一、基于协方差控制的集中式传感器分配算法研究（论文文献综述）
李宇[1]（2021）在《不确定多约束多传感器协同目标跟踪算法研究》文中研究表明随着传感器智能化的发展,多传感器网络以其互补监控区域、信息共享的优点被广泛应用于目标跟踪,但传感器工作环境的不确定性导致了传感器量测偏差,间接降低了系统跟踪精度,是当前需要解决的重大技术难点。在此基础上,如何进一步高效地实现多个传感器网络协同共识已经成为当前普遍面临的一个挑战性难题。本文针对不确定性干扰环境下单传感器系统目标跟踪、多传感器协同共识估计和带约束的多传感器动态优化等问题展开深入研究。论文主要工作内容如下:（1）针对未知输入干扰下单传感器系统目标跟踪的问题,提出了一种基于两级卡尔曼滤波的状态偏差联合估计算法。通过建立广义未知干扰驱动的传感器系统偏差及量测模型,进而提出与未知输入解耦的系统模型,然后对新的系统模型中的噪声交叉项进行解耦处理,避免相关噪声带来的误差。最后,基于模型设计两级卡尔曼滤波算法对目标状态和传感器偏差进行估计修正,从而实现对未知输入的滤除,提高目标估计和偏差估计精度。（2）针对未知输入干扰下多传感器网络协同共识估计的问题,提出了一种基于通信量的分布式协同共识融合算法。通过传感器在本地进行两级信息滤波、在网络进行协同共识实现全局一致性估计。利用两级信息滤波减少系统的计算负担,并对未知输入进行参数估计,将未知参数与状态估计放入网络进行共识。根据传感器网络拓扑关系,提出了一种基于通信量的数据融合加权方法,赋予网络中通信量高的节点更高的权重,与平均加权和协方差加权方法相比,提高了一致性估计收敛速度,同时进一步提高目标跟踪精度。（3）针对未知输入干扰下带约束的多传感器网络动态分配问题,提出了一种传感器优化分配决策。首先,对多传感器网络进行分簇管理;其次,考虑通信带宽、能量消耗和跟踪精度等约束条件,进行传感器网络效益函数建模;最后,对目标函数求最优解,从而确定出系统效益最优的传感器组,使组内的节点参与目标跟踪获得量测信息,再在簇首进行数据融合,通过簇首之间进行共识估计再传输给簇内节点,使得传感器节点保持跟踪精度的同时平衡各个节点的成本消耗。
李茜[2]（2021）在《MIMO雷达及组网雷达自适应资源管理技术研究》文中指出随着现代科技的飞速发展,素有“战争之眼”之称的雷达,在军用和民用中都占有不可或缺的位置。MIMO雷达是近数年出现的新体制雷达之一,其各子阵发射相关或部分相关的波形,与传统的相控阵雷达相比,其可通过子阵个数划分实现发射波束宽度的灵活改变,从而达到一个波束同时照射多个目标,或者同时多波束同时照射多目标的目的,很适合应用于多目标跟踪领域。此外,多站雷达组网凭借其相对于单站雷达具有更好的空间分集,能够进一步改善多目标跟踪性能,已成为研究热点。在现实生活中,系统资源的有限性或者雷达任务要求的抗截获性能,导致进行资源管理的必要性。本文从基于非线性量测的目标跟踪算法、共址MIMO雷达自适应资源管理、相控阵雷达组网自适应资源管理以及共址MIMO雷达组网自适应资源管理方面展开研究,具体内容如下:1.针对非线性量测问题,研究了非机动场景和机动场景下基于非线性量测的目标跟踪算法。首先研究了基于非线性量测的非机动目标跟踪算法,包括:基于位置量测转换的目标跟踪算法和同时具有多普勒量测信息的非线性目标跟踪算法。在此基础上,进一步研究了基于非线性量测的机动目标滤波跟踪算法。最后验证了以上算法在非机动场景与机动场景下的跟踪性能。2.针对共址MIMO雷达资源管理问题,分别提出了单宽波束共址MIMO雷达和同时多波束共址MIMO雷达自适应资源管理算法。首先建立了优化模型,通过求解优化问题获得对应的优化算法,实现系统工作参数的自适应选择。最后仿真结果表明两种所提算法可以实现系统工作参数的自适应选择。并且与固定参数算法相比,所提算法的目标函数更小,表明了其优越性。3.针对相控阵雷达组网资源管理问题,分别提出了分布式和集中式相控阵雷达组网自适应资源管理算法。所建优化模型实现在保证一定跟踪精度条件下,极小化消耗的系统资源。通过求解优化问题获得对应的优化算法,实现系统工作参数自适应选择的目的。仿真结果表明,相控阵雷达组网可以自适应地选择工作雷达和被更新目标以及发射能量,以保证期望跟踪性能并极小化资源消耗。4.针对共址MIMO雷达组网资源管理问题,分别提出了分布式共址MIMO雷达组网和集中式同时多波束共址MIMO雷达组网自适应资源管理算法。所提优化模型在保证有效目标检测和期望跟踪精度的条件下,极小化消耗的时空资源。在求解优化问题时,建立了一个综合考虑系统资源消耗和总体跟踪性能的目标函数,其中引入一个新的跟踪精度偏移函数用于评估每个目标与期望跟踪精度的偏差度。最后给出两种所提算法的仿真验证,共址MIMO雷达组网凭借其子阵划分个数的灵活改变,可达到多目标探测模式自适应选择的目的。并且与各固定参数算法相比验证了所提算法的优势。
