联合控制的传感器管理算法.在具体仿真设计环节,分为传感器跟踪能力大于目标数和传感器跟踪能力小于目标数两种场景.仿真结果表明该算法在单目标匀速、多目标匀加速等多数场景下能够对目标进行有效跟踪,同时降低了传感器的切换频率,具有更好的实时性.

摘要： 针对以往组建多传感器对多目标跟踪联盟过程中,缺少对联盟的实时性、单目标跟踪精度和能耗需求考虑的问题,提出了基于搜索引擎结构模型的多传感器管理机制.在该机制中,检索器以对单目标的跟踪精度需求和能耗需求为关键词,检索传感器跟踪联盟方案.在此基础上,描述了传感器网络对单目标建立传感器跟踪联盟方案的过程.建立了在多目标同时来袭的情形下考虑单目标跟踪精度需求和能耗需求的传感器跟踪联盟模型,继而提出检索器检索传感器跟踪联盟方案的改进人工狼群算法.仿真结果表明,采用此方法,能够有效找到既满足单目标跟踪精度需求和能耗需求,又具有较高适应度的传感器跟踪联盟方案.%Aiming at the problem of lacking real-time discussion and single target tracking accuracy requirement and energy consumption demand when building multi-sensor tracking coalitions for multi-targets in past papers, a new multi-sensor management mechanism based on the structure of search engine was put forward.Under this mechanism,the searcher took the need for tracking precision and the need for energy from single target as the keys to search multi-sensor tracking coalitions.Theoriticly,the process of building multi-sensor tracking coali-tions for targets was described.What's more,the model of multi-sensor tracking coalition to multi-targets was built,with the need for tracking precision and the need for energy from single target considered,and the im-proved wolf algorithm was made as the searching algorithm of the searcher.The simulation result indicated that,by using the method,multi-sensor tracking coalition schemes with the need for tracking precision and the need for energy from single target satisfied were found,and these schemes had high fitness.

摘要： 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.%Aiming at the multi-sensor management problem in target recognition stage under complex aerial defense combat environment,a new multi-sensor scheduling method is proposed based on Rényi divergence.Firstly,the D-S evidence theory is applied to obtain the Rényi divergence of different sensors matched with different targets.Then,the sensor allocation model based on the maximized total Rényi divergence is established.Besides,the Quantum Particle Swarm Optimization (QPSO) algorithm is improved in order to quickly solve the management model.Finally,the experiments show that the improved algorithm is feasible and effective.

摘要： 针对效能函数中目标优先级分配不合理从而导致传感器资源分配效率不高的问题,采用模糊控制和神经网络方法来解决线性加权求和方法在目标参数量化和优先级分配中的困难,提出了自适应多传感器资源管理方法,利用神经网络自主学习的能力和模糊控制在处理不确定信息方面的能力提高传感器资源分配效率.仿真结果表明,改进方法可以根据不同目标自适应分配有限的传感器资源,相比传统传感器管理方法更加高效.%Aiming at the problem of sensor resource's low allocation efficiency resulted by unreasonable allocation of the target's priority in efficacy function,the fuzzy control and neural network (NN) are introduced to solve the problem that it is difficult to apply the linear weighted sum method in quantifying the target parameter and allocating the priority,and a self-adaptive management method of multi-sensor resource based on efficacy function is proposed.The sensor resource allocation efficiency was promoted by using autonomous learning ability of the neural network and fuzzy theory's ability to handle uncertain information.The simulation results show that the method proposed in this article can allocate the limited sensor resource self adaptively according to different targets,resulting in a more efficient approach compared with the traditional sensor management method.

摘要： 基于线性规划模型理论,使用传感器效能函数和匹配函数矩阵,建立了多传感器管理模型和优化目标函数,对多传感器管理的算法求解问题进行了研究,并对算法进行了仿真实验。结果表明:两种算法都可以得到较为理想的结果;基于深度优先搜索算法的效果最好,可以寻找全局最优解;基于蒙特卡罗随机算法的时效性最好,可以实现计算时间的可控,在极端条件下能够快速获取可行解。

摘要： A dynamic multi-sensor allocation algorithm based on the Riccati equation is proposed to deal with the computational burden of the sensor allocation problem in the multi-sensor tracking system. The algorithm calculates the stable covariance with the Riccati equation outline and dynamically allocates the optimal sensor sets based on the difference between the expected covariance and the stable covariance. Simulation results show that the algorithm can obtain the better tracking accuracy and computation efficiency comparing with the traditional covariance control algorithm and the greedy algorithm. The algorithm can be applied to the multi-sensor collaborative tracking in large-scale sensor networks.%针对组网跟踪系统传感器分配算法计算量过大的问题，提出了一种基于Riccati方程的动态传感器分配算法。该算法通过Riccati方程离线计算各传感器组合跟踪下的稳态滤波协方差，根据稳态滤波协方差与期望协方差的接近程度动态分配传感器资源。仿真结果显示，与传统协方差控制和贪婪算法相比，基于Riccati方程的动态传感器分配算法在大大减少计算量的同时能够保持较好的跟踪性能。该方法能够更好地应用于大规模传感器组网目标协同跟踪系统。

