摘要：对复杂防空作战环境下的传感器-目标分配(sensor target assignment,STA)问题进行了研究,建立了基于识别、跟踪、定位多阶段综合作战效能的分配模型。针对该模型,首先基于粒子群聚集度和进化度判断,对传统量子粒子群(quantum particle swarm optimization,QPSO)算法进行了改进,提出了自适应QPSO算法。然后,结合多粒子群协同和Memetic搜索策略,提出了基于协同Memetic自适应QPSO算法的STA求解方法。同时,为使粒子位置矢量反映分配方案,依据不同战场环境设计了两种特殊的粒子编码方案。最后通过仿真实验验证了所提算法的有效性。

摘要：针对降低移动式雷达/红外协同跟踪时的辐射风险问题,提出了一种移动式雷达/红外辐射控制的调度方法。首先,结合平台和目标的运动状态建立了目标跟踪模型,利用容积卡尔曼滤波预测跟踪精度;并引入辐射度影响建立了雷达辐射模型,给出了雷达辐射状态和系统辐射代价的预测方法;然后,以跟踪精度满足任务要求为约束条件,以长期辐射代价最小化为优化目标,构建了长期调度的目标函数;最后,针对求解时计算复杂度高的难题,设计了一种决策树搜索算法。仿真结果表明,文中所提调度方法与短期调度相比,具有更好的辐射控制效果,在决策步长为3时,其辐射代价下降了26.5%;且与固定位置调度比,文中方法能在改善跟踪性能的同时,降低辐射代价,在跟踪低速目标时,其跟踪误差和辐射代价分别下降了29.9%和30.5%。

摘要：针对多任务场景下的传感器调度问题,该文提出一种面向目标协同检测与跟踪的多传感器调度方法。首先,该方法基于部分可观马尔科夫决策过程(POMDP)构建传感器调度模型,并基于后验克拉美-罗下界(PCRLB)设计优化目标函数。其次,考虑传感器切换时间和目标数目的时变性,采用随机分布粒子计算新生目标的检测概率,给出了固定目标数目和时变目标数目情形下的传感器调度方法。最后,为满足在线调度的实时性需求,采用自适应多种群协同差分进化(AMCDE)算法求解传感器调度方案。仿真结果表明,该方法能够有效应对多任务场景,实现多传感器资源的合理调度。