基于多模型的低轨星座多目标跟踪传感器资源调度

《基于多模型的低轨星座多目标跟踪传感器资源调度》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第31卷第5期2010年5月航空学报ACTAAERONAUTICAETASTRONAUTICASINlCAV01．31NO．5May2010文章编号：1000—6893(2010)05—0946—12基于多模型的低轨星座多目标跟踪传感器资源调度王博1，安玮1，谢恺2，周一宇1(1．国防科学技术大学电子科学与工程学院，湖南长沙410073)(2．解放军炮兵学院军用光电工程教研室，安徽合肥230031)Multi—objectTrackingSensorSchedulingforLowEarthOrbitConstellationBasedonMulti-mod

2、elWangB01，AnWeil，XieKai2，ZhouYiyul(1．SchoolofElectronicScienceandEngineering，NationalUniversityofDefenseTechnology，Changsha410073，China)(2．CollegeofMilitaryPhotoelectricityEngineeringT&RSection，ArtilleryAcademyofPeople’SLiberationArmy，Hefei230031，China)摘要：针对低轨星座多目标持续跟踪传感器资源调度问题。首先将

3、目标跟踪任务划分为高精度任务集合和低精度任务集合，并分析了跟踪任务状态转移过程；然后，为两任务集合分别建立了基于动态优先级的优化调度模型，提出了一种基于多模型的实时传感器调度算法。不同场景下仿真实验表明，所提算法较之以跟踪精度为优化目标和以跟踪精度为门限约束的方法具有更强的适用性，尤其对于目标分布较为集中的情况，其目标丢失率大大降低，尽管个别目标的跟踪误差略有增大。关键词：低轨星座；传感器网络；调度算法；多目标优化；模型；跟踪中图分类号：TP212．9文献标识码：AAbstract：Todealwiththeproblemofsensorresourcesc

4、hedulingforcontinualmulti-objecttrackingwithlowearthorbitconstellation，theohjecttrackingtasksarefirstclassifiedintotwosets，i．e．，thehigherprecisiontasksetandthelowerprecisiontaskset，andtheirstatetransitionproceduresareanalyzed．Then，asensorschedulingmodelforeachtasksetisestablishedba

5、sedonthedynamicprioritytheory．Furthermore。anovelreal-timesensorschedulingalgorithmbasedonamulti-modelisproposed．Simulationsexecutedindiversesce—nariosindicatethattheapplicabilityoftheproposedalgorithmexceedsthatofthetraditionalmethodswhichconsiderthedilutionofprecisionastheoptimalo

6、bjectiveorthresholdconstraint．Tllisisespedallytrueinthecaseofmulti-objectscenariosofcentralizeddistribution．Thedrop-outratiooftheproposedmethodisgreatlyreducedascomparedwiththatofthetraditionalmethods，althoughafewobjectsshowslightlylargertrackingerrors．Keywords：lowearthorbitconstel

7、lation；sensornetwork；schedulingalgorithm；multiobjectiveoptimization；model；tracking由于低轨星座传感器动态组网、高速运动及空间广域分布，多探测目标全球随机出现且时空跨度大等原因，通常少量的传感器不可能完成对目标的全程跟踪。这种情况下，系统需要较多传感器之间的彼此协同、相互接力才能完成对多目标的全程持续跟踪，而解决跟踪交接问题的关键就是传感器资源调度技术。传感器调度，也称传感器管理或传感器分配，就是依据一段时间内的代价函数最优化，对未来收稿日期：2009—04—08；修订日期：20

8、09—07—03基金项目：中国博士后科学基金(200