方德亮[3]（2017）在《多传感器组网协同目标监视任务规划》文中研究说明无线传感器网络是一种采用大量小尺寸,低功耗,能量、存储和计算能力有限的传感器节点自组织构成的网络系统,由于网络的经济性好、灵活性和鲁棒性强的特点,无线传感器网络已经在目标监视、环境监测、智能家居、空间探索和精细农业等领域得到广泛运用,其中目标监视是无线传感器网络最重要的应用之一,它是指对辐射电磁信号的目标进行连续观测和跟踪。由于无线传感器网络节点能量、带宽等资源受限,只有对传感器资源进行动态管理,对传感器进行优化的任务规划,才能在保证目标跟踪性能的同时,尽可能减少能耗,延长网络生命周期。本文在分析该领域国内外研究现状的基础上,总结了存在并亟待解决的问题,对无线传感器网络中目标跟踪的传感器管理问题进行了深入探索,主要研究的内容和成果如下:1.针对目标有具体精度需求的多目标跟踪问题,以满足每个目标期望精度为目标建立了一种新颖的优化模型,并提出一种保证稳定精度的协同跟踪传感器管理算法。该算法首次将状态滤波估计的协方差矩阵数值化建立了优化模型,在保证跟踪精度的同时,也使得此存在多个解的问题更容易被快速求解。在此基础上,结合传感器分配问题改进了基本的二进制粒子群算法,采用与约束条件相适应的种群初始化方法,加快了算法的收敛速度;通过一个随机参数引导粒子选择两种不同的速度更新策略,保证了种群的多样性,使算法更容易跳出局部最优。另外,设计了一种分配方案保留机制,避免了传感器观测对象的频繁切换,使跟踪精度更平稳。仿真结果表明,此算法与传统算法相比拥有更快的收敛速度,能有效避免局部最优;相对于协方差控制方法提供了稳定的所需精度,能有效应对目标精度有具体需求的目标跟踪问题。2.针对无线传感器网络能量受限,集中式传感器管理决策存在的复杂度高、鲁棒性差的问题,改进了基于拍卖的多分配策略,提出了一种能量有效的分布式传感器管理算法。算法基于目标预测位置,以观测前后的信息增益为准则,并结合约束条件,建立了适合分布式决策的优化传感器管理模型;采用改进的双向拍卖对传感器的价格进行调整,达到市场平衡时,完成目标-传感器的分配问题,相比改进前的算法,减少了卖方实际价格的通告,买方通过本地局部信息进行决策,只需要买方卖方之间进行少量交互即可完成传感器资源对目标的分配;算法引入载波侦听多路访问（Carrier Sensing Multiple Access,CSMA）机制,实现了节点高效的自组织,减少了无用信息的发送和接收,从而提高能量的有效性。仿真结果表明提出算法能有效应对多目标跟踪问题,在保证跟踪精度的同时,能有效减少通信能耗,对能量受限的无线传感器网络有较强的适应性。3.针对更一般的实际场景中有观测距离、通信距离和能量限制的无线传感器网络中的目标跟踪问题,提出了一种基于势博弈的分布式目标跟踪传感器分配算法。算法利用计算简单、独立于滤波算法的精度几何稀释因子作为决策准则,利用邻居合作促进整体最优化的思路,建立了传感器选择局部信息博弈模型,证明了该模型是一个精确势博弈模型,保证了纳什均衡点的存在;算法充分利用无线传感器网络中传感器通信与观测半径的关系,提出一种并行的最佳响应动态作为博弈的学习算法,证明了采用该算法博弈参与者（传感器）只需要与一跳邻居交换决策信息,即能使博弈收敛到纳什均衡,并且拥有比最佳响应动态更快的收敛速度;借鉴通信网中的CSMA机制,设计了一种不需要决策调度器的完全分布式的决策节点推选机制,更加符合无线传感器网络自组织的特性。仿真结果表明了所提算法在收敛速度、跟踪精度和能量有效性方面的优势。
祝武[4]（2017）在《分布式融合结构与信息流机理研究》文中指出分布式融合结构是指在空域和时域上分散,实现信息交互和功能协同的多节点融合结构。分布式融合结构中各节点基于通信网络连接并进行目标信息融合处理,实现对区域内的多传感器指挥控制,极大地提高了情报收集能力。针对多传感器间的信息冗余问题,结合信息图分析了融合节点间冗余信息产生的原因,利用贝叶斯算法消除共用节点间的冗余信息。在此基础上利用信息论方法研究传感器管理问题。本文主要内容安排如下:首先,简述了几种常见融合结构模型,并对其优势和不足进行了说明。针对分布式融合结构中不同融合节点之间输入信息相关性问题,重点介绍了分布式融合相关算法和基于信息论的传感器管理算法。其次,详细论述了分布式融合结构下的单连通和多连通融合的主要形式。根据上述不同融合节点间的信息传递机理,分析了冗余信息产生的原因,在此基础上针对无反馈和有反馈的层级结构,利用贝叶斯融合算法将通信信息分解为私有和公共信息,提出了去除冗余信息的相关理论。通过去除冗余信息后使各节点的目标状态估计值与各节点状态估计的平均值偏差逐渐减少且能够较快的收敛,同时传感器融合位置误差很小,比未进行冗余信息消除的情况小了一个数量级,且不会发散。仿真结果表明通过去除冗余信息后系统能够达到良好的跟踪效果。再次,针对传统基于协方差控制的传感器管理算法中,目标期望协方差由人为给出,容易存在偏差且当目标跟踪精度要求过高时,易导致目标函数无解或不存在最优解;以及Rényi信息增益通过比较概率密度函数的近似程度来表示当前状态下的信息的差异,因而更加强调某个局部信息。在以信息论为基础传感器管理方法上,利用Rényi信息增益算法和协方差算法各自的特性,提出了一种基于Rényi信息增益算法和协方差算法联合控制的多传感器管理。利用“Rényi信息增益”和“协方差”联合控制的思想相互验证,并由目标跟踪精度进一步完成传感器资源的分配。仿真结果表明,该算法在不同的场景中均能够提高跟踪精度,同时有效降低了传感器切换频率。最后,对本文的研究工作进行了总结与展望。
