协同探测中传感器管理的优化方法

肖 秦

(中国电子科技集团公司 第20 研究所，西安 710068)

随着现代战争思想的发展，以及高新技术在武器系统中的广泛及深入应用，战争的环境日趋复杂和恶劣，作战空间已由原来的一维发展到现在的海、陆、空、天、和电磁等多维，其要求舰队与岸基、空中作战飞机以至各兵种之间进行协同作战，将作战舰艇部队、作战支援部队和所属的平台以及卫星平台连接起来，实现各平台、各作战部队之间高速、大容量、实时的数据和信息交换，先敌实施精确打击和联合作战。

为此，在现代战场中，配备和使用了大量的传感器。但由于这些传感器的多样性以及信息来源的广泛性和信息类型的复杂性，不仅限制了传感器信息资源的有效利用，而且严重影响了传感器的合理使用，要使用好多平台传感器，使其在空间和时间上既能冗余又能互补，既能相互支持又能避免相互干扰，以组成范围广、纵深大的传感器网络，实现多层次、全方位的多维信息协同探测，必须对多平台传感器资源进行有效的协调管理控制。

多传感器系统需要在保证完成任务的同时，尽可能地隐蔽自己，为此多传感器管理系统必须能够在满足跟踪精度要求的前提下，最大限度地降低对资源的使用。基于该目的，本文在利用Ad Hoc 网络拓扑结构的基础上，对协同探测中传感器管理方法研究，在满足系统性能的前提下，对传感器资源，网络传输进行优化从而提高系统的抗毁性。

1 概述

通常条件下，协同探测系统链路分为3 层:以太网络层、光纤视频总线层、宽带无线通讯层(相控阵雷达组成的微波链)，以太网络层通信数据率为1 000 Mb/s，主要传递本平台传感器控制命令、故障信息、状态信息、航迹信息和作战信息等数据;光纤视频总线层通信数据率为2 Gb/s，主要传递宽带视频信息等数据;宽带无线通讯层通信数据率主要传递各平台经压缩处理后的目标传感器级态势信息、武器和传感器铰链信息、传感器控制信息、各平台传感器状态信息等。

在本文中仅考虑究宽带无线通讯层，即采用何种方式将分布在不同平台上的传感器进行组织运用，即实现传感器管理。为了实现分布平台中的传感器管理的高效性与抗毁性，采用基于Ad Hoc 的无线网络结构。

1.1 Ad Hoc 网络结构

Ad Hoc 网络的特点主要体现在以下几个方面:

1)动态变化的网络拓扑结构:Ad Hoc 网络中没有固定的通信设施和中央管理设备，网络节点可以随机地以任意速度朝任何方向移动，即网络拓扑结构的动态变化。

2)多跳通信:两个网络节点由于受到可用资源的限制，不能处在同一个覆盖网络内，可采用Ad Hoc 网络多跳通信，实现不同覆盖网络之间的源主机与目的主机之间的通信。

Ad Hoc 无线网络的拓扑结构可分为2 种:对等式平面结构和分级结构。

对等式平面结构中，所有网络节点地位平等。在分级结构的Ad Hoc 无线网络拓扑结构中，整个网络是以簇为子网组成的，每个簇由一个簇头和多个簇成员组成，簇头形成高一级网络，高一级网络又可分簇形成更高一级网络。每一个簇中的簇头和簇成员是动态变化、自动组网的。

分级结构根据硬件的不同配置，又可以分为单频分级结构和多频分级结构。单频分级结构使用单一频率通信，所有节点使用同一频率;而在多频分级结构中，若存在两级网络，则低级网络通信范围小，高级网络通信范围大，簇成员用一个频率通信，簇头节点用一个频率与簇成员通信，用另一个频率来维持与簇头之间的通信。

