多傳感器目標(biāo)指示交接動(dòng)態(tài)聯(lián)盟建模與分析*

龍文彪， 夏海寶， 楊 濤， 劉慶林， 彭 芳

(空軍工程大學(xué) 航空航天工程學(xué)院，陜西 西安 710038)

?

多傳感器目標(biāo)指示交接動(dòng)態(tài)聯(lián)盟建模與分析*

龍文彪， 夏海寶， 楊 濤， 劉慶林， 彭 芳

(空軍工程大學(xué) 航空航天工程學(xué)院，陜西 西安 710038)

為明確目標(biāo)指示傳感器的指示對(duì)象，傳感器管理需要對(duì)能夠發(fā)生指示交接的傳感器組合進(jìn)行預(yù)先組織與規(guī)劃。在充分考慮預(yù)警機(jī)各傳感器間的差異、引導(dǎo)概率及指示交接代價(jià)的前提下，引入動(dòng)態(tài)聯(lián)盟，建立了多傳感器指示交接動(dòng)態(tài)聯(lián)盟模型，通過(guò)限定傳感器的指示對(duì)象，確保指示交接任務(wù)的有序執(zhí)行。最后，針對(duì)幾種預(yù)警機(jī)傳感器目標(biāo)指示交接的典型應(yīng)用場(chǎng)景，利用改進(jìn)型粒子群優(yōu)化(PSO)算法對(duì)模型求解，仿真驗(yàn)證了模型的合理性和有效性。

傳感器管理； 目標(biāo)指示交接； 傳感器規(guī)劃； 動(dòng)態(tài)聯(lián)盟； 綜合探測(cè)概率

0 引 言

機(jī)載平臺(tái)上搭載的傳感器種類繁多，功能各異，同時(shí)衍生出大量量測(cè)信息冗余，為提高資源的有效利用和綜合探測(cè)效能，傳感器之間的協(xié)作是一種有效解決方式，而預(yù)先規(guī)劃傳感器指示與被指示的順序是傳感器協(xié)作獲利的前提。

針對(duì)規(guī)劃傳感器組合問(wèn)題，文獻(xiàn)[1]提出了一種針對(duì)多目標(biāo)連續(xù)、高綜合探測(cè)效率問(wèn)題的多傳感器交叉提示多目標(biāo)探測(cè)動(dòng)態(tài)聯(lián)盟機(jī)制，但是傳感器類型不明，不適合預(yù)警機(jī)的實(shí)際特點(diǎn)。文獻(xiàn)[2]針對(duì)戰(zhàn)斗機(jī)作戰(zhàn)要求，提出利用數(shù)據(jù)鏈、電子戰(zhàn)系統(tǒng)、紅外搜索跟蹤雷達(dá)引導(dǎo)雷達(dá)參數(shù)的優(yōu)化，提高雷達(dá)的探測(cè)距離。文獻(xiàn)[3]針對(duì)無(wú)線傳感器網(wǎng)絡(luò)，利用遺傳算法設(shè)計(jì)動(dòng)態(tài)聯(lián)盟過(guò)程，并進(jìn)行求解。文獻(xiàn)[4]提出一種針對(duì)無(wú)線傳感器網(wǎng)絡(luò)的基于離散粒子群優(yōu)化(PSO)的目標(biāo)分配算法，減少了網(wǎng)絡(luò)能耗并實(shí)現(xiàn)了負(fù)載均衡。文獻(xiàn)[5]針對(duì)大規(guī)模無(wú)線傳感器網(wǎng)絡(luò)中目標(biāo)追蹤問(wèn)題，引入聯(lián)盟覆蓋范圍和休眠盟員概念，消弱了傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)的冗余和能量消耗，并提出一種更新機(jī)制確保跟蹤目標(biāo)的連續(xù)性。但是這些模型大多針對(duì)分布式傳感器網(wǎng)絡(luò)特點(diǎn)，從通信帶寬，節(jié)點(diǎn)密度等方面給出目標(biāo)優(yōu)化函數(shù)，對(duì)預(yù)警機(jī)的針對(duì)性不足，無(wú)法應(yīng)用在預(yù)警機(jī)傳感器的指示交接問(wèn)題上。

