多机协同探测传感器管理*

0 引言

在空战中，形成空中优势与夺取制空权是现代空战主要的两大任务，其中，增大作战体系的最大同时攻击目标数目与最大同时跟踪目标数目是作战体系的关键需求[1]，机载传感器作为获取战场信息的关键装备，能否对其进行有效管理以满足作战体系攻击与跟踪需求，成为多机协同作战体系信息获取的关键所在[2]。文中针对典型的多机协同作战传感器系统应用问题进行研究，为完成多机协同作战任务提供支持。在多机协同作战传感器管理中，首要问题便是根据具体的作战任务分解出机载传感器的具体任务[3]，传感器任务主要包含：

1)达到待攻击目标的跟踪精度要求；

2)存在威胁目标的稳定跟踪精度要求；

HCl标准溶液的配制和标定实验是对酸碱滴定分析的应用，实验课采取讲授及演示和指导相结合，学生操作为主。通过对实验原理和实验过程的重点、难点及注意事项的讲述，对移液管及酸式滴定管的使用进行演示，使学生独立完成实验过程。

3)保持对新生目标的及时发现。

浦东开发开放对中国的意义非同小可。第一，上海一直都是中国的经济中心，是中央利税收入的重要来源，允许上海建立改革开放特区，象征着中国经济更大程度上向世界敞开了胸怀；第二，上海是中国最重要的港口城市，坐拥长江出海口，上海的开发开放将使其经济地位直接超越香港，成为亚洲第一大港口；第三，上海不仅可以辐射“长三角地区”，而且沿长江而上，可以将改革开放辐射延伸到中国西部，使改革开放在中国腹地开花。诚如小平同志1991年视察上海时所言：“开发浦东影响就大了。它不只是浦东的问题，也是上海发展的问题，更是利用上海这个基地发展长江三角洲和整个长江留余地问题，抓紧浦东开发不要动摇，一直到建成。”

多机协同作战传感器管理是多传感器系统管理的一个重要应用，在现代空战环境中综合管理各个传感器并使之形成高效的传感器系统是该应用的重要研究内容。文献[4]研究了传感器管理的结构与微观传感器管理，就形成了当前比较常用的宏观/微观式双层结构，但并未给出总体的管理框架。文献[5]针对传感器资源有限的问题，建立了传感器目标的代价函数矩阵，进而利用线性规划的方法对所跟踪目标进行传感器资源的最优分配，缺乏分配完成后传感器自身的资源管理。

文中将传感器管理的输入信息，即当前状态划分为平台状态和传感器信息状态，并根据两类状态输入，结合线性规划以及MAB模型的UCB算法进行传感器的协同控制，最终给出基于当前状态的传感器管理优化算法。

图1 系统管理框架

1 多机协同作战场景分析

Alfred O. Hero III在文献[6]中指出，用控制论的观点可以将传感器管理看作是在优化控制一个状态，通过选择测量策略，选择出离散信息以及传感器组合，把控制对象分割为物理动态和信息动态。如图2所示。

图2 动态控制

文中借鉴该思想，将传感器平台的运动变化考虑为物理动态，传感器与目标之间的信息交互看作信息动态。着眼于两类动态的巨大差异，才相应的提出了该双层优化管理方法。

两个层次其内涵分别是空时划分与资源管理，其中空时划分是基于当前空中各平台的位置或运动状态即物理动态进行划分的，相较于文献[7]分配对象增加了时间资源的划分，由于平台状态的变化相对较慢，因此划分是在静态状态下完成优化的；而传感器资源管理是建立在当前传感器与目标的信息交互状态上的，其管理时间往往是毫秒级的，因此在资源管理的时间维度上，可以认为空时划分是静态的，在获得空时划分结果后，再进行相应的资源管理。

2 传感器管理模型

2.1 模型基础

首先对与传感器管理相关场景所包含的各类变量进行说明，如表1。

表1 变量说明

变量代表相关场景A平台G已知目标S传感器L监视区域K传感器任务

假设条件：

1)将区域边缘划分为若干个检测单元，只考虑目标可能出现在边缘检测单元的检测问题，通常区域内的检测性能肯定好于边界；

2)在物理动态更新的周期T内，新目标始终在一个检测单元之中；

2.全面把握知识网络。历年考试题反映出“生物圈中的绿色植物”虽然高频考点是“光合作用”，但总体覆盖面比较广，所以教师在教学时，要广泛关注生物学概念，围绕概念展开教学，通过讲授、演示、实验、资料分析、讨论等，形成知识网络、概念地图，帮助学生理解，让学生把握各种概念的内涵以及概念之间的联系。