摘要： 结合中低轨中段弹道目标连续跟踪这一特殊应用背景，从跟踪相机交接的再捕获确认到稳定跟踪的全程角度出发，提出了一种基于信噪比和跟踪精度联合优化的新的传感器预指派模型。并采用通过对粒子降维处理和位置矢量更新的实值粒子群优化算法，对所提模型的性能进行分析和比较。仿真实验表明，该模型的调度性能较之前的优化目标函数及二进制粒子群优化算法，更贴近导弹中段飞行情况的实际且性能有所改进，因而是一种更高效的调度模型。%Based on a special application background of continual midcourse object tracking ,a novel sensor pre‐assignment model based on SNR optimization combined the GDOP optimization model is proposed according to the whole course from the capture affirmance to the stable tracking .Furthermore ,real‐number particle swarm optimization is adopted that through dimensionality reduction and position vector improvement , and the proposed model is analyzed and compared in detail .The simulation results show that the optimization model is a more efficient algorithm compared with the optimized objective function and binary particle swarm optimization algorithm .

摘要： 基于线性规划模型理论,使用传感器效能函数和匹配函数矩阵,建立了多传感器管理模型和优化目标函数,对多传感器管理的算法求解问题进行了研究,并对算法进行了仿真实验.结果表明:两种算法都可以得到较为理想的结果;基于深度优先搜索算法的效果最好,可以寻找全局最优解;基于蒙特卡罗随机算法的时效性最好,可以实现计算时间的可控,在极端条件下能够快速获取可行解.

摘要： 针对信息融合系统中多传感器管理问题，阐述了基本目的、研究范围和相应功能。在分析国内外多传感器管理研究现状的基础上，对多传感器管理的基本方法进行了分类与归纳。同时对多传感器管理体系的研究作了简要总结。最后指出了信息融合系统中多传感器管理有待研究的几个问题。

摘要： 根据现代信息战的特点，分析了多传感器协同管理技术在数据收集和融合过程中的重要意义，归纳总结了三种现代多传感器管理结构，并分析了三种结构的优缺点；根据当前多传感器管理现状，特别是跨多平台组网和系统管理过程中面临的挑战，提出了基于自治系统和多级反馈机制的多传感器管理体系结构；最后对任务分配、多级反馈机制、中心控制器几个系统结构中的关键问题进行了详细阐述，为多传感器协同管理的进一步研究乃至实现进行了有益的探索。

摘要： 针对空间目标识别的特点，本文提出了一种多目标多传感器管理的方法。该方法利用证据推理对识别过程信息处理，通过信息分辨力以及结合目标优先级，传感器可信度分配权系数，在满足一定约束条件下，达到系统整体最优原则，实现了有限传感器资源合理分配。实验仿真证明了该方法的有效性和合理性。

摘要： 本文介绍了多传感器管理的基本概念、结构、原理,分析了多传感器管理与信息融合之间的关系以及传感器管理中的向个主要问题及其相应的解决方法,指出目前多传感器管理研究中存在的问题及未来发展趋势.

摘要： 从闭环控制的观点讨论了多传感器管理与数据融合的关系,介绍了以多传感器管理充当反馈环节的闭环控制模式的数据融合系统;总结了多传感器管理系统体系结构的发展,讨论了基于单平台和多平台的多传感器管理结构及后者所面临的挑战.

摘要： 本文以大范围水资源水环境综合监测为背景,分析了网络环境下多传感器系统的管理目标、内容及功能,提出一种闭环监控模式以及设计了基于多Agent策略的多传感器管理系统体系结构.并较详细分析了该体系结构能够通过分配和调整传感器模式及其参数、协调优化传感器资源,进而提高整个综合监测网络系统的性能等问题.

摘要： 提出了一种基于目标估计协方差控制的传感器管理算法.该算法针对目标对运动状态估计精度的要求,设定相应的误差协方差水平,通过选择达到该水平的最小传感器组合,以实现对传感器的有效管理.仿真结果表明,该算法在维持目标估计协方差达到一定水平的情况下对传感器资源选择有良好的性能.

摘要： 对传感器管理与综合的重要功能模块--传感器分配模块进行了一定的研究.给出了一个实现传感器分配的过程模型.对传感器分配模型中性能指标模块的实现方法进行了比较详细的研究,给出了一种实现传感器分配功能的目标函数的构造方法.