本文綜合考慮多種因素，針對(duì)預(yù)警機(jī)上的相控陣?yán)走_(dá)、電子戰(zhàn)系統(tǒng)、通信偵察、紅外搜索跟蹤系統(tǒng)的目標(biāo)指示交接，建立了預(yù)警機(jī)多傳感器目標(biāo)指示交接動(dòng)態(tài)聯(lián)盟模型，并利用改進(jìn)型PSO算法對(duì)其求解。

1 基于動(dòng)態(tài)聯(lián)盟的通用傳感器管理模型

基于動(dòng)態(tài)聯(lián)盟的通用傳感器管理模型主要用于無(wú)線傳感器網(wǎng)絡(luò)的傳感器資源配置。文獻(xiàn)[1]闡述了其組建步驟。

現(xiàn)假設(shè)傳感器動(dòng)態(tài)聯(lián)盟模型矩陣為

(1)

其中,T,N分別表示任務(wù)數(shù)和傳感器數(shù),xit為二值函數(shù)

(2)

矩陣R中第t列非零元素的集合為傳感器聯(lián)盟Φt，盟員的選擇受綜合探測(cè)概率、目標(biāo)覆蓋、傳感器資源限制等因素影響[6]。

1)多傳感器綜合探測(cè)概率

假設(shè)傳感器i對(duì)目標(biāo)t的探測(cè)概率表示為Pdit(0

Pt=1-(1-Pd1t)x1t(1-Pd2t)x2t…(1-Pdit)xit…

(1-PdNt)xNt.

(3)

2)目標(biāo)覆蓋

假設(shè)傳感器聯(lián)盟Φt中的傳感器個(gè)數(shù)Mt，目標(biāo)覆蓋要求Mt需滿足

(4)

3)傳感器資源限制

假設(shè)傳感器i能同時(shí)處理Qi個(gè)任務(wù)，則在某一時(shí)刻需滿足如下不等式

(5)

2 預(yù)警機(jī)多傳感器目標(biāo)指示交接動(dòng)態(tài)聯(lián)盟建模

2.1 預(yù)警機(jī)多傳感器目標(biāo)指示交接的特殊性

預(yù)警機(jī)作為一個(gè)綜合的多傳感器平臺(tái)，相對(duì)于分布式傳感器網(wǎng)絡(luò)中的多傳感器目標(biāo)指示與交接問(wèn)題，其特殊性主要在于:

1)傳感器分布集中:配置在同一平臺(tái)，傳感器間的相對(duì)位置可以忽略。

2)傳感器數(shù)目相對(duì)不足。

3)單個(gè)傳感器的智能化程度高:每個(gè)傳感器包含多種工作模式，并且都能以不同方式實(shí)現(xiàn)對(duì)目標(biāo)的側(cè)向或定位。

4)傳感器間差異較大:AESA屬于有源傳感器，ESM,CSM與IRST屬于無(wú)源傳感器，它們?cè)诠ぷ髟?、量測(cè)維度、量測(cè)精度、數(shù)據(jù)率、抗干擾能力、適用場(chǎng)景等方面都存在很大差別。

5)載機(jī)平臺(tái)速度不高、機(jī)動(dòng)性不強(qiáng):傳感器的運(yùn)動(dòng)可以認(rèn)為是勻速運(yùn)動(dòng)，不進(jìn)行滾轉(zhuǎn)等高機(jī)動(dòng)動(dòng)作，傳感器對(duì)目標(biāo)的方位、俯仰短時(shí)內(nèi)不會(huì)發(fā)生大的變化，目標(biāo)探測(cè)可認(rèn)為是等探測(cè)概率事件。