吕鹏飞,彭冬亮,左燕,谷雨[5]（2016）在《基于改进协方差控制的传感器管理算法》文中进行了进一步梳理针对传统的基于协方差控制的传感器管理算法使用全遍历方法所造成的计算量大,以及传感器切换频繁的问题,提出了一种基于改进协方差控制的传感器管理算法。该算法在每一时刻首先判断前一时刻所用传感器组是否能够满足目标跟踪需求,以滤波协方差与期望协方差的偏差作为参考,结合量纲变换和特征值求取,为协方差偏差矩阵经过量纲变换后得到的量纲一致阵的所有特征值设定一个精度阈值,然后判断滤波协方差是否满足期望,从而决定是否维持当前选择的传感器组。在目标作匀速、匀加速、协同转弯等多种场景下进行了算法性能测试分析,仿真结果表明,该算法不仅在大部分场景下满足目标跟踪精度,而且能够提高传感器管理算法的实时性,同时降低传感器的切换频率。
吕鹏飞[6]（2016）在《面向目标检测与跟踪的传感器管理算法研究》文中研究说明多源信息融合是对来自多个传感器的数据和相关信息进行综合处理,从而完成所需的决策和估计任务。传感器资源管理能够考虑目标跟踪精度以及传感器的能耗、使用率和切换率等因素,因此将资源管理引入到信息融合系统中,构建带有反馈的闭环融合结构对提高信息融合系统的综合性能有重要意义。基于目标检测与跟踪的传感器管理,是根据外界环境及任务需求,制定一个管理机制,实现对传感器工作方式的自适应分配。本文通过分析目标跟踪过程中跟踪精度以及时效性、稳定性等任务需求,进行相应的传感器资源管理算法设计与实现。本文主要研究工作如下:首先,阐述了本文研究的背景及意义,并对信息融合技术、信息融合与资源管理的关系以及传感器管理技术的国内外研究现状进行了综述。其次,介绍了传感器资源管理的作用、结构和分类,重点说明了基于协方差控制的传感器管理算法和基于后验克拉美-罗下界的传感器管理算法的流程,通过仿真分析了两种算法在跟踪任务上各自的优势和不足。再次,在满足目标跟踪精度的基础上,考虑传感器管理算法的时效性和稳定性等方面的任务需求,提出了一种基于改进协方差控制的传感器管理算法。在每一时刻先判断前一时刻所用传感器组是否满足目标跟踪需求,以滤波协方差与期望协方差的偏差作为参考,结合量纲变换和特征值求取,为误差矩阵经过量纲变换后得到的量纲一致阵的所有特征值设定精度阈值,判断滤波协方差是否满足期望,从而决定是否维持当前传感器选择。分别在MATLAB环境下和基于高级体系结构的多雷达组网仿真软件平台中进行仿真测试,验证了算法的有效性。然后,针对雷达组网对隐身目标协同检测与跟踪时的动态分配问题,提出了一种基于条件克拉美-罗下界和改进二值粒子群优化的隐身目标协同检测与跟踪算法,以已跟踪目标的条件克拉美-罗下界衡量跟踪精度,并采用改进二值粒子群优化全局搜索最优分配方案,最后进行粒子滤波与协方差交集融合。通过对算法的仿真实验与分析验证了算法的有效性。最后,对本文工作进行了总结与展望。
尹德兴[7]（2016）在《异步雷达组网协同跟踪和资源分配方法研究》文中研究表明随着传感器、计算机、网络和电子装备的飞速发展,各种面向复杂应用背景的多传感网络大量涌现。以组网雷达为核心的防空预警系统通过多个传感器组网进行协同探测,可以提高系统的总体探测性能。如何优化分配雷达网内有限的传感器资源,通过多个传感器协同跟踪提高雷达网的整体跟踪性能成为网络化协同探测中的一个核心问题。目前,实际的组网雷达系统中各雷达具有不同的采样周期、不同的固有延迟及通信延迟等原因,融合处理中心得到的数据是异步的。本文结合实际科研项目,主要研究了异步雷达组网系统下的协同跟踪和传感器分配方法。论文的主要研究工作内容包括:（1）研究了目标基本运动模型、传感器观测模型、以及常用的滤波算法。在多传感器协同跟踪的一般性研究框架下,结合目标跟踪的性能指标,给出了一种基于跟踪效果反馈的资源分配问题描述和框架。（2）针对雷达网中各传感器异步采样的实际情况,提出了一种基于异步顺序融合的动态传感器分配算法。该算法对异步雷达的量测值按采样时刻顺序滤波,根据滤波协方差和目标期望协方差的接近程度动态选择下一时刻跟踪的最优传感器集合。仿真分析表明该算法和基于伪量测的异步雷达组网协同跟踪传感器分配算法相比具有较少的计算量和较高的目标跟踪精度。（3）针对分布式雷达网中各局部融合节点异步融合的情况,提出了一种分布式异步航迹融合下的协同跟踪算法。该方法采用最小二乘算法对各融合节点融合周期内的航迹进行时域融合,获得虚拟航迹。融合中心根据各融合节点的时域融合结果进行全局融合。根据滤波协方差和目标期望协方差的接近程度动态选择传感器资源,有效利用航迹信息和改善航迹融合质量。该算法与集中式异步航迹融合下协同跟踪进行比较,仿真结果显示该算法在跟踪精度和计算效率上均优于集中式异步航迹融合下的协同跟踪算法。（4）研究了异步雷达组网多目标协同跟踪方法。该方法基于协方差控制原则对传感器资源进行优化分配,建立多传感器多目标分配模型,给出了一种启发式的近似求解算法。对分配后的异步雷达量测值采用实时更新的顺序融合方式进行顺序滤波,将整个融合算法的计算量分散在各个局部信息到达的时刻,避免了融合中心瞬时计算量过大,保证跟踪的实时性。仿真结果验证了算法的有效性。
