龍文彪， 夏海寶， 楊 濤， 劉慶林， 彭 芳

(空軍工程大學 航空航天工程學院，陜西 西安 710038)

?

多傳感器目標指示交接動態(tài)聯盟建模與分析*

龍文彪， 夏海寶， 楊 濤， 劉慶林， 彭 芳

(空軍工程大學 航空航天工程學院，陜西 西安 710038)

為明確目標指示傳感器的指示對象，傳感器管理需要對能夠發(fā)生指示交接的傳感器組合進行預先組織與規(guī)劃。在充分考慮預警機各傳感器間的差異、引導概率及指示交接代價的前提下，引入動態(tài)聯盟，建立了多傳感器指示交接動態(tài)聯盟模型，通過限定傳感器的指示對象，確保指示交接任務的有序執(zhí)行。最后，針對幾種預警機傳感器目標指示交接的典型應用場景，利用改進型粒子群優(yōu)化(PSO)算法對模型求解，仿真驗證了模型的合理性和有效性。

傳感器管理； 目標指示交接； 傳感器規(guī)劃； 動態(tài)聯盟； 綜合探測概率

0 引 言

機載平臺上搭載的傳感器種類繁多，功能各異，同時衍生出大量量測信息冗余，為提高資源的有效利用和綜合探測效能，傳感器之間的協(xié)作是一種有效解決方式，而預先規(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。

針對規(guī)劃傳感器組合問題，文獻[1]提出了一種針對多目標連續(xù)、高綜合探測效率問題的多傳感器交叉提示多目標探測動態(tài)聯盟機制，但是傳感器類型不明，不適合預警機的實際特點。文獻[2]針對戰(zhàn)斗機作戰(zhàn)要求，提出利用數據鏈、電子戰(zhàn)系統(tǒng)、紅外搜索跟蹤雷達引導雷達參數的優(yōu)化，提高雷達的探測距離。文獻[3]針對無線傳感器網絡，利用遺傳算法設計動態(tài)聯盟過程，并進行求解。文獻[4]提出一種針對無線傳感器網絡的基于離散粒子群優(yōu)化(PSO)的目標分配算法，減少了網絡能耗并實現了負載均衡。文獻[5]針對大規(guī)模無線傳感器網絡中目標追蹤問題，引入聯盟覆蓋范圍和休眠盟員概念，消弱了傳感器網絡中節(jié)點的冗余和能量消耗，并提出一種更新機制確保跟蹤目標的連續(xù)性。但是這些模型大多針對分布式傳感器網絡特點，從通信帶寬，節(jié)點密度等方面給出目標優(yōu)化函數，對預警機的針對性不足，無法應用在預警機傳感器的指示交接問題上。

本文綜合考慮多種因素，針對預警機上的相控陣雷達、電子戰(zhàn)系統(tǒng)、通信偵察、紅外搜索跟蹤系統(tǒng)的目標指示交接，建立了預警機多傳感器目標指示交接動態(tài)聯盟模型，并利用改進型PSO算法對其求解。

1 基于動態(tài)聯盟的通用傳感器管理模型

基于動態(tài)聯盟的通用傳感器管理模型主要用于無線傳感器網絡的傳感器資源配置。文獻[1]闡述了其組建步驟。

現假設傳感器動態(tài)聯盟模型矩陣為

(1)

其中,T,N分別表示任務數和傳感器數,xit為二值函數

(2)

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

1)多傳感器綜合探測概率

假設傳感器i對目標t的探測概率表示為Pdit(0

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

(1-PdNt)xNt.