对等式平面结构和分级结构使用时各存在优缺点:对等式平面结构网络结构简单，各节点地位平等，源节点与目的节点通信时存在多条路径，不存在网络瓶颈，而且网络相对比较安全，但最大的缺点是网络规模受到限制，当网络规模扩大时，路由维护的开销呈现指数增长而消耗掉有限的带宽;分级结构网络规模不受限制，可扩充性好，而且由于分簇，路由开销小，虽然分级结构中需要复杂的簇头选择算法，但由于分级网络结构具有较高的系统吞吐量，节点定位简单，目前Ad Hoc 无线网络正逐渐呈现分级化的趋势，许多网络路由算法都是基于分级结构网络模式。本文中采用分级结构的Ad Hoc 无线网络将不同平台上的传感器进行组网，进而形成对不同平台传感器有效的管理能力。

1.2 传感器管理

传感器管理的范围包括空间管理、模式管理和时间管理，它由实际应用的信息需求、目标、事件的优先级等众多因素驱动。传感器管理功能包括目标排列、事件预测、传感器预测、传感器对目标的分配、空间和时间范围控制以及配置和控制策略。

多传感器管理体系结构与数据融合［1］系统的体系结构密切相关，有集中式、分散式和混合式3 种结构形式。集中式管理结构中，由融合中心完成所有的数据处理(扇区监视、目标跟踪、身份识别、态势和威胁估计等)，直接向各传感器发送控制命令，传感器仅负责执行控制命令。由于所有的处理工作都在融合中心进行，因此该方式存在计算量大和通讯瓶颈等缺点。在分散式结构中，数据是由一组局部代理分别在本地进行融合处理，每个传感器或平台可被看作是一个具有一定自动决策能力的智能设备。传感器之间的合作通过网络通讯机制来实现，各传感器共享局部融合信息并进行合作。分散式数据融合结构由于结构上具有可伸缩性，生存能力强的特点，然而，在分散式数据融合网络中，信息冗余会带来严重问题。

混合式结构可看作集中式和分散式的组合。这种结构中存在多个层次，顶层是全局融合中心，底层则由多个局部融合中心组成，每个局部融合中心负责管理一个传感器子集。由一个起中心作用的宏管理器和位于各传感器的微管理器组成。宏管理器负责高层次的战略决策，微管理器则负责对具体的传感器进行战术上的调度，尽最大能力执行宏管理器的命令要求。本文采用混合式的传感器管理方法，其结构如图1 所示。

图1 混合式的传感器管理示意图

2 实现方法

2.1 利用Ad Hoc 对传感器组网

在传感器组网中首先设定传感器管理中心，负责对各平台传感器进行调度。为了减少传感器管理中心本身的计算量及传感器管理中心与其它传感器平台之间的通信开销，可以将位于管理中心而与传感器有关的功能模块搬迁到传感器所在平台，各传感器平台本身具有管理能力，传感器对任务的分配可通过传感器之间的相互协商来确定，从而构成一个基于多代理的混合式管理结构［2］。这种结构中存在多个层次，顶层是全局管理中心，底层则由多个局部管理中心组成，每个局部管理中心负责管理一个传感器子集。该方法遵循如下的协商策略:管理中心将系统任务发送给能独立完成该任务的传感器，或能联合完成该任务的传感器组。此后，各传感器根据其自身的需要与相关的传感器，这一过程一直持续到管理中心发出下一组任务时为止。针对这一特点在传感器组网中采用2 层的分级结构。其网络拓扑结构如图2所示。

图2 两层结构的传感器结构

使用分簇机制，每个簇内将数据汇聚到局部传感器管理中心，在此过程中未减少数据流量，而在局部管理中心将本簇的传感器数据进行处理，并将处理后的数据传输给传感器管理中心。假设有m 个簇，一个簇有n 个成员，局部传感器管理处理后的数据能够减少到1/n，则在簇头将数据汇聚到融合中心的过程中节省(n-1)/n 的数据量。考虑到在局部管理中心汇聚过程中未减少数据量，而总的节省数据量为(n-1)/2n。