方余瑜[8]（2015）在《基于时变量测方差的多传感器多目标分配算法研究》文中研究说明雷达组网下的传感器资源管理主要是通过传感器与目标的合理分配来提高组网系统的整体性能，从而能有效的应对复杂的战场环境。但是，随着目标数目的增多，传感器自身因素的限制和网络通信的限制，传感器资源的有效分配难度也随之增加。为了提高多传感器组网对多目标的整体跟踪性能，本文对雷达组网下的多传感器多目标分配问题进行了研究，论文的主要工作总结如下：1.在分析传统融合跟踪算法和传感器管理方法的基础上，构建了一个基于跟踪效果反馈的传感器资源管理框架。2.针对传统的基于协方差控制的传感器管理算法大多假设在探测过程中量测方差是固定的不足，提出了一种时变量测方差下基于协方差控制的多传感器多目标分配算法，同时为了提高算法的实时性，给出了一种启发式近似求解算法，并进行了仿真分析。3.针对传统的基于信息论的传感器管理方法中假定量测方差固定且目标跟踪算法大多采用线性滤波的不足，从信息熵的角度提出了一种基于信息增量的多传感器多目标分配方法。为了满足不同的跟踪需求，分别提出了两种有效的求解算法——整数规划求解算法和改进匈牙利算法，并通过仿真验证了两种算法的有效性。4.针对多传感器组网跟踪融合中存在通信约束的问题，在前一章的基础上，提出了一种基于通信受限的多传感器多目标分配算法。为了适应工程应用，提出了两类通信受限下的基于期望信息增益的快速启发式算法，仿真验证了算法的有效性。
杨涛,许蕴山,肖冰松,罗文涛[9]（2014）在《基于效能函数的自适应传感器跟踪资源分配》文中认为针对基于效能函数的传感器管理算法存在的问题,结合集中式序贯Kalman滤波算法,将协方差自适应传感器管理算法应用到目标-传感器（组合）配对函数的计算中,实现了传感器与目标配对系数的赋值与自动更新;结合目标优先级函数,提出了一种基于效能函数的自适应传感器分配算法。该算法的仿真结果表明,有限的传感器资源既能够根据期望跟踪精度自适应分配,又能够根据目标优先级动态地调整,使传感器的分配策略更加合理有效。
徐松柏[10]（2014）在《基于跟踪反馈的相控阵雷达宏微观资源管理技术研究》文中认为传感器资源管理技术是应对当今复杂战场环境的一个热点研究方向，对提高传感器系统的综合性能有着重要的意义。本文根据传感器管理的宏/微两级模型，在基于反馈的资源管理控制框架中，对目标跟踪环境下相控阵雷达多目标跟踪微管理和雷达组网目标跟踪下多传感器分配宏管理问题展开了研究。论文首先从传感器管理的模型结构出发，结合反馈控制的概念，建立了一种基于跟踪效果反馈的资源管理控制框架。其次，在此框架下研究了相控阵雷达多目标跟踪资源管理问题，给出了基于Riccati方程的相控阵雷达多目标跟踪稳态资源管理和基于协方差的相控阵雷达多目标跟踪动态资源管理两种算法，并进行了具体的仿真验证。然后，在此框架下研究了相控阵雷达组网跟踪系统下的传感器分配问题，给出了不同跟踪性能优化指标下传感器分配方法，即基于信息增益的雷达组网传感器动态分配算法、基于协方差的雷达组网传感器动态分配算法和基于代价函数的雷达组网传感器动态分配算法，并对其进行了具体的仿真比较研究。接着，为了提高传感器管理算法的实时性，在上述优化分配方法基础上提出了基于信息增益的雷达组网传感器在线快速分配算法和基于离线Riccati方程的传感器在线分配算法两种快速分配算法，通过引入较好的搜索策略，离线优化和在线选择分离方式在保证跟踪精度前提下大大提高算法的计算效率。最后，研究了不完全信息情况下完全分布式雷达组网目标跟踪传感器分配问题，提出了一种完全分布式雷达组网系统融合跟踪递推补偿的方法，仿真验证了算法的可行性。
二、基于协方差控制的集中式传感器分配算法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于协方差控制的集中式传感器分配算法研究（论文提纲范文）
（1）不确定多约束多传感器协同目标跟踪算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 传感器系统抗干扰 |
| 1.2.2 多传感器协同目标跟踪 |
| 1.2.3 多传感器网络动态分配 |
| 1.3 本文研究内容及组织架构 |
| 2 未知输入干扰下单传感器系统状态偏差联合估计 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 状态偏差联合滤波估计前处理 |
| 2.3.1 未知参数与偏差方程解耦处理 |
