采用马氏决策过程和后验克拉美罗下界的多被动式移动传感器长期调度方法.pdfVIP

采用马氏决策过程和后验克拉美罗下界的多被动式移动传感器

长期调度方法

徐公国;单甘霖;段修生

【摘要】针对多被动式移动传感器协同工作时跟踪精度不稳定等问题,提出了一种

基于多步预测的移动传感器长期调度方法.该方法结合部分可观马尔科夫决策过程

(POMDP)构建多传感器调度模型,并基于后验克拉美罗下界(PCRLB)建立了传感器

调度过程中的单步与长期代价函数;为有效减少计算复杂度,利用大量无迹采样粒子

来近似估算长期代价值;通过将多约束非线性调度问题转化为决策树优化问题,可快

速获取传感器长期调度方法,并给出了一种基于分支定界技术的改进决策树搜索算

法.实验结果表明,所提方法能够实现移动式传感器的合理调度,在决策步长为2时,

其目标跟踪精度相较于短期调度可平均提升6.08％;改进搜索算法的求解速度也更

加迅速,能够有效满足在线调度的实时性要求.

【期刊名称】《西安交通大学学报》

【年(卷),期】2019(053)006

【总页数】10页(P125-133,150)

【关键词】移动传感器;传感器调度;部分可观马尔科夫决策过程;后验克拉美罗下界;

决策树

【作者】徐公国;单甘霖;段修生

【作者单位】陆军工程大学电子与光学工程系,050003,石家庄;陆军工程大学电子

与光学工程系,050003,石家庄;石家庄铁道大学机械工程学院,050003,石家庄

【正文语种】中文

【中图分类】TP391

现代化网络战争中,传感器的种类与功能日趋多样化、复杂化。随着传感器载体机

动性能的增强,可移动传感器的应用范围也越来越广泛,并逐渐成为传感器管理研究

中的一个重要分支[1]。面向目标跟踪任务需求,通过对可移动传感器的合理调度(又

称传感器控制),能够有效扩展传感器系统的时空感知范围,提高目标的空间分辨率,

还有助于提高系统的战场生存能力。

从任务目标出发,常见的传感器管理方法有基于协方差[2]、基于信息论[3]以及基于

克拉美罗下界[4](CRLB)等方法。近年来,随着管理安全任务需求的增加,基于风险控

制[5-7]的传感器管理方法逐渐成为新的研究热点。例如:文献[5]对主动传感器的辐

射风险进行控制研究;文献[6-7]重点分析了传感器管理中的操作损失风险。从求解

建模方法出发,主要的传感器管理方法有基于规划论[8]、基于智能优化[9]以及基于

马尔科夫决策过程(MDP)[7,10]等方法。此外,博弈论[11]、市场拍卖[12]和多维协

商机制[13]也在传感器管理研究中有所应用。但是,已有文献多针对静态传感器进

行研究,针对移动传感器管理调度的研究相对比较少。

现有的移动传感器管理研究可分为两方面:一是单个传感器移动轨迹规划[14-18],重

在获取更高的目标跟踪收益;二是多移动传感器网络的控制[19-21],重在研究传感器

之间的拓扑结构和协同方法。例如,文献[14-17]针对单个移动传感器利用随机集多

目标滤波理论进行研究,使用目标状态先验和后验分布之间的信息散度作为传感器

移动的奖励函数,实现了移动传感器的有效调度;文献[18]提出了一种目标导向的多

伯努利滤波方法,并基于Bhattacharyya距离实现了传感器的移动控制;针对多移动

传感器,文献[19]利用目标状态的一步预测收益对多测距传感器的调度问题进行研

究,并基于Gauss-seidel和线性规划松弛算法进行求解,得出了传感器的近似优化

轨迹,但运算复杂度较高;文献[20]利用蜂拥控制策略对移动传感器网络的拓扑连通

性进行研究,在保证目标跟踪精度的同时,有效降低了网络能耗;文献[21]利用分布式

控制方法对大规模移动传感器网络的控制问题进行了初步分析。

但是,上述传感器管理方法多以当前最小代价或最优收益为调度目标,没有考虑当前

传感器调度动作带来的长期影响,且求解方法的计算复杂度较高,难以满足任务决策

的实时性需求。因此,本文针对上述问题,面向机动目标跟踪任务,提出了一种基于部

分可观马尔科夫决策过程(POMDP)和后验克拉美罗下界(PCRLB)的多被动式移动

传感器长期调度方法。该方法具有一定远视性,使得生成的决策调度方案更具合理

性。同时,为快速获取传感器调度方案,给出了一种基于分支定界技术的改进决策树

搜索算法。最后的仿真实验结果表明了所提传感器调度方法与改进决策树优化求解

算法的有效性和先进性。

1问题描述

与主动式传感器不同,被动式传感器的良好隐身性使其在侦察、监视、跟踪等任务

中更具优势。例如,在侦察作战过程中,红外、电视传感器都