上述差異決定了分布式無(wú)線傳感器網(wǎng)絡(luò)中的動(dòng)態(tài)聯(lián)盟模型無(wú)法解決預(yù)警機(jī)多傳感器目標(biāo)指示交接問(wèn)題。

利用這種差異性，可從以下幾個(gè)方面優(yōu)化傳感器聯(lián)盟建立過(guò)程中的目標(biāo)函數(shù)。

1)傳感器間的引導(dǎo)概率

引導(dǎo)概率用于量化傳感器間對(duì)目標(biāo)的指示交接能力。引導(dǎo)概率與目標(biāo)指示傳感器的狀態(tài)估計(jì)精度、被引導(dǎo)傳感器的視域、搜索能力以及指示交接過(guò)程中由于目標(biāo)相對(duì)運(yùn)動(dòng)產(chǎn)生的方位角偏差等因素有關(guān)。此外，對(duì)于不同的傳感器組合，其引導(dǎo)概率的影響因素也存在差異。

表1 引導(dǎo)概率

Tab 1 Cueing probability

指 示交 接AESAESMCSMIRSTAESA100較高ESM較低10低CSM中01中IRST較高001

2)指示交接過(guò)程的時(shí)間代價(jià)

指示交接過(guò)程的時(shí)間代價(jià)取決于指示信息精度和被引導(dǎo)傳感器的探測(cè)能力，包括被引導(dǎo)傳感器從收到目標(biāo)指示信息到確認(rèn)截獲目標(biāo)所用的時(shí)間、傳感器與融合中心信息交換的時(shí)延兩部分。

四種傳感器間的目標(biāo)指示交接的歸一化時(shí)間代價(jià)Ctime如表2。

表2 歸一化時(shí)間代價(jià)

Tab 2 Normalized time cost

指 示交 接AESAESMCSMIRSTAESA011中ESM中01較高CSM中10中IRST較低110

3)傳感器探測(cè)概率

預(yù)警機(jī)傳感器對(duì)不同目標(biāo)的探測(cè)能力存在較大差異，例如:AESA對(duì)非隱身目標(biāo)的發(fā)現(xiàn)距離遠(yuǎn)大于對(duì)隱身目標(biāo)、巡航導(dǎo)彈發(fā)現(xiàn)距離；ESM和CSM只能在目標(biāo)輻射源開機(jī)的情況下進(jìn)行側(cè)向與定位；IRST的探測(cè)能力會(huì)受目標(biāo)的飛行速度、姿態(tài)、航向、高度等因素影響，因此,需要通過(guò)定義探測(cè)概率量化各傳感器對(duì)目標(biāo)的探測(cè)能力。

在分層的基礎(chǔ)上并規(guī)定雷達(dá)對(duì)干擾機(jī)的探測(cè)能力為0，傳感器目標(biāo)對(duì)六種典型目標(biāo)的探測(cè)概率Pd如表3。

表3 探測(cè)概率

Tab 3 Detection probability

傳感器目標(biāo)B—52B—2F/A—18F—22EC—130H巡航導(dǎo)彈AESA高較低較高低0低ESM較低較低中中高低CSM較高中較高較低高低IRST高較高較高較高較低高

4)指示交接過(guò)程的傳感器資源代價(jià)

傳感器資源代價(jià)用于量化被引導(dǎo)傳感器在執(zhí)行任務(wù)中對(duì)自身模式、功率、孔徑等資源的消耗。傳感器的資源代價(jià)通常與探測(cè)目標(biāo)的類型有關(guān)，被引導(dǎo)傳感器的探測(cè)能力決定其搜索截獲目標(biāo)時(shí)的資源消耗。