| 2.3.2 噪声交叉项解耦处理 |
| 2.4 状态偏差联合滤波设计 |
| 2.4.1 状态偏差两级卡尔曼滤波器 |
| 2.4.2 状态偏差两级卡尔曼滤波算法推导 |
| 2.5 仿真分析 |
| 2.6 本章小结 |
| 3 未知输入干扰下多传感器网络协同共识估计 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 多传感器网络本地信息滤波算法 |
| 3.3.1 本地系统两级信息滤波转换 |
| 3.3.2 传感器本地未知参数估计 |
| 3.4 基于通信量的多传感器协同共识融合 |
| 3.4.1 网络拓扑图论 |
| 3.4.2 基于网络拓扑的传感器通信量建模 |
| 3.4.3 基于通信量的一致性共识融合权值因子设计 |
| 3.5 仿真分析 |
| 3.6 本章小结 |
| 4 多约束条件下多传感器动态优化策略 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 传感器分配的约束关系及基本方法 |
| 4.3.1 传感器分配的约束关系 |
| 4.3.2 基于协方差控制的传感器分配办法 |
| 4.4 多约束条件下传感器网络动态分配决策 |
| 4.4.1 多传感器网络拓扑分簇 |
| 4.4.2 传感器能量消耗建模 |
| 4.4.3 带约束的传感器网络代价函数建模 |
| 4.4.4 多约束条件下传感器网络动态分配决策 |
| 4.5 仿真分析 |
| 4.6 本章小结 |
| 5 结论与展望 |
| 5.1 研究结论 |
| 5.2 研究工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及成果 |
| 致谢 |
（2）MIMO雷达及组网雷达自适应资源管理技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 单基地雷达的自适应资源管理技术研究现状 |
| 1.3 组网雷达的自适应资源管理技术研究现状 |
| 1.4 本文主要研究内容 |
| 第二章 基于非线性量测的目标跟踪算法 |
| 2.1 基于非线性量测的非机动目标跟踪算法 |
| 2.1.1 基于位置量测转换的目标跟踪方法算法 |
| 2.1.2 同时具有多普勒量测信息的非线性目标跟踪算法 |
| 2.2 基于非线性量测的机动目标滤波跟踪算法 |
| 2.3 仿真分析 |
| 2.3.1 基于非线性量测的非机动目标跟踪仿真 |
| 2.3.2 基于非线性量测的机动目标跟踪仿真 |
| 2.4 本章小结 |
| 第三章 共址MIMO雷达自适应资源管理 |
| 3.1 系统模型 |
| 3.2 共址MIMO雷达自适应资源管理 |
| 3.2.1 共址MIMO雷达自适应资源管理优化建模 |
| 3.2.2 共址MIMO雷达自适应资源管理算法 |
| 3.3 同时多波束共址MIMO雷达自适应资源管理 |
| 3.3.1 同时多波束共址MIMO雷达自适应资源管理优化建模 |
| 3.3.2 同时多波束共址MIMO雷达自适应资源管理算法 |
| 3.4 仿真分析 |
| 3.4.1 共址MIMO雷达自适应资源管理仿真分析 |
| 3.4.2 同时多波束共址MIMO雷达自适应资源管理 |
| 3.5 本章小结 |
| 第四章 相控阵雷达组网自适应资源管理 |
| 4.1 组网雷达系统结构 |
| 4.2 分布式相控阵雷达组网系统自适应资源管理 |
| 4.2.1 系统模型 |
| 4.2.2 分布式相控阵雷达组网系统自适应资源管理优化建模 |
| 4.2.3 分布式相控阵雷达组网系统自适应资源管理算法 |
| 4.3 集中式相控阵雷达组网系统自适应资源管理 |
| 4.4 仿真分析 |
| 4.4.1 分布式相控阵雷达组网系统自适应资源管理仿真 |
| 4.4.2 集中式相控阵雷达组网系统自适应资源管理仿真 |
| 4.5 本章小结 |
| 第五章 共址MIMO雷达组网自适应资源管理 |
| 5.1 分布式共址MIMO雷达组网自适应资源管理 |
| 5.1.1 系统模型 |
| 5.1.2 分布式共址MIMO雷达组网自适应资源管理优化建模 |
| 5.1.3 分布式共址MIMO雷达组网自适应资源管理算法 |
| 5.2 集中式同时多波束共址MIMO雷达组网自适应资源管理 |
| 5.2.1 系统模型 |
| 5.2.2 集中式同时多波束共址MIMO雷达组网自适应资源管理优化建模 |
| 5.2.3 集中式同时多波束共址MIMO雷达组网自适应资源管理算法 |
| 5.3 仿真分析 |
| 5.3.1 分布式共址MIMO雷达组网自适应资源管理仿真 |
| 5.3.2 集中式共址MIMO雷达组网自适应资源管理仿真 |
| 5.4 本章小结 |
| 第六章 结束语 |
| 致谢 |
| 参考文献 |
| 攻硕期间取得的研究成果 |
