论文部分内容阅读
分布式融合结构是指在空域和时域上分散,实现信息交互和功能协同的多节点融合结构。分布式融合结构中各节点基于通信网络连接并进行目标信息融合处理,实现对区域内的多传感器指挥控制,极大地提高了情报收集能力。针对多传感器间的信息冗余问题,结合信息图分析了融合节点间冗余信息产生的原因,利用贝叶斯算法消除共用节点间的冗余信息。在此基础上利用信息论方法研究传感器管理问题。本文主要内容安排如下:首先,简述了几种常见融合结构模型,并对其优势和不足进行了说明。针对分布式融合结构中不同融合节点之间输入信息相关性问题,重点介绍了分布式融合相关算法和基于信息论的传感器管理算法。其次,详细论述了分布式融合结构下的单连通和多连通融合的主要形式。根据上述不同融合节点间的信息传递机理,分析了冗余信息产生的原因,在此基础上针对无反馈和有反馈的层级结构,利用贝叶斯融合算法将通信信息分解为私有和公共信息,提出了去除冗余信息的相关理论。通过去除冗余信息后使各节点的目标状态估计值与各节点状态估计的平均值偏差逐渐减少且能够较快的收敛,同时传感器融合位置误差很小,比未进行冗余信息消除的情况小了一个数量级,且不会发散。仿真结果表明通过去除冗余信息后系统能够达到良好的跟踪效果。再次,针对传统基于协方差控制的传感器管理算法中,目标期望协方差由人为给出,容易存在偏差且当目标跟踪精度要求过高时,易导致目标函数无解或不存在最优解;以及Rényi信息增益通过比较概率密度函数的近似程度来表示当前状态下的信息的差异,因而更加强调某个局部信息。在以信息论为基础传感器管理方法上,利用Rényi信息增益算法和协方差算法各自的特性,提出了一种基于Rényi信息增益算法和协方差算法联合控制的多传感器管理。利用“Rényi信息增益”和“协方差”联合控制的思想相互验证,并由目标跟踪精度进一步完成传感器资源的分配。仿真结果表明,该算法在不同的场景中均能够提高跟踪精度,同时有效降低了传感器切换频率。最后,对本文的研究工作进行了总结与展望。