2.2 機(jī)載多傳感器目標(biāo)指示交接動(dòng)態(tài)聯(lián)盟建模

假定只考慮常規(guī)飛機(jī)、隱身飛機(jī)、電子戰(zhàn)飛機(jī)、巡航導(dǎo)彈這四類典型目標(biāo)，規(guī)定雷達(dá)對(duì)電子戰(zhàn)飛機(jī)的歸一化資源消耗為1，各傳感器探測(cè)六種典型目標(biāo)時(shí)的歸一化資源代價(jià)Cresourse如表4所示。

表4 歸一化資源代價(jià)

Tab 4 Normalized resource cost

傳感器目標(biāo)B—52B—2F/A—18F—22EC—130H巡航導(dǎo)彈AESA低較高較低高1高ESM較低較低中中高低CSM較高中較高較低高低IRST低較低較低較低較高低

在上述通用模型的基礎(chǔ)上，從以下兩方面重新定義優(yōu)化目標(biāo)函數(shù)并建立模型:

1)指示交接中的多傳感器綜合探測(cè)概率

(6)

對(duì)上式等號(hào)兩邊取對(duì)數(shù)得

(7)

2)指示交接代價(jià)

(8)

其中,α和β(β=1-α)分別為時(shí)間代價(jià)和傳感器資源代價(jià)的權(quán)重，考慮到指示交接過(guò)程的時(shí)間緊迫性，規(guī)定α>β。

3)傳感器數(shù)目

Φt中所包含傳感器的總個(gè)數(shù)Rt表示為

(9)

由此預(yù)警機(jī)多傳感器目標(biāo)指示交接動(dòng)態(tài)聯(lián)盟模型為:

目標(biāo)函數(shù)

(10)

其中,wt為目標(biāo)t的優(yōu)先級(jí)。

約束條件

(11)

3 基于改進(jìn)型PSO的粒子多樣性的維持

PSO算法在迭代后期容易陷入局部最優(yōu)而導(dǎo)致算法搜索效率大幅下降[10]。為提高算法的全局收斂能力，文獻(xiàn)[11]提出粒子變異思想，使基本PSO算法適應(yīng)于離散問(wèn)題，但是需要明確變異的時(shí)機(jī)。

利用粒子相似度、豐富度可以量化描述粒子群的多樣性，通過(guò)全程監(jiān)控相似度和豐富度的值可以確定粒子變異時(shí)機(jī)，并在滿足變異要求時(shí)進(jìn)行變異操作，使粒子多樣性始終維持在一個(gè)較高的水平，從而提高算法的全局收斂能力[1]。

算法流程如圖1所示。

圖1 算法執(zhí)行流程圖

4 目標(biāo)指示交接動(dòng)態(tài)聯(lián)盟仿真驗(yàn)證與結(jié)果分析

算法參數(shù)設(shè)置如下:每個(gè)粒子是長(zhǎng)4N(N代表目標(biāo)數(shù))的“0-1”向量，粒子個(gè)數(shù)為100，算法迭代1 000次，粒子的個(gè)體豐富度門限為0.3，全局豐富度門限為0.45，時(shí)間消耗權(quán)重α=0.8、資源消耗權(quán)重β=0.2。PSO算法的適應(yīng)度函數(shù)為

(12)

歸一化時(shí)間代價(jià)矩陣Ctime表示為

場(chǎng)景1預(yù)警機(jī)探測(cè)由一架B—52、六架F/A—18和一架EC—130H組成的常規(guī)目標(biāo)突防編隊(duì)。各傳感器對(duì)目標(biāo)的探測(cè)概率矩陣Pd定義為

Pd(4×8)=

傳感器探測(cè)目標(biāo)時(shí)的歸一化資源代價(jià)矩陣Cresourse定義為

目標(biāo)優(yōu)先級(jí)權(quán)重向量W定義為

W=[1/4,2/25,2/25,1/10,2/25,2/25,2/25,1/4].