（3）多传感器组网协同目标监视任务规划（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 目标跟踪流程与传感器管理的地位分析 |
| 1.3 研究现状 |
| 1.3.1 无线传感器网络目标跟踪 |
| 1.3.2 目标跟踪的传感器管理算法 |
| 1.4 问题提出与研究思路 |
| 1.4.1 问题的提出 |
| 1.4.2 研究思路 |
| 1.5 本文主要工作 |
| 第二章 保证稳定精度的协同跟踪传感器管理 |
| 2.1 引言 |
| 2.2 需求驱动的传感器优化管理模型 |
| 2.3 IBPSO的传感器管理算法 |
| 2.3.1 基本BPSO算法 |
| 2.3.2 基于IBPSO 算法的传感器管理 |
| 2.4 仿真实验与结果分析 |
| 2.4.1 仿真环境设置与算法评价指标 |
| 2.4.2 仿真结果分析 |
| 2.5 本章小结 |
| 第三章 基于双向拍卖的分布式传感器管理算法 |
| 3.1 引言 |
| 3.2 信息增益的传感器优化管理模型 |
| 3.3 基于改进双向拍卖的传感器管理算法 |
| 3.3.1 基本双向拍卖算法 |
| 3.3.2 改进双向拍卖算法及其在传感器管理中的运用 |
| 3.3.3 算法的分析与证明 |
| 3.4 仿真实验与结果分析 |
| 3.4.1 仿真环境设置与算法评价指标 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小结 |
| 第四章 基于势博弈的分布式目标跟踪传感器分配算法 |
| 4.1 引言 |
| 4.2 博弈论简述 |
| 4.3 目标跟踪传感器选择模型 |
| 4.3.1 问题描述 |
| 4.3.2 优化准则选择 |
| 4.4 基于势博弈的分布式传感器分配算法 |
| 4.4.1 博弈模型 |
| 4.4.2 纳什均衡分析 |
| 4.4.3 并行最佳响应动态的传感器分配算法 |
| 4.4.4 算法分析与证明 |
| 4.5 仿真实验与结果分析 |
| 4.5.1 仿真环境设置与算法评价指标 |
| 4.5.2 仿真结果分析 |
| 4.6 本章小结 |
| 第五章 结束语 |
| 5.1 本文总结 |
| 5.2 未来的展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（4）分布式融合结构与信息流机理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容及章节安排 |
| 第2章 分布式信息融合基础 |
| 2.1 引言 |
| 2.2 分布式融合结构图 |
| 2.3 分布式融合算法 |
| 2.4 信息融合中传感器管理的作用及方法 |
| 2.5 本章小结 |
| 第3章 基于贝叶斯算法的去除冗余信息相关研究 |
| 3.1 引言 |
| 3.2 信息图 |
| 3.3 冗余信息产生原因及消除原理 |
| 3.4 仿真结果与分析 |
| 3.5 本章小结 |
| 第4章 基于Rényi信息增益和协方差联合控制的多传感器管理算法 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 传感器管理算法及流程 |
| 4.4 仿真分析 |
| 4.5 本章小结 |
| 第5章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）面向目标检测与跟踪的传感器管理算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 信息融合与资源管理的关系 |
| 1.2.2 传感器管理研究现状 |
| 1.3 本文主要研究内容及章节安排 |
| 第二章 传感器管理基础理论 |
| 2.1 引言 |
| 2.2 传感器资源管理 |
| 2.2.1 传感器管理在信息融合中的作用 |
| 2.2.2 传感器管理结构 |
| 2.2.3 传感器管理问题的分类 |
| 2.2.4 基于目标跟踪的传感器管理算法概述 |
| 2.3 基于协方差控制的传感器管理 |
| 2.3.1 协方差控制基本思想 |
| 2.3.2 算法流程 |
| 2.3.3 仿真实验与分析 |
| 2.4 基于PCRLB的传感器管理 |
| 2.4.1 后验克拉美-罗下界 |
| 2.4.2 仿真实验与分析 |
| 2.5 本章小结 |
| 第三章 面向跟踪任务的多传感器快速管理算法 |
| 3.1 引言 |
| 3.2 任务需求分析 |
| 3.3 基于改进协方差控制的传感器管理算法 |
| 3.3.1 算法思想及流程 |
| 3.3.2 跟踪精度判断 |
| 3.3.3 量纲变换 |
| 3.3.4 序贯卡尔曼滤波 |
| 3.4 仿真实验与分析 |
| 3.4.1 性能评价指标 |
| 3.4.2 仿真结果 |
| 3.5 基于HLA的多雷达组网仿真平台算法测试 |
| 3.6 本章小结 |
| 第四章 雷达组网中多隐身目标协同检测与跟踪 |
