[發(fā)明專(zhuān)利]一種基于加權(quán)信息增量最大化準(zhǔn)則的多傳感器分配方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201711446653.2
• 申請(qǐng)日: 2017-12-27
• 公開(kāi)（公告）號(hào): CN108334475B
• 公開(kāi)（公告）日: 2022-02-11
• 發(fā)明（設(shè)計(jì)）人: 葉顯;張龍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 成都西科微波通訊有限公司
• 主分類(lèi)號(hào): G06F17/16
• 分類(lèi)號(hào): G06F17/16;G06F17/18
• 代理公司: 成都正華專(zhuān)利代理事務(wù)所(普通合伙) 51229
• 代理人: 李蕊;何凡

1.一種基于加權(quán)信息增量最大化準(zhǔn)則的多傳感器分配方法，其特征在于：包括以下步驟：

S1、獲取目標(biāo)的先驗(yàn)概率和后驗(yàn)概率，獲取每個(gè)影響目標(biāo)權(quán)重的因素的權(quán)重評(píng)判函數(shù)值及權(quán)重系數(shù)；

S2、根據(jù)所述先驗(yàn)概率和后驗(yàn)概率分別得到先驗(yàn)信息熵和后驗(yàn)信息熵，并根據(jù)所述先驗(yàn)信息熵和后驗(yàn)信息熵得到信息增量矩陣；根據(jù)每個(gè)影響目標(biāo)權(quán)重的因素的權(quán)重評(píng)判函數(shù)值得到目標(biāo)的權(quán)重評(píng)判矩陣；

S3、根據(jù)每個(gè)影響目標(biāo)權(quán)重的因素的權(quán)重系數(shù)和目標(biāo)的權(quán)重評(píng)判矩陣得到目標(biāo)的權(quán)重向量；

S4、根據(jù)目標(biāo)的信息增量矩陣和權(quán)重向量得到加權(quán)信息增量矩陣；

S5、對(duì)所述加權(quán)信息增量矩陣進(jìn)行排序，并根據(jù)目標(biāo)數(shù)量輸出最優(yōu)分配矩陣；

步驟S1中獲取每個(gè)影響目標(biāo)權(quán)重的因素的權(quán)重評(píng)判函數(shù)值及權(quán)重系數(shù)的方法為：

根據(jù)權(quán)重限制公式

λ₁+λ₂+λ₃+...+λ_S＝1

分配每個(gè)影響目標(biāo)權(quán)重的因素的權(quán)重系數(shù)；判斷每個(gè)影響目標(biāo)權(quán)重的因素的狀態(tài)值與其權(quán)重評(píng)判函數(shù)值的相關(guān)關(guān)系，若為正相關(guān)關(guān)系，則根據(jù)公式

得到每個(gè)影響目標(biāo)權(quán)重的因素的權(quán)重評(píng)判函數(shù)值a_ij，

否則根據(jù)公式

得到每個(gè)影響目標(biāo)權(quán)重的因素的權(quán)重評(píng)判函數(shù)值a_ij；

其中0≤m1；h為每個(gè)影響目標(biāo)權(quán)重的因素的狀態(tài)值；h_min為每個(gè)影響目標(biāo)權(quán)重的因素的狀態(tài)值的下限；h_max為每個(gè)影響目標(biāo)權(quán)重的因素的狀態(tài)值的上限；S表示影響目標(biāo)權(quán)重的因素的總量；i表示第i個(gè)影響目標(biāo)權(quán)重的因素，i∈[1,S]；j表示第j個(gè)目標(biāo)；

步驟S2中根據(jù)所述先驗(yàn)概率和后驗(yàn)概率分別得到先驗(yàn)信息熵和后驗(yàn)信息熵，并根據(jù)所述先驗(yàn)信息熵和后驗(yàn)信息熵得到信息增量矩陣的方法為：

根據(jù)公式

分別得到先驗(yàn)信息熵H(k)和后驗(yàn)信息熵H(k+1k)，根據(jù)公式

I(k)＝H(k)-H(k+1|k)

得到信息增量I(k)，并根據(jù)卡爾曼濾波得到化簡(jiǎn)后的信息增量I(k)

根據(jù)化簡(jiǎn)后的信息增量I(k)得到k時(shí)刻時(shí)第a個(gè)傳感器分配給第j個(gè)目標(biāo)的信息增量矩陣I_aj(k)

其中M表示傳感器總量，a∈[1,M]；N表示目標(biāo)總量，j∈[1,N]；tr{·}表示矩陣的跡，P(k|k-1)表示k時(shí)刻目標(biāo)預(yù)測(cè)誤差協(xié)方差矩陣；P(k|k)表示k時(shí)刻目標(biāo)狀態(tài)估計(jì)矩陣；q(k)為k時(shí)刻觀測(cè)前的先驗(yàn)概率；p(k)為k時(shí)刻獲得量測(cè)后的后驗(yàn)概率；

步驟S2中根據(jù)每個(gè)影響目標(biāo)權(quán)重的因素的權(quán)重評(píng)判函數(shù)值得到目標(biāo)的權(quán)重評(píng)判矩陣的方法為：

根據(jù)公式

得到目標(biāo)的權(quán)重評(píng)判矩陣；

步驟S3的方法為：

根據(jù)公式

得到在k時(shí)刻時(shí)第j個(gè)目標(biāo)的權(quán)重向量C_j；

步驟S4的方法為：

根據(jù)公式

E_aj(k)＝C_j(k)×I_aj(k)

得到

得到k時(shí)刻時(shí)第a個(gè)傳感器對(duì)第j個(gè)目標(biāo)的加權(quán)信息增量矩陣E_aj(k)；其中a∈[1,M]，M表示傳感器總量；j∈[1,N]，N表示目標(biāo)總量；

步驟S5的方法為：

對(duì)矩陣E_aj(k)按從大到小進(jìn)行排序，得到排序后的矩陣E_aj'(k)，取矩陣E_aj'(k)的前N行的向量作為最優(yōu)分配向量，實(shí)現(xiàn)基于加權(quán)信息增量最大化準(zhǔn)則的多傳感器分配；N表示目標(biāo)總量。