2.2 基于线性规划的传感器管理算法

目前传感器管理算法包括决策论或效用论、信息论、线形规划［3］、动态规划［4］、模糊集合论［5］以及人工神经网络等。本文中采用改进的线性规划法。

步骤1:目标-传感器进行再分配

将目标与传感器进行组合。如有3 个传感器，其构成的虚拟传感器组合序列为:c = {c1，c2，c3，c4，c5，c6，c7}其中:c1={1}，c2= {2}，c3= {3}，c4= {1，2}，c5= {1，3}，c6={2，3}，c7={1，2，3}，3 个传感器可以构造5 个子序列，子序列为p={p1，p2，p3，p4，p5}，其中:p1={{1}，{2}，{3}}，p2={{1，2}，{3}}，p3={{1，3}，{2}}，p4={{2，3}，{1}}，p5={{1，2，3}}它们的组合数依次为3，2，2，2，1:其中用U ={i，j}表示传感器组合和目标配对的分配效用，其中i 表示一个传感器组合，j 表示目标。传感器所有可能的分割序列用P 表示，分割p∈P 由Sp个组合组成。最佳规划是评估所有的可能的分割p∈P 中传感器组合，对目标t∈T 配对的效用和，最大的分割效用配对就是最佳规划。

xi，j=0 或1∀i=1，2…，Sp，j=1，2…t

xij=1 表示传感器组合i 与j 配对，xij=0 表示组合i 与j不构成配对。

为了工程中的使用方便，对线性规划算法进行优化设计，结合目标威胁等级与协同探测覆盖范围的约束条件将Ad Hoc 的分级结构应用于传感器组网中，以减少对通信资源的占用。

步骤2:传感器探测范围内目标进行预分配

根据作战任务要求、可能的威胁目标环境，确定传感器网内所采用的雷达类型配置，即按照区域的作战要求和攻防体系的层次，并兼顾到高、中、低空防空需求，量化传感器系统应达到的主要威力范围指标信息质量要求，从而可以有效降低线性规划算法的计算量。

所有传感器网内的传感器将所探测到的目标上报传感器管理中心节点，由中心节点进行数据处理，形成战场态势，并根据各个传感器探测范围对目标完成初次分配，确定该目标由哪个或哪几个传感器进行探测。如图3 所示，假设有3个传感器对应A、B、C，在其探测范围内共有1 ～12 个。其中目标1、2、3 直接由传感器A 进行探测，4、5、6 由传感器B 进行探测，7，8 由传感器C 进行探测，剩下的9，10，11，12 号目标再进行下一步的处理。

图3 传感器探测范围示意图

步骤3:判定目标优先级

基于信息论的传感器管理算法。以观测获取的信息增量最大的原则为被优化的指标，信息增量作为指标运算的度量方法，传感器的跟踪能力为约束参数。这种传感器管理算法仅仅考虑了传感器实施观测可以获取的信息，未考虑实际情况中目标的优先级，而在实际系统中，优先级高的目标应该首先予以观测。为此，在基于传感器管理算法中引入优先级的概念，对从各个目标获取的信息增量进行加权。

决定目标优先级的因素包括:身份(ID):目标身份(敌、我、不明)和类型(如歼击机、轰炸机、侦察机、运输机等)是确定目标优先级的关键因素;信息需求(IM):需要附加传感器信息以建立、提炼、更新被检测目标的位置，这是建立优先级的另一因素;威胁(TR):通常每个目标对本机的威胁程度可以依据敌方对我方的攻击时机、敌方杀伤力等来确定;时机(CH):使用我方武器打击并摧毁目标的能力的一个度量值，是指本机使用武器攻击并摧毁目标能力的度量值。火控需求(FR):若数据融合系统使用的传感器同时担负火控功能，则必须优先考虑火控请求。

根据以上细则，定义Γ(ID，IM，TR，CH，FR)为目标的优先级函数，它的最小值为0，最大值为1。其值是由所列因素经过适当的运算而获得。当有外部命令作用于目标时，其优先级最高，取Γ(.)=1，此时最佳规划函数(公式1)转化成

其中Γt为目标tj的优先级;

于是，在每个管理周期，传感器管理过程可以描述如下:1)计算传感器组合对目标的信息增量;

2)引入目标优先级;

3)计算综合信息增量;