作为一种需要策划的、以活动为主要形式的服务，创新与创意是阅读推广活动的必然要求，同时也是保持品牌活力的关键。

3)只考虑传感器获取信息功能，未考虑隐蔽与抗干扰问题。

2.2 物理动态控制

2.2.1 任务需求

根据传感器自身任务需求，传感器必须在满足攻击或跟踪目标的精度要求的条件下，保持较高的新生目标发现性能。在一个物理动态周期内，目标或检测单元的信息增益与传感器在周期内耗费在其上的时间成正比。优化模型可以表示为下式：

y= min(ζn)

式中：

最大化y，求得τ。其中τij表示传感器i在该时间段T内耗费在目标j的时间，pij表示传感器i对目标j单位时间的信息获取量。

表示在时间段T内，各传感器i对检测单元n总的信息增益，其具体含义可能是信噪比，目标检测概率，检测信息增益等。其中τij表示传感器i在时间段T内耗费在检测单元n的时间，qin表示传感器i对检测单元n的单位时间的信息获取量。

2.2.2 控制策略

通过调整传感器与目标之间的信息交互时间来完成最优化目标信息获取水平。下面就是算法步骤：

温度是通过影响微生物膜的液晶结构、酶和蛋白质的合成与活性，以及RNA的结构和转录等影响微生物的生命活动，具体表现在2个方面：一方面，随着微生物所处环境温度升高，微生物细胞中的蛋白质和酶活性增强，生物化学反应加快，生长速率提高；另一方面，随温度上升，微生物细胞中对温度较敏感的组成成分（如蛋白质、核酸等）会受到不可逆的破坏。超过最适温度以后，生长速率随温度升高而迅速下降。

输入:L，S，G，A，K。

步骤:1)确定pij，qin;2)根据任务K，确定各个目标的跟踪精度要求ρ0;3)优化得到当前物理条件下的传感器，目标区域的空时划分。

输出:分配结果τij，τik。

通过以上分析可以看出，应变法实测是等效于加载点的载荷，包括实际飞行中作用于起落架上的外载荷和起落架系统本身的惯性载荷，即作用于起落架加载点的结构载荷。

算法的主要部分在于第三步的优化部分，该优化问题可以看作线性优化问题：

可以将该线性优化问题转化为标准的线性规划问题。

2.3 信息动态控制

根据当前的物理状态，优化获得了传感器与目标的空时分配，得到了各个传感器在一个物理状态周期内的时间任务分配结果，下面就是要根据该结果来完成各个传感器的资源管理。图3就是总体的传感器管理流程图。

图3 传感器管理流程

关于传感器资源管理部分，文献[8-9]都进行了一些研究。文中主要利用MAB模型[10-11]对波束控制进行描述，进而采用UCB指数方法[12]完成模型的应用。在完成雷达目标搜索时，首先将待探测空域划分为m个波束位置，进行一轮均匀搜索，据此得到初始的波位UCB指数，然后根据UCB指数进行波束的控制，根据UCB指数的策略，波束会倾向于回波幅度较高的位置，最终稳定在回波幅度最高的波位[13-14]，根据脉冲积累原理[15]，雷达会在目标存在的地方获得更强的回波信号，从而积累得以发现目标。

3 模型仿真

3.1 空时划分仿真

设置传感器与目标之间的单位时间探测信息交互量(表2)，即pij。并且目标1～3的任务设置为稳定跟踪目标，目标4为待攻击目标。

表2 传感器目标信息交互 s/km2

传感器目标123415 0007 0002 00040 00022 0007 0008 00012 000

根据任务得到单位时间目标的任务需求见表3。

表3 目标任务设置 1/km2

目标1234单位时间信息需求1001001002 500

根据线性规划得到传感器目标在单位时间内的划分结果见表4。

作者简介：杨莹，女，汉族，福建厦门人，厦门市五缘第二实验幼儿园，二级教师，本科学历，研究方向：学前教育。

在空时划分层，各个传感器得以在其最佳区域发挥优势，在二者性能所差无几的目标则共同完成其探测。

表4 优化结果

传感器目标1234搜索归一化时间10.020 00.007 400.062 50.910 1200.006 80.012 500.980 7

3.2 资源管理仿真

设置目标回波水平在杂波为高斯分布条件下，图4是目标回波归一化幅度为1～2时，雷达发现目标时刻目标出现波位与其他波位更新次数的比值(除去首次均匀搜索的一次)。

图4 波束更新时间比

由此可见在未发现目标之前，雷达将波束控制在目标存在区域的时间大约是其他波位的5倍，这与波束搜索策略的目的要求是一致的。接下来按照表5设置雷达工作环境与参数。

表5 参数设置

参数参数值归一化回波幅度1.4～5波位数目20探测归一化时间长度30虚警概率10-3

下面在雷达的目标发现概率和目标发现效率两个方面，将该方法与其他方法进行对比，主要是贪婪算法[16]和UCB-V指数[17]方法。文中的贪婪算法的具体设置是，仅仅更新探测当前目标回波幅度最高的若干个搜索单元，而不采用UCB指数。N=1代表每次更新仅仅检测回波幅度最高的一个波位单元，N=2表示每次更新检测回波幅度最高的前两个检测单元，该方法属于无随机探索的贪婪算法。结合文献[17]提出的带方差信息的UCB-V方法进行对比。