場(chǎng)景2預(yù)警機(jī)探測(cè)由一架B—2、四架F—22組成的隱身編隊(duì)目標(biāo)以及一枚巡航導(dǎo)彈目標(biāo)。傳感器對(duì)目標(biāo)的探測(cè)概率矩陣定義為

Pd(4×6)=

傳感器探測(cè)目標(biāo)時(shí)的歸一化資源代價(jià)矩陣Cresoures定義為

目標(biāo)優(yōu)先級(jí)權(quán)重向量W定義為

W=[1/4,1/6,1/9,1/9,1/9,1/4].

每種場(chǎng)景下算法的收斂情況如圖2所示?？梢钥闯?粒子的最佳適應(yīng)值隨算法的迭代逐漸降低，說(shuō)明針對(duì)離散最優(yōu)化問(wèn)題的改進(jìn)型PSO算法在每種場(chǎng)景下都能取得較好的收斂效果。圖3是每種仿真場(chǎng)景下對(duì)粒子全局豐富度的統(tǒng)計(jì)，可以看出:變異操作能使粒子豐富度始終維持在較高的水平，從而解決了PSO算法容易陷入早熟的問(wèn)題。表明改進(jìn)型PSO算法在各仿真場(chǎng)景下都有較高的搜索效率，能夠有效對(duì)模型進(jìn)行求解。

圖2 算法收斂情況

圖3 粒子豐富度統(tǒng)計(jì)

表5、表6分別是在場(chǎng)景1和場(chǎng)景2下模型輸出每個(gè)目標(biāo)對(duì)應(yīng)的傳感器聯(lián)盟組合,其中，“√”表示傳感器屬于事件的動(dòng)態(tài)聯(lián)盟組合。從表5可知，對(duì)于重點(diǎn)目標(biāo)B—52的探測(cè)由ESM和CSM向雷達(dá)進(jìn)行目標(biāo)指示；對(duì)于電子戰(zhàn)飛機(jī)的探測(cè)由ESM向IRST進(jìn)行目標(biāo)指示；對(duì)于高優(yōu)先級(jí)的常規(guī)目標(biāo)由ESM向雷達(dá)做出目標(biāo)指示；對(duì)于低優(yōu)先級(jí)的常規(guī)目標(biāo)通常不考慮指示交接需求。

表5 場(chǎng)景1下目標(biāo)指示交接動(dòng)態(tài)聯(lián)盟

Tab 5 Dynamic coalition of target cueing-handoff under scene 1

目標(biāo)B—52F/A—18F/A—18F/A—18F/A—18F/A—18F/A—18EC—130H優(yōu)先級(jí)1/42/252/251/102/252/252/251/4AESA√√√√√√√-ESM√--√---√CSM√-------IRST-------√

從表6可知:對(duì)于重點(diǎn)目標(biāo)B—2由ESM和CSM對(duì)雷達(dá)做出目標(biāo)指示；對(duì)于巡航導(dǎo)彈由IRST向雷達(dá)做出目標(biāo)指示；對(duì)于隱身目標(biāo)除了利用IRST指示雷達(dá)外，當(dāng)優(yōu)先級(jí)較高時(shí)還存CSM指示IRST的情況。

表6 場(chǎng)景2下目標(biāo)指示交接動(dòng)態(tài)聯(lián)盟

Tab 6 Dynamic coalition of target cueing-handoff under scene 2

目標(biāo)B—2F—22F—22F—22F—22巡航導(dǎo)彈優(yōu)先級(jí)1/41/61/91/91/91/4AESA√√√√√√ESM√-----CSM√√----IRST-√√√√√

5 結(jié) 論

本文在深入分析預(yù)警平臺(tái)傳感器特點(diǎn)的基礎(chǔ)上，從傳感器間的引導(dǎo)概率、指示交接時(shí)間代價(jià)、資源代價(jià)等方面重新定義了模型優(yōu)化的目標(biāo)函數(shù)，建立了預(yù)警機(jī)多傳感器目標(biāo)指示交接動(dòng)態(tài)聯(lián)盟模型，并在兩種典型的作戰(zhàn)場(chǎng)景下通過(guò)改進(jìn)的PSO算法對(duì)模型進(jìn)行了仿真驗(yàn)證，求解出了預(yù)警機(jī)在不同場(chǎng)景下發(fā)生指示交接的傳感器組合，解決了指示交接任務(wù)能夠有序執(zhí)行的問(wèn)題。

[1] 樊 浩，黃樹彩，高鳳美，等.多傳感器交叉提示多目標(biāo)探測(cè)動(dòng)態(tài)聯(lián)盟技術(shù)研究[J].宇航學(xué)報(bào)，2001,32(11):2380-2386.

