多传感器协同跟踪下远期调度高效寻优策略研究

The non-myopic sensor scheduling problem will be studied for the target collaborative tracking in the sensor networks. By analyzing the properties of the problem structure and solution space, the temporal decomposition and solution space decomposition procedure are developed to solve the non-myopic sensor scheduling problem. The non-myopic scheduling theory and framework are given. Then non-myopic sensor scheduling problems under the uncertainty are investigated using the rolling horizon optimization and feedback correction method of the predictive control theory. The dynamic non-myopic sensor scheduling problems based on the rolling horizon optimization are developed and the scheduling performances are analyzed. Moreover the non-myopic scheduling problem for the heterogeneous objects is built with the non-cooperative game theory and the coordination mechanism is designed with the market theory. The work is not only a new development for non-myopic sensor scheduling theory, but also significant for utilizing the sensor resource and improve the tracking performance.

本项目从传感组网目标协同跟踪出发，开展多传感器协同跟踪下远期调度方法研究。利用问题和解空间的结构特性，从时域分解和解空间分解两个角度开展高效优化调度算法设计和性能分析，建立远期调度理论框架。借鉴预测控制以滚动优化结合反馈校正机制处理不确定性的思路来研究不确定环境下的远期动态调度问题，设计基于滚动时域优化的远期调度动态优化方法并分析调度系统的性能。在非合作博弈理论框架下开展任务驱动下的传感器远期调度多目标优化方法，设计基于市场理论的协同机制保证多个目标的均衡, 为网络化协同跟踪下的资源优化调度提供理论指导。面向多传感器网络协同跟踪的远期调度方法的研究不仅是优化调度理论的新发展，对提高传感器网络的资源有效利用率以及整体目标跟踪性能更具有重要的理论和工程指导意义。

随着探测传感器资源日益多样化，多个同类或异类传感器能从不同的角度和视野获取信息。将多个传感器信息进行有效的融合，可以获得更好的探测跟踪性能。受传感器探测能力、计算能力、通信带宽及平台运动约束的限制，系统不允许所有的传感器参与执行跟踪任务。传感器调度通过优化分配传感器资源和工作参数，使传感器时刻保持对目标良好的观测性，从而获得更好的量测数据以提高目标的跟踪性能。不同于短视调度，传感器远期调度决策以最大化跟踪长期收益为目标，不仅需要考虑到当前时刻的决策带来的瞬时跟踪性能影响，还应该考虑到当前决策对未来跟踪性能的影响，提高目标跟踪性能。. 项目首先考虑传感器位置误差、系统偏差、距离相关噪声等误差对目标跟踪性能的影响，给出了误差下广义CRLB性能指标和有效的协同定位跟踪算法。其次基于目标定位跟踪指标、目标检测性能和抗干扰能力等多个优化指标，针对不同传感器网络（MIMO雷达、无源传感器组网、机载传感器、多基外辐射雷达组网等）下传感器资源分配问题设计了高效寻优算法。在此基础上，设计可量化的多目标跟踪的长期收益评估准则，建立了基于目标长期跟踪代价的传感器远期调度模型，并提出了改进分支定界算法优化求解，通过减小搜索空间提高搜索效率，分别针对测角传感器协同跟踪、测距传感器协同跟踪和测角/测角传感器协同跟踪三类典型问题设计了具体的算法。最后，采用Rollout结合启发式算法获得目标长期跟踪代价估计，将当前决策对目标未来跟踪性能描述为惩罚项，分别给出了基于单步决策下惩罚函数和多步决策下惩罚估计算法，并分别设计了基于单步决策的传感器远期调度和基于多步决策的传感器远期调度算法。面向多传感器网络协同跟踪的远期调度方法的研究不仅是优化调度理论的新发展，对提高传感器网络的资源有效利用率以及整体目标跟踪性能更具有重要的理论和工程指导意义。