摘要： 具有：取得部，其构成为从能够生成与多种感测项目的每一个相关的感测数据的感测设备取得感测数据；检测部，其构成为检测感测设备是否处于过负荷状态；提取部，其构成为根据检测部的检测结果，确定从多种感测项目中提取哪种感测项目，并提取所确定的感测项目；以及输出部，其构成为向外部设备输出所提取的感测项目。

摘要： 本发明提供传感器管理单元、传感器装置、传感器管理方法以及存储介质。本发明的一个方面的传感器管理单元具备：传感数据取得部，其取得通过由传感器观测对象而得到的传感数据；元数据生成部，其针对所取得的所述传感数据，生成表示所述传感器的属性的元数据；识别码生成部，其生成用于识别所述传感数据的第1识别码以及用于识别所述元数据的第2识别码；以及通信部，其对外部装置进行赋予了所述第2识别码的所述传感数据的发送以及赋予了所述第1识别码的所述元数据的发送中的至少一方。

摘要： 在多个传感器和统一管理这些传感器的服务器通过通信网络连接的传感器网络系统中，管理各传感器的服务器首先获取各传感器中的电池的剩余驱动时间，并使得目标剩余驱动时间。然后，控制各传感器的动作，使得各传感器中的电池的剩余驱动时间与目标剩余驱动时间大致相等。由此，可以减轻系统管理者的维护上的负担，特别是传感器的电池充电处理的负担。

摘要： 具有：取得部，其构成为从能够生成与多种感测项目的每一个相关的感测数据的感测设备取得感测数据；检测部，其构成为检测感测设备是否处于过负荷状态；提取部，其构成为根据检测部的检测结果，确定从多种感测项目中提取哪种感测项目，并提取所确定的感测项目；以及输出部，其构成为向外部设备输出所提取的感测项目。

摘要： 本发明的一个方面的传感器管理单元具备：传感数据取得部，其取得通过由传感器观测对象而得到的传感数据；元数据生成部，其生成动态元数据，该动态元数据表示得到所述传感数据的时刻的所述传感器的属性，该属性与可能伴随时间的经过而动态地变化的所述传感器的利用方式有关；以及元数据管理部，其将所生成的所述动态元数据与所述传感数据关联起来进行管理。

摘要： 本发明的一个方面的传感器管理单元具备：传感数据取得部，其取得通过由传感器观测对象而得到的传感数据；元数据生成部，其针对所取得的所述传感数据，生成表示所述传感器的属性的元数据；识别码生成部，其生成用于识别所述传感数据的第1识别码以及用于识别所述元数据的第2识别码；以及通信部，其对外部装置进行赋予了所述第2识别码的所述传感数据的发送以及赋予了所述第1识别码的所述元数据的发送中的至少一方。

摘要： 本发明提供传感器管理系统、传感器管理方法以及传感器管理装置，能够在确保安全的同时确定适于传感器装置的通信方式。在传感器管理系统中，根据传感器装置有无安全功能，利用网关装置确定通信方式。即，将具有安全功能的传感器装置的通信方式设定成LPWA，能够利用该传感器装置的安全处理部确保安全，并且能够减轻网关装置的处理负荷。另一方面，将不具有安全功能的传感器装置的通信方式设定成FAN，能够在维持简单结构的状态下，利用网关装置的安全处理部确保安全。由此，在传感器管理系统中，能够从各传感器装置安全地发送传感数据，此外，还能够应对经由互联网的来自外部的攻击等。

摘要： 一种传感器管理模块，其能够在传感器仪器中与传感器接合，该传感器管理模块具有：传感器ID读取部，其从所述传感器取得用于对所述传感器进行识别的传感器识别信息；以及传感器管理部，其在所述传感器ID读取部能够取得所述传感器识别信息的情况下，对由所述传感器ID读取部取得的所述传感器识别信息进行存储，在所述传感器ID读取部无法取得所述传感器识别信息的情况下，新生成用于对所述传感器进行识别的唯一的新制识别信息而作为所述传感器识别信息进行存储。

摘要： 传感器网络控制器(4)具备：传感器接口(44)，接收传感器(5)发送的检测数据；数据写入部(150)，使接收到的检测数据，与表示该检测数据的检测时刻的检测时刻信息对应存储在存储部(42)；存储部(42)，存储检测数据和检测时刻信息；第1数据处理部(144)，根据存储部(42)中存储的检测数据和检测时刻信息，生成客户端指定的时序的检测数据；和数据输出部(148)，向客户端输出生成的检测数据。即使在传感器的检测数据的通知形式与请求检测数据的客户端的请求方式不一致的情况下，客户端也能够取得与请求相对应的检测数据。

摘要： 本发明提供了一种传感器、传感器管理系统及传感器管理方法，包括：传感器在出厂时设置配置参数，当传感器连接网络后，自动与云端管理平台建立连接，并在云端管理平台进行注册，以使云端管理平台对传感器的配置参数进行保存和/或修改；其中，配置参数用于表征传感器的数据采集方式以及数据传输方式。本发明提供的传感器能够与云端管理平台连接，通过云端管理平台进行远程管理，从而降低人工维护成本。