[2] 路志偉，李 明，季曉光.基于傳感器協(xié)同技術(shù)的雷達(dá)搜索空域研究[J].航空計(jì)算技術(shù)，2006,36(5):5-8.

[3] 張 石，張 哲，朱吉昌.基于遺傳算法的傳感器網(wǎng)絡(luò)動(dòng)態(tài)聯(lián)盟研究[J].計(jì)算機(jī)科學(xué)，2008,35(4):20-22.

[4] 陳國(guó)龍,郭文忠,陳羽中.無(wú)線傳感器網(wǎng)絡(luò)任務(wù)分配動(dòng)態(tài)聯(lián)盟模型與算法研究[J].通信學(xué)報(bào),2009(11):48-55.

[5] 陳建霞，于海濱.一種面向無(wú)線傳感器網(wǎng)絡(luò)協(xié)同任務(wù)分配的動(dòng)態(tài)聯(lián)盟更新機(jī)制[J].傳感技術(shù)學(xué)報(bào)，2009,2(4):499-504.

[6] 馬小平,王鴻彥,徐立中.多傳感器管理研究及其應(yīng)用[J].測(cè)試技術(shù)學(xué)報(bào),2004(1):192-200.

[7] Bhaskar K,Stephen W,Ramon B.On the complexity of distributed self-configuration in wireless networks[J].Kluwer Journal on Telecommunication Systems,Special Issue on Wireless Networks and Mobile Computing，2003,22(1):201-211.

[8] Zheng D,Gen M,Cheng R.Multiobjective optimization using genetic algorithm[J].Engineering Valuation and Cost Analysis,1998,2:303-310.

[9] 劉 梅,李海浩.無(wú)線傳感器網(wǎng)絡(luò)空中目標(biāo)跟蹤任務(wù)分配技術(shù)的研究[J].宇航學(xué)報(bào),2007,24(4):960-965.

[10] 高 璇.粒子群算法優(yōu)化及其在圖像檢索中的應(yīng)用研究[D].西安:西安電子科技大學(xué),2003.

[11] David C,Deborah E,Mani S.Overview of sensor network[J].IEEE Computer,2004,37(8):41-49.

Modeling and analysis on target cueing-handoff using multi-sensor based on dynamic coalition*

LONG Wen-biao, XIA Hai-bao, YANG Tao, LIU Qing-lin, PENG Fang

(School of Aeronautics and Astronautics Engineering,Air Force Engineering University,

Xi’an 710038,China)

In order to indicate the sensors’ referents,it is necessary to manage the combination of sensors before cueing-handoff.Establish a multi-sensor target designation handoff dynamic alliance model and prescribes a limit to the referents,in order to make sure the orderly execution under the full consideration of differences of four active sensors,cueing probability and the costs of cueing-handoff.Lastly,by improved particle swarm optimization(PSO) algorithm to solve model,and the simulation proves rationality and effectiveness of the model.

sensor management; target cueing-handoff;sensor scheme; dynamic coalition,integrated detection probability

2015—01—13

航空科學(xué)基金資助項(xiàng)目(20145596025)

10.13873/J.1000—9787(2015)09—0030—05

TP 212

A

1000—9787(2015)09—0030—05

龍文彪(1989-)，男，湖南漣源人，碩士研究生，研究方向?yàn)槔走_(dá)信號(hào)處理、傳感器管理。