桩体采用泡沫混凝土作桩，桩径50 mm，桩间距100 mm，采用正方形布置，在溶洞平面范围内设置四根，具体布置如图2所示。

图5 目标搜索情况

在基于信息动态的资源管理中，各个传感器不断根据当前回波信息调整搜索策略，将更多资源配置于目标存在概率大的区域，使得雷达目标发现概率明显提升，获得同样的目标发现概率，文中提供方法较原先的均匀扫描方法对目标回波幅度的要求更低，降低幅度至少为噪声标准差的3倍。在功率上，该值对应的信噪比水平约为10 dB。

3）再次，从会议的主办方来看，笔者的调查结果显示此次中国航海日的志愿者们并未接受任何形式的语言服务培训。73%的受访志愿者们表示可以通过小组训练、圆桌会议、场景模拟等方式来进行语言培训，从而提高自身的口语表达以及跨文化交际能力。此外，还有32%的志愿者认为通过开设专门特色语言课程会对自身的ESP使用能力有所帮助。可见受访的志愿者们对活动培训十分看重，其缺失也成为志愿者无法提供便捷到位的语言服务的重要原因。

4 结论

文中针对多机协同传感器系统的工作方式进行研究，结合物理动态与信息动态将多机协同传感器管理划分为两个层次：空时划分层与资源管理层。从而将系统管理问题转化为两级数学优化问题，有效降低了系统的复杂度。仿真结果表明传感器可以协同有效完成任务，并通过资源管理提升传感器应用水平，在搜索状态下，发现目标功率信噪比较原先降低10 dB以上。

参考文献:

[1] 张金哲，韩晓明．基于改进AHP法的飞机超视距作战能

力评估[J]．火力与指挥控制，2009，34(10)：159-160．

[2] 杨秀珍，何友，鞠传文．多传感器管理系统研究现状与发展趋势[J]．传感器技术，2004，23(1)：5-8．

[3] 崔博鑫，许蕴山，夏海宝，等．基于任务控制的动态多传感器管理方案[J]．系统工程与电子技术，2012，34(12)：2473-2478．

[4] 杨秀珍，何友，鞠传文．传感器管理的结构与微观传感器管理仿真[J]．系统工程与电子技术，2004，26(11)：1581-1584．

[5] NASH J M. Optimal allocation of tracking resource[C]//IEEE.Proceeding of 1977 IEEE Conference on Decision and Control.[S.l.]：IEEE，1977: 1177-1180.

[6] HERO A O, COCHRAN D.Sensor management:Past,present,and future[J]. IEEE Sensors Journal, 2011, 11(12): 3064-3075.

[7] 刘钦．多传感器组网协同跟踪方法研究[D]．西安：西安电子科技大学，2013．

[8] XU B，YANG C Y，MAO S Y，et al. Adaptive search strategy in phased array radars[C]//IEEE. 2001 CIE International Conference on Radar Proceedings. [S.l.]：IEEE，2001: 250-254.

[9] WASHBURN R B，SCHNEIDER M K，FOX J J. Stochastic dynamic programming based approaches to sensor resource management[C]//IEEE. Proceedings of the Fifth International Conference on Information Fusion. [S.l.]：IEEE，2002: 609-615.

[10] KRISHNAMURTHY V, EVANS R J. Hidden Markov model multiarm bandits: A methodology for beam scheduling in multitarget tracking[J]. IEEE Transactions on Signal Processing, 2001, 49(12): 2893-2908.

[11] LA SCALAB F,MORAN B.Optimal target tracking with restless bandits[J]. Digital Signal Processing, 2006, 16(5): 479-487.

[12] 黄俊园．认知无线网络序贯频谱感知研究[D]．武汉：武汉大学，2014．

[13] AUER P, CESA-BIANCHI N, FISCHER P. Finite-time analysis of the multiarmed bandit problem[J]. Machine Learning, 2002, 47(2/3): 235-256.

[14] GITTINS J C. Bandit processes and dynamic allocation indices[J]. Journal of the Royal Statistical Society：Series B(Methodological), 1979, 41(2):148-177.

[15] 丁鹭飞，耿富录，陈建春．雷达原理[M]．3版．北京：电子工业出版社，2009：138-141.

[16] 陈红翠．认知网络中基于赌博机模型的信道选择机制研究[D]．重庆：重庆邮电大学，2016．

[17] 朱江，陈红翠，熊加毫．基于多臂赌博机模型的信道选择[J]．电讯技术，2015，55(10)：1094-1100．