傳感器管理方法述評(píng)

本文格式為Word版，下載可任意編輯——傳感器管理方法述評(píng)

【摘要】本文首先介紹了傳感器管理的根本概念、原理及其進(jìn)展現(xiàn)狀；其次，對(duì)傳感器管理的根本方法舉行了分析與綜合，指出了傳感器管理方法進(jìn)展的根本特征；結(jié)果總結(jié)了需要進(jìn)一步研究的問題。

【關(guān)鍵詞】信息融合；傳感器管理；多目標(biāo)跟蹤；資源調(diào)配

0引言

傳感器管理通過建立確定的優(yōu)化指標(biāo)，對(duì)整個(gè)融合過程舉行實(shí)時(shí)監(jiān)控與評(píng)價(jià)，實(shí)現(xiàn)傳感器資源的優(yōu)化配置，以得志特定的任務(wù)目標(biāo)的需求，用有限的資源最大化地提高整個(gè)系統(tǒng)的性能[1-2]。傳感器管理的目的[3]就是充分利用有限的傳感器資源，盡可能掃描整個(gè)目標(biāo)空間，監(jiān)視多個(gè)目標(biāo)，得到最優(yōu)的目標(biāo)探測(cè)性能，以這個(gè)最優(yōu)準(zhǔn)那么對(duì)傳感器管理舉行合理科學(xué)的調(diào)配。簡(jiǎn)樸講傳感器管理的核心問題就是依據(jù)確定的最優(yōu)準(zhǔn)那么確定目標(biāo)選擇何種傳感器以及該傳感器的工作方式及參數(shù)。傳感器管理是信息融合理論中一個(gè)極其重要而又繁雜的問題，對(duì)傳感器管理方法舉行研究具有特別重要的理論意義與應(yīng)用價(jià)值。

1傳感器管理方法分析

作為信息融合系統(tǒng)組成片面的傳感器管理的研究那么相對(duì)較晚。傳感器管理的核心問題就是根據(jù)確定的準(zhǔn)那么，建立一個(gè)可量化的目標(biāo)函數(shù)，在傳感器資源的約束條件下對(duì)目標(biāo)函數(shù)舉行優(yōu)化，得到傳感器對(duì)目標(biāo)的有效調(diào)配。對(duì)全體傳感器管理方法來說，關(guān)鍵是要建立一個(gè)既科學(xué)合理、切實(shí)可行且易于量化的目標(biāo)函數(shù)和約束條件。常用的傳感器管理方法主要有：基于規(guī)劃論的方法、基于決策論或效用論的方法、基于信息論的方法和基于隨機(jī)集合論的方法等。

1.1基于規(guī)劃論的方法

規(guī)劃論是解決管理問題的最主要工具之一。目前用于傳感器管理方面的主要有線性規(guī)劃、動(dòng)態(tài)規(guī)劃和非線性規(guī)劃等。該方法簡(jiǎn)樸可行、使用面廣，但對(duì)某些因素的合理量化問題尚待進(jìn)一步研究。

Nash[4]發(fā)表的一篇將優(yōu)化技術(shù)應(yīng)用于傳感器管理的文章，在這篇文章中他使用線性規(guī)劃對(duì)被跟蹤目標(biāo)確定傳感器與目標(biāo)調(diào)配，他使用卡爾曼濾波器協(xié)方差陣的跡作為目標(biāo)函數(shù)中的代價(jià)系數(shù)。同時(shí)提出當(dāng)目標(biāo)數(shù)小于傳感器跟蹤才能時(shí)，采用傳感器組來處理傳感器調(diào)配問題的方法。

Malhotra[5]議論了傳感器管理的時(shí)間特性并將序列決策過程描述為一般的馬爾可夫決策過程。動(dòng)態(tài)規(guī)劃是解決馬爾可夫過程的一種方法，它是根據(jù)最終狀態(tài)并反向執(zhí)行確定最小費(fèi)用的一種遞推算法。但在列舉動(dòng)態(tài)規(guī)劃的每個(gè)可能行為時(shí)會(huì)產(chǎn)生組合爆炸。DavidA.castanon那么提出一種近似動(dòng)態(tài)規(guī)劃方法，以解決動(dòng)態(tài)規(guī)劃帶來的組合爆炸問題。DavidA.castanon[6]還提出了一種基于最大檢測(cè)概率的傳感器管理方法，該方法實(shí)際上也采用了動(dòng)態(tài)規(guī)劃，這種方法對(duì)單目標(biāo)檢測(cè)具有較小的錯(cuò)誤率，但對(duì)多目標(biāo)檢測(cè)錯(cuò)誤率甚大，理由是該算法一旦察覺檢測(cè)概率最大的目標(biāo)，就不再去探尋其它目標(biāo)。Wasburn等[7]提出一種傳感器管理方法，該方法是基于動(dòng)態(tài)規(guī)劃預(yù)料未來傳感器管理決策的效果。

