针对部分可观多传感器多目标协同跟踪问题,提出了一种基于潜博弈的分布式优化算法。以传感器为博弈方,选择广义Fisher信息矩阵(Generalized Fisher Information Matrix,GFIM)为跟踪收益函数,将探测和通信约束下的多传感器多目标分配问...针对部分可观多传感器多目标协同跟踪问题,提出了一种基于潜博弈的分布式优化算法。以传感器为博弈方,选择广义Fisher信息矩阵(Generalized Fisher Information Matrix,GFIM)为跟踪收益函数,将探测和通信约束下的多传感器多目标分配问题描述为一个局部信息博弈模型,证明了该模型是一个潜博弈模型,至少存在一个可行的纯策略纳什均衡(Nash Equilibrium,NE)。为了提高计算效率,设计了一种改进并行最佳响应动态(Modified Parallel Best Response Dynamic,MPBRD)的分布式决策算法,分析了算法的复杂度。仿真结果显示,在小规模场景下,基于潜博弈的分布式优化算法能够达到集中式全枚举优化算法的跟踪性能,计算时间大大缩短。在大规模场景下,基于潜博弈的分布式优化算法具有较好的收敛性,满足大规模传感器决策的实时性需求。展开更多
提出了一种基于到达时间(time of arrival,TOA)和到达时间差(time difference of arrival,TDOA)的空中运动平台对目标高精度三维定位的无源定位方法。该方法使用3个辅站信号到空中运动平台的TOA以及辅站位置确定空中运动平台自身的位置...提出了一种基于到达时间(time of arrival,TOA)和到达时间差(time difference of arrival,TDOA)的空中运动平台对目标高精度三维定位的无源定位方法。该方法使用3个辅站信号到空中运动平台的TOA以及辅站位置确定空中运动平台自身的位置,然后依据目标散射回波到达各个辅站与空中运动平台的TDOA确定目标的位置。分析了三维TDOA目标定位模糊产生的原因,提出了一种无模糊的高精度TDOA目标位置求解算法。仿真结果表明,该算法比经典的TDOA定位算法精度高,而且不存在定位模糊,从而验证了该空中运动平台对目标进行无源定位方法的有效性以及正确性。展开更多
文摘针对部分可观多传感器多目标协同跟踪问题,提出了一种基于潜博弈的分布式优化算法。以传感器为博弈方,选择广义Fisher信息矩阵(Generalized Fisher Information Matrix,GFIM)为跟踪收益函数,将探测和通信约束下的多传感器多目标分配问题描述为一个局部信息博弈模型,证明了该模型是一个潜博弈模型,至少存在一个可行的纯策略纳什均衡(Nash Equilibrium,NE)。为了提高计算效率,设计了一种改进并行最佳响应动态(Modified Parallel Best Response Dynamic,MPBRD)的分布式决策算法,分析了算法的复杂度。仿真结果显示,在小规模场景下,基于潜博弈的分布式优化算法能够达到集中式全枚举优化算法的跟踪性能,计算时间大大缩短。在大规模场景下,基于潜博弈的分布式优化算法具有较好的收敛性,满足大规模传感器决策的实时性需求。
文摘提出了一种基于到达时间(time of arrival,TOA)和到达时间差(time difference of arrival,TDOA)的空中运动平台对目标高精度三维定位的无源定位方法。该方法使用3个辅站信号到空中运动平台的TOA以及辅站位置确定空中运动平台自身的位置,然后依据目标散射回波到达各个辅站与空中运动平台的TDOA确定目标的位置。分析了三维TDOA目标定位模糊产生的原因,提出了一种无模糊的高精度TDOA目标位置求解算法。仿真结果表明,该算法比经典的TDOA定位算法精度高,而且不存在定位模糊,从而验证了该空中运动平台对目标进行无源定位方法的有效性以及正确性。
