传感器协同管控的方法策略

国内外在传感器协同管控方面已经进行了许多探索性的研究，很多领域的技术已经被广泛应用于军民用传感器协同管控，主要包括线性规划、信息熵、随机粗糙集理论、专家系统及概率论等其他系统的传感器协同等。

1.基于线性规划的传感器协同管控方法

规划论是解决管理问题的最主要工具之一，目前用于传感器管理方面的主要有线性规划、动态规划和非线性规划等。基于线性规划的传感器协同理论建立在目标优先级和传感器与目标配对函数的基础上，通过构造效能函数和浪费函数，综合考虑了传感器对目标检测、分类和跟踪中的传感器资源分配问题。尽管该方法仍然是一种简单且考虑较全面的方法，但在配对和优先级函数的具体因素量化上以及如何引入浪费函数上还有待进一步研究。利用动态规划可以很好地描述和解决如何获得量测序列的动态检测问题。在目标动态分类中，利用动态规划方法对目标进行分类，通过将传感器资源的约束条件修改为期望约束条件，引入拉格朗日因子，将多目标动态规划问题解耦成多个单目标动态规划问题，可有效地解决目标的检测与分类问题，但该方法计算量较大，不适于工程应用。

2.基于信息熵的传感器协同管控方法

信息熵是信息论中不确定性的一种最原始的定量表示方法。基于信息熵的方法主要有：Hintz 和McIntyre 等首先提出将信息论度量方法用于规划单传感器跟踪多目标，他们使用期望的熵变（由误差协方差阵的范数描述）作为期望信息增量以确定哪一个目标将被测量，这样可以使每个采样间隔获得的信息量最大化。此外，McIntyre 还利用网格理论给出一种动态确定检测、跟踪与识别优先级的方法。Hintz 还将这种信息度量方法扩展到自动目标识别系统。McIntyre 和Hintz 在一个仿真程序中同样使用信息论中的熵，以实现对目标搜索与跟踪的传感器资源分配。此外，B.D.Leon、Addison、Dunkelberger、E.Liggins Martin 和I.Y.Hoballah 也将这种信息度量方法应用到分布式传感器管理领域。根据信息论的观点，传感器管理的目的就是与目标环境相互作用以减少目标环境的不确定性。而这些不确定性就可以通过信息熵来描述，从而可采用基于信息熵的方法来进行传感器管理，通过一个量测执行前后信息熵的减少可以求得信息增量，利用量测前后误差协方差矩阵的变化计算信息熵的变化，使信息增量最大可实现对传感器资源的合理分配，但该方法需要精确的量测误差模型，这在实际工作中较难获取。

3.基于随机集合理论的传感器协同管控方法(www.xing528.com)

为了更好描述和解决多传感器多目标系统的资源分配问题，并采用相应的方法改善系统性能，Goodman 和Mahler 利用随机集合理论将Hintz 和Kastella的基于信息论的传感器管理方法推广到更一般的情况，使得解决更为复杂的多传感器多目标系统成为可能，不过这种方法所要解决的数学问题也较为复杂。

4.基于专家系统的传感器协同管控方法

A.Cowan Rosa 给出了一个模拟的专家系统，用于典型战术飞机的传感器管理，并对使用专家系统的跟踪性能进行了报道，其性能远优于不使用专家系统的情况。Leon 描述了战略传感器网络中的传感器管理和控制的专家系统。Hui和J.Patrick 针对飞机导航使用的传感器，给出了一个专家管理系统，此系统可对传感器资源进行有效分配以获得最优导航性能。

5.其他传感器协同管控方法

Fung、Horvitz 和Rothman 基于贝叶斯概率论和流程图建立了一个传感器管理结构。Gaskell 和Probert 基于决策论方法建立了一个可移动机器人的传感器管理框架。Wang Guohong 提出了多传感器数据融合系统的自适应传感器管理方法，该方法利用位置融合似真度和目标类型融合一致因子对传感器资源进行分配，不需要积分运算，因此计算比较简单，但工程应用尚处于探索阶段。