无人机协同组网感知融合与传感器管理关键技术研究

针对无人机小载荷、高持续飞行、以及任务执行高效性的要求，利用携载不同类别探测传感器实现对监控区域的协同感知。重点研究异质传感器探测信息不确定性融合决策关键算法，采用基于Rough Set理论的方式将异质传感器探测到的不同属性估计进行分析、推理，利用信息之间的相容特性和互补特性来实现异质特征信息之间的融合，提高目标识别的准确性。研究基于感知引导传感器管理技术，实现在利用无人机组网系统对于任务的探测需求来选择能最大化提升目标识别分辨力增量和监视区域探测概率、运动目标跟踪准确性的多源传感器系统在时间上、空间上和任务上的最佳组合，从而更为有利于利多无人机组网传感器资源。

现今，无人机以其独特的优势成为了获取战场情报、进行监视和侦察活动的最佳平台。本项目将建立一种适合无人机组网的多源传感器异质信息特性不确定性融合框架，并实现基于无人机组网的多源传感器感知引导管理规划技术突破。. 首先本项目在深入研究了数据融合中决策引导和控制管理相关内容之后，针对多源不确定性信息，提出了感知引导的数据融合算法模型，并取得若干创新与成果。主要贡献有：. 1.针对预测模型中难以处理输入因果数据不完备和预测结果无法表现数据可信程度的问题，本项目提出模糊感知预测模型。. 2.针对信息系统检索效率低和面对不确定信息其辨识区分度不高的问题，本文提出感知决策规则模型。. 3.对信息系统检索效率低和面对不确定信息其辨识区分度不高的问题，提出感知规则生成算法。. 4.根据智能化数据融合所需要系统建立的主动性和预动性需求，提出建立基于感知决策规则引导的传感器管理构架。. 其次，融合系统关键算法的研究要更为灵活地涵盖多种探测环境下信息获取需求，本项目分别对多源固定协调探测和多源移动协调探测进行了研究：. 1.对针对固定组网探测模型方面由于未考虑目标感知特性所造成的覆盖效率偏差问题，建立按照目标感知探测模型来分析雷达组网覆盖效率，并通过分析隐身飞行器仿真模型来确定最佳探测组网部署形式。. 2.在多源移动组网方面，针对传感器动态部署，研究了虚拟力分簇动态覆盖算法，以解决实际初始高斯分布下传统算法覆盖率低下的问题。. 最后，多无人机组网之后的协同管理，主要是为了执行情报探测、任务执行的协同规划。本项目所开展的基于感知融合的传感器管理技术研究，就是针对多UAV协同感知任务执行区域情况的目的下，如何更好的规划传感器探测、无人机执行的策略，从而达到更快、更高效的使用多无人机组网资源。. 项目在研发阶段共发表8篇学术论文（2篇被SCI收录检索，6篇被EI收录检索），申请发明专利7项。