动态不确定移动网络环境下多平台协同分布式信息流控制方法

Considering the key technology requirements of networked centric warfare based on distributed sensor network, the theory and method of distributed information flow control for multiple vehicles under dynamic and stochastic tactical communication network are studied. The distributed information fusion algorithms is developed to adapt to the tactical mobile sensor network, and the problem of effectiveness, consistency, and optimization for distributed information fusion due to dynamic networked communication and information dependence are resolved. The mechanism and method of information share according to requirement are presented to provide correct information to correct vehicles at correct time. Cooperative distributed decision making and the convergent conditions are established to maximize the information gain of information fusion and share, and the methods of reducing communication range and frequence, and optimizing communication topology are given. The motivation of project is to implement the optimal information observation, fusion and share by autonomous coordination among the vehicles, and sending the correct information to correct vehicles in order to maximizing information gain.

该项目面向以分布式传感器网络为基础的网络中心战关键技术需求，融合控制、信息、计算等学科交叉知识，研究动态不确定战术移动网络环境下多平台网络化分布式信息流控制的理论和方法。建立适合于战术移动传感器网络的分布式信息融合算法，解决动态随机的网络化通信以及信息的相关性等所造成的分布式估计结果的有效性、一致性和最优性问题；建立网络化环境下分布式信息按需共享的机制和方法，确保在正确的时间、正确的地点向正确的对象提供正确的信息；建立网络化环境下面向信息流的多平台分布式协同决策方法及其收敛性条件，实现信息融合与共享的信息增益极大化，解决能够降低平台之间通信范围和通信频率的方法以及通信拓扑的优化方法。项目旨在解决网络中各平台之间如何通过自主协调的方式实现最优的观测信息、最优的融合信息、最优的共享信息以及为了极大化信息增益应如何选择合适的信息向合适的对象进行传输的问题。

该项目面向分布式传感器网络关键技术需求，研究网络环境下多平台分布式信息流控制的理论和方法。针对具有多连接通信拓扑的多传感器数据融合问题，提出一种基于动态最小生成树和通信连接矩阵的分布式信息融合算法，可消除任意通信拓扑和冗余连接下的信息重复利用问题。提出了一种基于泛化协方差交叉（GCI）的数据融合方法以解决多传感器网络环境下交叉协方差未知的分布式滤波问题。基于最大似然（Maximum Likelihood）估计理论提出了一种多传感器航迹融合算法以解决分布式目标跟踪领域的航迹融合问题。针对无线传感器网络环境下对通信带宽和传感器能耗的限制，提出了一种基于集合成员信息滤波的分布式数据融合方法以解决基于事件驱动的协同目标跟踪问题，在保障跟踪精度的前提下有效的减少了通信载荷，并实现了对多传感器网络测量信息的充分利用。提出了一种基于数据压缩和量化信息的协同目标跟踪算法，该算法同时考虑了随机不确定性和集合成员不确定性，在保障滤波精度的前提下通过传送量化信息有效的减少了通信载荷。提出了一种基于近似贝叶斯融合的高斯混合融合算法,采用一种双航迹融合架构，并采用局部交互多模型滤波器生成本地航迹，并去除了局部航迹之间的一阶冗余信息。提出了一种基于高斯混合模型的近似Chernoff融合算法, 将高斯混合分布函数的任意幂数函数近似为其一阶扩展近似。建立了无人机之间信息成功传递概率模型以及多机协同目标最优观测与跟踪模型，分析了通信因素对多无人机协同目标跟踪的影响规律。研究了多机协同目标跟踪状态估计与平台控制之间的耦合特性，设计了确保通信连接性、自动防撞及稳定跟踪的多无人机分布式协同目标跟踪控制律，证明了有界噪声下估计与控制耦合系统的收敛性。项目较好解决了网络中平台之间如何通过自主协调的方式实现最优的观测、融合与共享信息以及为了极大化信息增益应如何选择合适的信息向合适的对象进行传输的问题。