4)解所示的最优化模型，即可得到传感器分配矩阵。

结合基于信息论传感器管理方法的优化问题，在选择传感器—目标配对时，采用以下准则:选择使综合信息增量最大的传感器—目标对。算法开始计算出S×m 个传感器—目标对的各自的综合信息增量，确定综合信息增量最大的传感器—目标对，假设为传感器j，目标t，则将传感器j 分配给使目标t。然后将传感器j 从传感器集合中删除，并更新剩余的传感器对目标t 的综合信息增量。这样一个传感器分配完毕。在更新后的(S-1)×m 个综合信息增量中，依据上面的步骤再次进行分配，直至传感器资源用完。

将此优化算法引入传感器管理算法后，算法改进为:

1)计算各个传感器对m 个目标各自的综合信息增量;

2)选择综合信息增量最大的传感器——目标对(j，t);

3)将传感器j 分配给目标t;更新目标t 的滤波误差协方差矩阵;

4)将传感器j 从传感器集合中删除;

5)若传感器资源用完，则算法结束;

6)更新传感器集合中传感器对目标t 的综合信息增量;

7)利用新的综合信息增量和目标集合重复步骤2。

为了得到一次传感器分配方案，这种近似算法大约需计算ms+s(s-1)/2 次滤波协方差更新，而在穷举法中，由于有ts种分配方案，每种分配方案需计算s 次，则它共需计算mss 次协方差更新，近似算法的计算量大大减少了，而且随目标与传感器数量的增加穷举法的计算量增长非常尖锐，而近似算法的计算量增长相对平缓。

3 仿真验证

3.1 场景

仿真中，在400 km×400 km，随机生成1 ～6 部传感器，不考虑其架高与视距。其探测范围依次是(50 km、100 km、200 km、250 km、300 km、400 km)仿真中，6 部传感器依次增加，并设定空域中有40 批目标，目标的位置在区域中随机放置，并在仿真中依次增加。

3.2 结果

经过仿真，结果如图4 所示，增加传感器探测范围内目标进行预分配及目标优先级判断条件算法(结合近似算法)前后进行比较可以看出，通过该算法大大提高了传感器与目标分配的效率。

图4 两种条件下的仿真结果

4 结束语

本文将传感器探测范围及目标优先级引入传感器管理算法的预处理中，能够有效减少传统算法的计算量，提高算法效率，如图4 所示，并在传感器组网中采用分层的Ad Hoc网络拓扑结构，可以降低传感器管理中信息传输负荷。随着传感器种类和数量的不断增加，在今后的研究中还需进一步的对同质、异质传感器，合作、非合作目标进行针对性的研究，提高传感器管理在工程上应用的合理性。

［1］周成伟，陈春良.基于D_S 证据理论的多传感器目标识别信息融合方法［J］. 四川兵工学报，2011，32（4）:56-58.

［2］田康生，朱光喜. 基于多代理技术的传感器管理系统［J］.现代雷达，2004，26（2）9-13.

［3］Nash JM. Optimal allocation of tracking resources［C］//Proceedings of the IEEE Conference on Decision and Control.New Orleans，Louisiana:IEEE，1977P:479-482.

［4］David A CastaAon. Approximate Dynamic Programming for Sensor Management［EB/OL］.［2002-02-07］.http//www.1go1.con.

［5］Keith Kastella. Discrimination Gain to Optimize Detection and Classification［J］.IEEE Transactions on Systems，Man，and Cybernetics，Part-A，1997，27（1）:112-116.

［6］陶鸣，俞鹤伟.分层结构Ad Hoc 网络中基于节点位置的通信改进［J］.通信技术，2009，42（1）134-136.

［7］李超良，胡春华.无线传感器网络中面向动态多跳的非均匀分簇路由［J］.中南大学学报:自然科学版，2011，42（7），2049-2053.

［8］陈林星，曾曦.移动Ad Hoc 网络——一种自组织分组无线网络技术［M］.北京:电子工业出版社，2006.

［9］方江，胡威标.空海一体战［M］.南京:中国人民解放军海军指挥学院出版社，2010.

［10］王小非.C3I 系统中的数据融合技术［M］.哈尔滨:哈尔滨工程大学出版社，2006.

［11］侯长军 黄清菁 霍丹群.检测金属离子的R-S-F 结构型荧光分子传感器研究进展［J］. 功能材料，2011，42（4）:581-585