劉先省[8]等人基于效能函數(shù)提出了一種傳感器管理方法，這種方法實(shí)質(zhì)上是一種線性規(guī)劃，通過傳感器特性與目標(biāo)的有效配對(duì)以及目標(biāo)優(yōu)先級(jí)排序；建立線性規(guī)劃的目標(biāo)函數(shù)，并利用傳感器與目標(biāo)的配對(duì)和目標(biāo)優(yōu)先級(jí)排序定義一個(gè)濫用函數(shù)，將濫用函數(shù)用于對(duì)目標(biāo)函數(shù)作適當(dāng)?shù)男薷?；將傳感器分為單傳感器和多傳感器資源舉行科學(xué)合理調(diào)配。

1.2基于決策論或效用論的方法

Bier和Rothman[9]使用布爾矩陣定義一種基于傳感器才能和有效性的傳感器與目標(biāo)配對(duì)，利用傳感器性能模型預(yù)料傳感器對(duì)目標(biāo)的效能，以便量化各備選傳感器調(diào)配方案的臨界效益。探測(cè)、跟蹤和識(shí)別距離模型利用航跡文件的有效數(shù)據(jù)，可以進(jìn)一步預(yù)料量測(cè)性能，這樣就可以估計(jì)出每個(gè)可能的配對(duì)值，并用來計(jì)算一個(gè)調(diào)配目標(biāo)函數(shù)。Manyika和Durrant-Whyte[10]使用決策論的方法解決了分散化數(shù)據(jù)融合系統(tǒng)中的傳感器管理問題。Gaskell和Probert[11]也基于決策論方法建立了一個(gè)可移動(dòng)機(jī)器人的傳感器管理框架。

1.3基于信息論的方法

Hintz和McIntyre[12]等首先提出將信息論度量方法用于規(guī)劃單傳感器跟蹤多目標(biāo)，他們使用期望的熵變（由協(xié)方差的范數(shù)描述）作為期望信息增量以確定哪一個(gè)目標(biāo)將被更新。用這種度量方法可以使每個(gè)采樣間隔的信息量最大化。Hintz還將這種度量方法擴(kuò)展到自動(dòng)目標(biāo)識(shí)別系統(tǒng)。McIntyre和Hintz在一個(gè)仿真程序中同樣使用信息論中的熵，以實(shí)現(xiàn)對(duì)目標(biāo)探尋與跟蹤的傳感器資源調(diào)配。Schmaedeke[13]使用辨識(shí)力增量作為Nash線性規(guī)劃目標(biāo)函數(shù)中傳感器調(diào)配費(fèi)用，以確定傳感器對(duì)目標(biāo)的資源調(diào)配。此外還議論傳感器管理與非線性濾波的近似解法。Schmaedeke和Kastella[14]應(yīng)用辨識(shí)力增量以確定一個(gè)傳感器的辨識(shí)率層次。Dodin等[15]采用Kullback-Leibler熵計(jì)算代價(jià)系數(shù)，又引入單個(gè)傳感器組成的偽傳感器，對(duì)目標(biāo)和傳感器舉行有效的調(diào)配。

1.4基于隨機(jī)集合論的方法

Mahler[16-17]和Goodman[18]利用隨機(jī)集合論將Hintz和Kastella的基于信息論的傳感器管理方法推廣到更一般的處境，使得解決更為繁雜的傳感器管理系統(tǒng)成為可能。

綜上所述，基于隨機(jī)集理論的方法是傳感器管理方法的進(jìn)展趨勢(shì)，其可以解決繁雜環(huán)境下的傳感器管理問題。該方法將多傳感器、多目標(biāo)數(shù)據(jù)融合問題看作為單傳感器、單目標(biāo)的跟蹤問題，這樣傳感器調(diào)配就可作為非線性操縱理論中的最優(yōu)估計(jì)問題。在這個(gè)全局模型中，傳感器集被看作為一個(gè)單一的全局傳感器，目標(biāo)集被當(dāng)作一個(gè)單一全局的目標(biāo)，最優(yōu)操縱的目標(biāo)函數(shù)是關(guān)于單個(gè)目標(biāo)狀態(tài)不確定性的全局最小值。

2下一步研究工作

有限隨機(jī)集合統(tǒng)計(jì)學(xué)方法可以將多源信息融合的幾個(gè)主要片面統(tǒng)一在一個(gè)理論框架下，進(jìn)一步的研究工作是在這個(gè)理論框架下設(shè)計(jì)概括的傳感器管理算法。利用隨機(jī)集合理論對(duì)傳感器管理問題舉行描述，以解決更