基于信息决策树分支剔除传感器资源调度.docVIP

基于信息决策树分支剔除传感器资源调度 　　摘要:针对低轨星座对高速运动目标连续跟踪的传感器调度问题,将传感器调度的长时信息增量模型描述为信息决策树,并通过分支剔除技术搜索最优解,提出一种基于信息决策树分支剔除的传感器调度方法。仿真实验表明,长时信息增量有效克服了短时信息增量过于频繁调度的问题,且决策树分支剔除的引入大大降低了长时信息增量最优搜索的运算量。 　　关键词:卫星;传感器;调度算法;信息增量;决策树 　　中图分类号:TP212.9 文献标识码:A 　　 　　Sensor Resource Scheduling Based on the Pruning of Information Decision Tree 　　CHENG Hong-wei1,2, TANG Hong-bin3, LI Jun1, WANG Bo1 　　(1. College of Electronic Science and Engineering, National Univ. of Defense Technology, Changsha 410073, China; 2. Beijing Institute of Tracking and Telecommunications Technology, Beijing 100094, China; 3. Training Division, National Univ. of Defense Technology, Changsha 410073, China;) 　　Abstract: To deal with the sensor scheduling in high-speed object tracking of low earth orbit constellation, the non-myopic information increment is described as an information decision tree. Afterwards, the optimal solution is searched by pruning technology, and a method based on the pruning of information decision tree is proposed. The simulation results indicate that the excessive scheduling has been reduced effectively by the non-myopic information increment; furthermore, the introduction of pruning technology has reduced the computation burden greatly. 　　Key words: Satellites; Sensors; Scheduling algorithms; Information increment; Decision tree 　　 　　由于低轨星座传感器动态组网、高速运动及空间广域分布,探测目标全球随机出现且时空跨度大等原因,通常少量传感器不可能完成对高速运动目标的全程连续跟踪[1]。这种情况下,系统需要较多传感器之间彼此协同、相互接力才能完成对目标的全程连续跟踪,而解决跟踪交接问题的关键就是传感器资源调度技术。 　　传感器调度就是依据一段时间内的代价函数最优化,对未来的可用传感器资源进行科学而合理的分配。其最基本的目的[2]就是在合适的时候选择合适的传感器对合适的目标做合适的服务。传统的实时调度方法多是短时(Myopic)调度,即根据一步前向预测信息进行调度。这种方法运算量小,但其调度结果对应的跟踪系统性能在时间上稳定性较差。而长时(Non-Myopic)调度方法有效解决了这一问题,但其可选择传感器序列数随着步长的增大而呈指数增长,相应的运算量也呈指数增长。显然,当步长较大时,运算量成为长时调度方法要重点解决的问题。本文针对高速运动目标连续跟踪问题,在分析传感器调度约束条件的基础上,建立了基于长时信息增益的传感器实时调度模型,并提出了基于决策树分支剔除(Pruning)[3,4]的优化求解算法。仿真实验表明,本文所提调度模型和求解算法可有效进行低轨星座的传感器资源调度。 　　1 传感器调度约束条件分析 　　低轨星座传感器调度需考虑的约束因素主要有资源约束,任务约束和时间约束。 　　1.1资源约束 　　(1) 单个传感器性能 　　单个传感器性能约束是指单个传感器可同时处理的最大目标个数,记为 。也就是说,系统要求第 个传感器同时