(3)

2)目標覆蓋

假設傳感器聯盟Φt中的傳感器個數Mt，目標覆蓋要求Mt需滿足

(4)

3)傳感器資源限制

假設傳感器i能同時處理Qi個任務，則在某一時刻需滿足如下不等式

(5)

2 預警機多傳感器目標指示交接動態(tài)聯盟建模

2.1 預警機多傳感器目標指示交接的特殊性

預警機作為一個綜合的多傳感器平臺，相對于分布式傳感器網絡中的多傳感器目標指示與交接問題，其特殊性主要在于:

1)傳感器分布集中:配置在同一平臺，傳感器間的相對位置可以忽略。

2)傳感器數目相對不足。

3)單個傳感器的智能化程度高:每個傳感器包含多種工作模式，并且都能以不同方式實現對目標的側向或定位。

4)傳感器間差異較大:AESA屬于有源傳感器，ESM,CSM與IRST屬于無源傳感器，它們在工作原理、量測維度、量測精度、數據率、抗干擾能力、適用場景等方面都存在很大差別。

5)載機平臺速度不高、機動性不強:傳感器的運動可以認為是勻速運動，不進行滾轉等高機動動作，傳感器對目標的方位、俯仰短時內不會發(fā)生大的變化，目標探測可認為是等探測概率事件。

上述差異決定了分布式無線傳感器網絡中的動態(tài)聯盟模型無法解決預警機多傳感器目標指示交接問題。

利用這種差異性，可從以下幾個方面優(yōu)化傳感器聯盟建立過程中的目標函數。

1)傳感器間的引導概率

引導概率用于量化傳感器間對目標的指示交接能力。引導概率與目標指示傳感器的狀態(tài)估計精度、被引導傳感器的視域、搜索能力以及指示交接過程中由于目標相對運動產生的方位角偏差等因素有關。此外，對于不同的傳感器組合，其引導概率的影響因素也存在差異。

表1 引導概率

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)指示交接過程的時間代價

指示交接過程的時間代價取決于指示信息精度和被引導傳感器的探測能力，包括被引導傳感器從收到目標指示信息到確認截獲目標所用的時間、傳感器與融合中心信息交換的時延兩部分。

四種傳感器間的目標指示交接的歸一化時間代價Ctime如表2。

表2 歸一化時間代價

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)傳感器探測概率

預警機傳感器對不同目標的探測能力存在較大差異，例如:AESA對非隱身目標的發(fā)現距離遠大于對隱身目標、巡航導彈發(fā)現距離；ESM和CSM只能在目標輻射源開機的情況下進行側向與定位；IRST的探測能力會受目標的飛行速度、姿態(tài)、航向、高度等因素影響，因此,需要通過定義探測概率量化各傳感器對目標的探測能力。

在分層的基礎上并規(guī)定雷達對干擾機的探測能力為0，傳感器目標對六種典型目標的探測概率Pd如表3。

表3 探測概率

Tab 3 Detection probability

傳感器目標B—52B—2F/A—18F—22EC—130H巡航導彈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)指示交接過程的傳感器資源代價

傳感器資源代價用于量化被引導傳感器在執(zhí)行任務中對自身模式、功率、孔徑等資源的消耗。傳感器的資源代價通常與探測目標的類型有關，被引導傳感器的探測能力決定其搜索截獲目標時的資源消耗。

2.2 機載多傳感器目標指示交接動態(tài)聯盟建模

假定只考慮常規(guī)飛機、隱身飛機、電子戰(zhàn)飛機、巡航導彈這四類典型目標，規(guī)定雷達對電子戰(zhàn)飛機的歸一化資源消耗為1，各傳感器探測六種典型目標時的歸一化資源代價Cresourse如表4所示。

表4 歸一化資源代價

Tab 4 Normalized resource cost

傳感器目標B—52B—2F/A—18F—22EC—130H巡航導彈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上，從以下兩方面重新定義優(yōu)化目標函數并建立模型:

1)指示交接中的多傳感器綜合探測概率

(6)

對上式等號兩邊取對數得

(7)

2)指示交接代價

(8)

其中,α和β(β=1-α)分別為時間代價和傳感器資源代價的權重，考慮到指示交接過程的時間緊迫性，規(guī)定α>β。

3)傳感器數目

Φt中所包含傳感器的總個數Rt表示為

(9)

由此預警機多傳感器目標指示交接動態(tài)聯盟模型為:

目標函數

(10)

其中,wt為目標t的優(yōu)先級。

約束條件

(11)

3 基于改進型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[11]提出粒子變異思想，使基本PSO算法適應于離散問題，但是需要明確變異的時機。