| 4.1 引言 |
| 4.2 隐身目标协同检测与跟踪问题描述 |
| 4.2.1 组网雷达探测隐身目标模型 |
| 4.2.2 协同检测与跟踪数学模型 |
| 4.3 基于CPCRLB和NBPSO的组网雷达动态分配算法 |
| 4.3.1 新生目标检测概率 |
| 4.3.2 条件后验克拉美-罗下界 |
| 4.3.3 改进二值粒子群优化算法 |
| 4.3.4 协方差交集融合算法 |
| 4.4 仿真实验与分析 |
| 4.4.1 性能评价指标 |
| 4.4.2 仿真结果 |
| 4.5 本章小结 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）异步雷达组网协同跟踪和资源分配方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 信息融合与传感器管理 |
| 1.3 国内外研究现状 |
| 1.3.1 雷达组网异步采样系统研究现状 |
| 1.3.2 雷达组网传感器资源分配研究现状 |
| 1.4 本文主要工作 |
| 第2章 多传感器组网协同跟踪基本理论 |
| 2.1 引言 |
| 2.2 多传感器组网目标协同跟踪基本框架 |
| 2.3 目标跟踪基本理论和算法 |
| 2.3.1 目标的运动模型 |
| 2.3.2 滤波方法 |
| 2.4 异步航迹融合方法 |
| 2.4.1 集中式异步航迹融合思想及算法 |
| 2.4.2 实时更新的异步航迹融合思想及算法 |
| 2.5 基于反馈的雷达组网资源分配问题 |
| 2.5.1 宏管理与微管理 |
| 2.5.2 基于跟踪效果反馈的雷达网传感器资源分配 |
| 2.6 本章小结 |
| 第3章 异步雷达组网协同跟踪下算法 |
| 3.1 引言 |
| 3.2 多传感器系统的采样分析 |
| 3.2.1 时间同步 |
| 3.2.2 时间异步 |
| 3.3 异步雷达组网协同跟踪算法 |
| 3.3.1 系统描述 |
| 3.3.2 基于等价伪量测的传感器动态分配方法 |
| 3.3.3 基于异步采样顺序融合的传感器分配方法 |
| 3.4 仿真分析 |
| 3.5 本章小结 |
| 第4章 分布式异步雷达组网协同跟踪算法 |
| 4.1 引言 |
| 4.2 分布式异步雷达组网协同跟踪下传感器异步航迹融合算法 |
| 4.2.1 分布式异部雷达组网航迹融合问题 |
| 4.2.2 基于最小二乘的异步雷达组网航迹融合算法 |
| 4.3 分布式异步雷达组网中的传感器管理 |
| 4.4 仿真分析 |
| 4.5 本章小结 |
| 第5章 异步雷达组网多目标协同跟踪算法 |
| 5.1 引言 |
| 5.2 异步雷达组网协同跟踪下的多传感器多目标分配算法 |
| 5.2.1 异步雷达组网中的传感器异步顺序融合算法 |
| 5.2.2 多传感器多目标资源优化模型 |
| 5.2.3 雷达组网中多传感器多目标的分配算法 |
| 5.3 仿真分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（8）基于时变量测方差的多传感器多目标分配算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 雷达组网中的传感器资源管理 |
| 1.3 雷达组网传感器资源管理现状 |
| 1.4 论文主要工作安排 |
| 第二章 基于跟踪效果反馈的传感器资源管理 |
| 2.1 引言 |
| 2.2 目标跟踪基本理论 |
| 2.2.1 目标的运动模型 |
| 2.2.2 跟踪滤波方法 |
| 2.3 多传感器多目标预分配模型 |
| 2.4 基于跟踪效果反馈的传感器资源管理框架 |
| 2.5 本章小结 |
| 第三章 基于协方差控制的多传感器多目标分配算法 |
| 3.1 引言 |
| 3.2 时变量测方差的描述 |
| 3.3 基于时变量测方差的多传感器多目标跟踪滤波算法 |
| 3.3.1 基于时变量测方差的多传感器多目标跟踪滤波算法 |
| 3.3.2 误差协方差与时变量测方差的关系 |
| 3.4 基于协方差控制的多传感器多目标分配算法 |
| 3.4.1 多传感器多目标资源优化分配模型 |
| 3.4.2 基于协方差控制的多传感器多目标分配算法 |
| 3.5 仿真及性能分析 |
| 3.6 本章小结 |
| 第四章 基于信息增量的多传感器多目标分配算法 |
| 4.1 引言 |
| 4.2 基于信息增量的多传感器多目标分配问题 |
| 4.2.1 基于时变量测方差的多传感器融合非线性跟踪算法 |
| 4.2.2 信息增量的描述 |
| 4.2.3 基于信息增量的多传感器多目标分配模型 |
| 4.3 基于整数规划的多传感器多目标分配算法 |
| 4.3.1 算法的描述 |
| 4.3.2 仿真分析 |
| 4.4 基于改进匈牙利法的多传感器多目标分配算法 |
| 4.4.1 传感器-目标分配模型 |