利用粒子相似度、豐富度可以量化描述粒子群的多樣性，通過全程監(jiān)控相似度和豐富度的值可以確定粒子變異時機，并在滿足變異要求時進行變異操作，使粒子多樣性始終維持在一個較高的水平，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 目標指示交接動態(tài)聯盟仿真驗證與結果分析

算法參數設置如下:每個粒子是長4N(N代表目標數)的“0-1”向量，粒子個數為100，算法迭代1 000次，粒子的個體豐富度門限為0.3，全局豐富度門限為0.45，時間消耗權重α=0.8、資源消耗權重β=0.2。PSO算法的適應度函數為

(12)

歸一化時間代價矩陣Ctime表示為

場景1預警機探測由一架B—52、六架F/A—18和一架EC—130H組成的常規(guī)目標突防編隊。各傳感器對目標的探測概率矩陣Pd定義為

Pd(4×8)=

傳感器探測目標時的歸一化資源代價矩陣Cresourse定義為

目標優(yōu)先級權重向量W定義為

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

場景2預警機探測由一架B—2、四架F—22組成的隱身編隊目標以及一枚巡航導彈目標。傳感器對目標的探測概率矩陣定義為

Pd(4×6)=

傳感器探測目標時的歸一化資源代價矩陣Cresoures定義為

目標優(yōu)先級權重向量W定義為

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

每種場景下算法的收斂情況如圖2所示?？梢钥闯?粒子的最佳適應值隨算法的迭代逐漸降低，說明針對離散最優(yōu)化問題的改進型PSO算法在每種場景下都能取得較好的收斂效果。圖3是每種仿真場景下對粒子全局豐富度的統(tǒng)計，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題。表明改進型PSO算法在各仿真場景下都有較高的搜索效率，能夠有效對模型進行求解。

圖2 算法收斂情況

圖3 粒子豐富度統(tǒng)計

表5、表6分別是在場景1和場景2下模型輸出每個目標對應的傳感器聯盟組合,其中，“√”表示傳感器屬于事件的動態(tài)聯盟組合。從表5可知，對于重點目標B—52的探測由ESM和CSM向雷達進行目標指示；對于電子戰(zhàn)飛機的探測由ESM向IRST進行目標指示；對于高優(yōu)先級的常規(guī)目標由ESM向雷達做出目標指示；對于低優(yōu)先級的常規(guī)目標通常不考慮指示交接需求。

表5 場景1下目標指示交接動態(tài)聯盟

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

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

從表6可知:對于重點目標B—2由ESM和CSM對雷達做出目標指示；對于巡航導彈由IRST向雷達做出目標指示；對于隱身目標除了利用IRST指示雷達外，當優(yōu)先級較高時還存CSM指示IRST的情況。

表6 場景2下目標指示交接動態(tài)聯盟

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

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

5 結 論

本文在深入分析預警平臺傳感器特點的基礎上，從傳感器間的引導概率、指示交接時間代價、資源代價等方面重新定義了模型優(yōu)化的目標函數，建立了預警機多傳感器目標指示交接動態(tài)聯盟模型，并在兩種典型的作戰(zhàn)場景下通過改進的PSO算法對模型進行了仿真驗證，求解出了預警機在不同場景下發(fā)生指示交接的傳感器組合，解決了指示交接任務能夠有序執(zhí)行的問題。

[1] 樊 浩，黃樹彩，高鳳美，等.多傳感器交叉提示多目標探測動態(tài)聯盟技術研究[J].宇航學報，2001,32(11):2380-2386.

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

[3] 張 石，張 哲，朱吉昌.基于遺傳算法的傳感器網絡動態(tài)聯盟研究[J].計算機科學，2008,35(4):20-22.

[4] 陳國龍,郭文忠,陳羽中.無線傳感器網絡任務分配動態(tài)聯盟模型與算法研究[J].通信學報,2009(11):48-55.

[5] 陳建霞，于海濱.一種面向無線傳感器網絡協(xié)同任務分配的動態(tài)聯盟更新機制[J].傳感技術學報，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用[J].測試技術學報,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.無線傳感器網絡空中目標跟蹤任務分配技術的研究[J].宇航學報,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用研究[D].西安:西安電子科技大學,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

航空科學基金資助項目(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，研究方向為雷達信號處理、傳感器管理。