| 4.4.2 改进匈牙利法 |
| 4.4.3 仿真分析 |
| 4.5 本章小结 |
| 第五章 基于通信受限的多传感器多目标分配算法 |
| 5.1 引言 |
| 5.2 通信受限的描述 |
| 5.3 第一类通信受限下的多传感器多目标分配算法 |
| 5.3.1 改进的序贯扩展卡尔曼滤波算法 |
| 5.3.2 第一类通信受限下的快速启发式算法 |
| 5.4 第二类通信受限下的多传感器多目标分配算法 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）基于效能函数的自适应传感器跟踪资源分配（论文提纲范文）
| 0 引言 |
| 1 传感器管理模型 |
| 1.1 传感器资源分配方案 |
| 1.2 确定目标优先级函数 |
| 1.3 目标-传感器(组合)配对函数 |
| 2 结合协方差自适应控制的效能函数分配算法 |
| 2.1 配对系数的确定 |
| 2.1.1 协方差自适应控制 |
| 2.1.2 集中式多传感器Kalman序贯算法 |
| 2.2 建立目标-传感器(组合)效能函数 |
| 3 仿真分析 |
| 4 结论 |
（10）基于跟踪反馈的相控阵雷达宏微观资源管理技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 传感器资源管理 |
| 1.2.1 传感器资源管理的分类 |
| 1.2.2 相控阵雷达的资源管理 |
| 1.2.3 雷达组网中的传感器资源管理 |
| 1.3 研究现状 |
| 1.3.1 相控阵雷达资源管理研究现状 |
| 1.3.2 雷达组网传感器资源管理研究现状 |
| 1.4 论文的主要工作 |
| 第二章 基于反馈的资源管理控制结构 |
| 2.1 引言 |
| 2.2 信息融合与资源管理的关系 |
| 2.3 资源管理宏/微两级管理模型 |
| 2.4 基于反馈的资源管理控制框架 |
| 2.5 本章小结 |
| 第三章 基于跟踪效果反馈的相控阵雷达多目标跟踪资源管理 |
| 3.1 引言 |
| 3.2 相控阵雷达多目标跟踪资源管理问题描述 |
| 3.2.1 相控阵雷达多目标跟踪工作模式 |
| 3.2.2 目标跟踪模型和跟踪滤波方法 |
| 3.2.3 基于反馈控制的多目标跟踪资源管理优化模型 |
| 3.3 基于效果反馈的相控阵雷达多目标跟踪资源管理算法 |
| 3.3.1 基于Riccati方程的相控阵雷达多目标跟踪稳态资源管理 |
| 3.3.2 基于协方差的相控阵雷达多目标跟踪动态资源管理 |
| 3.4 本章小结 |
| 第四章 基于跟踪效果反馈的雷达组网传感器分配算法 |
| 4.1 引言 |
| 4.2 雷达组网目标跟踪下传感器分配问题 |
| 4.3 基于跟踪效果反馈的雷达组网传感器动态分配算法 |
| 4.3.1 基于信息增益的雷达组网传感器动态分配算法 |
| 4.3.2 基于协方差的雷达组网传感器动态分配算法 |
| 4.3.3 基于代价函数的雷达组网传感器动态分配算法 |
| 4.4 基于跟踪效果反馈的雷达组网传感器分配快速启发式算法 |
| 4.4.1 基于信息增益的雷达组网传感器在线快速分配算法 |
| 4.4.2 基于离线Riccati方程的传感器在线分配算法 |
| 4.5 本章小结 |
| 第五章 信息不完全情况下分布式雷达组网传感器分配算法 |
| 5.1 引言 |
| 5.2 完全分布式雷达组网目标跟踪算法 |
| 5.3 信息不完全情况下的传感器目标分配算法 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、基于协方差控制的集中式传感器分配算法研究（论文参考文献）
- [1]不确定多约束多传感器协同目标跟踪算法研究[D]. 李宇. 西安工业大学, 2021
- [2]MIMO雷达及组网雷达自适应资源管理技术研究[D]. 李茜. 电子科技大学, 2021(01)
- [3]多传感器组网协同目标监视任务规划[D]. 方德亮. 解放军信息工程大学, 2017(06)
- [4]分布式融合结构与信息流机理研究[D]. 祝武. 杭州电子科技大学, 2017(03)
- [5]基于改进协方差控制的传感器管理算法[J]. 吕鹏飞,彭冬亮,左燕,谷雨. 火力与指挥控制, 2016(07)
- [6]面向目标检测与跟踪的传感器管理算法研究[D]. 吕鹏飞. 杭州电子科技大学, 2016(04)
- [7]异步雷达组网协同跟踪和资源分配方法研究[D]. 尹德兴. 杭州电子科技大学, 2016(04)
- [8]基于时变量测方差的多传感器多目标分配算法研究[D]. 方余瑜. 杭州电子科技大学, 2015(10)
- [9]基于效能函数的自适应传感器跟踪资源分配[J]. 杨涛,许蕴山,肖冰松,罗文涛. 电光与控制, 2014(08)
- [10]基于跟踪反馈的相控阵雷达宏微观资源管理技术研究[D]. 徐松柏. 杭州电子科技大学, 2014(08)