技术领域
[0001] 本
发明属于多传感器管理领域,具体涉及一种车载
传感器系统的闭环协同调度框架及调度方法。
背景技术
[0002] 进入20世纪70年代以后，多传感器系统大量涌现。相对于单传感器，多传感器系统可以获得更多、更精确的观测信息。20世纪中后期，多传感器系统结合不同的平台形成车载传感器平台，并开始广泛应用于目标
跟踪领域。由于环境的多变性、目标状态变化的不确定，需要对多传感器进行合理的配置以实现对目标的精确、稳定追踪，多传感器管理的研究因此受到更广泛的关注。合理有效的传感器管理策略一方面能够实现对传感器资源最有效的利用，另一方面也可以减轻操作员负担，最终实现目标跟踪任务的效能最大化。
[0003] 目标跟踪是指通过对传感器的观测信息进行融合，得到目标的状态估计并对目标进行下一个时刻状态预测，这些估计以及预测信息通过
人机交互界面呈现为目标的态势图像，并用于指导平台路径规划，从而实现对目标的精确
定位与追踪。传感器通过对当前环境的观测给出合适的调度方案，进行目标识别、分类随着多传感器系统应用的场景越来越复杂化，数据融合得到的目标状态图像很快失效，转瞬即逝以及不易辨别的目标需要传感器调度具有更大的灵活性。传统的车载传感器系统采用开环的调度方法，即平台路径规划后产生的新环境观测需求无法传递给传感器系统，从而降低了传感器观测的
精度以及反应速度，增大了目标追踪的误差及
风险性。
[0004] 鉴于传统车载传感器资源管理的低效以及高风险性，本发明提出一种车载传感器系统的闭环协同调度模型。通过加入反馈控制形成回路，将平台路径规划后引起的环境观测需求及时反馈给传感器系统，传感器系统应用基于风险的调度
算法给出最佳调度方案，实现对目标的精确探测。传感器的观测信息进而通过数据融合中心转化为目标的态势图像用于平台路径规划。这个过程循环下去，从而使得数据融合的信息更加全面，平台路径规划更加准确，传感器调度决策更加灵活，最终实现复杂多变的环境下多传感器探测及目标追踪的风险最小化。
发明内容
[0005] 本发明所要解决的技术问题是通过构建车载传感器系统的闭环协同调度模型，以实现传感器资源的高效分配，最终实现多传感器探测、目标追踪的风险最小化。本发明构建了车载传感器系统的闭环协同调度框架，提出实现闭环协同调度的关键技术，最后给出基于闭环调度框架的传感器调度方法。
[0006] 为了达到上述目的，本发明的技术方案如下：
[0007] 一种车载传感器系统的闭环协同调度框架，如图1所示，包括传感器集合层、决策层和融合层；传感器集合层表示异构的传感器资源集合，传感器包括雷达、红外传感器和成像传感器。雷达、红外传感器和成像传感器执行决策层的命令，并产生各种类型的观测数据。
[0008] 车载传感器系统在工作环境中运作，工作环境包括被跟踪目标本身及影响其行为、表现和结果的环境因素。融合层结合环境因素以及传感器的观测数据，对目标进行状态估计以及下一个时刻的状态预测，并生成相应的目标态势图像。决策层利用融合层提供的数据信息以及目标态势图像，进行平台路径规划，产生的环境观测需求传递给车载传感器系统。决策层根据平台路径规划结果产生传感器的调度命令，指导传感器集合进行动作更新，实现复杂多变的环境下多传感器的精确探测和追踪。反馈回路持续进行，传感器观测数据在决策层、传感器集合层和融合层之间进行循环传输，以提升传感器观测的精度以及反应速度，降低目标追踪的误差及风险性。
[0009] 一种车载传感器系统的闭环协同调度方法，该方法采用
马尔科夫决策过程，主要包括两个步骤，第一步是根据目标状态信息进行平台路径规划，第二步是根据路径规划后产生的状态改变进行传感器调度决策。
[0010] 第一步：平台路径规划
[0011] 决策层的PRM采用传感器集合层的观测数据以及融合层的融合结果进行平台路径规划。
[0012] 平台路径规划构建基于奖励函数的目标函数，采用Fisher信息矩阵进行目标状态以及协方差的更新，通过最大化时间k处观测产生的N步时间步长上累积的信息增益规划平台下一时刻的运动轨迹，并通过对应每个目标的主观优先级因子和时间折扣因子来缩放信息增益表示准确性的衰减。
[0013] 步骤1：融合层计算时刻k传感器观测前的期望Fisher信息矩阵
[0014] 时刻k观测前的Fisher信息矩阵需要根据时刻k-1的目标状态进行预测，如式(2)所示：
[0015]
[0016] 其中πj(k)表示时刻k轨道j的观测概率，Pj(k|k-1)表示轨道协方差。
[0017] 对于真实轨道，轨道概率以及协方差由融合层的MHT直接给出，对于伪轨道，πj(k)计算公式如式(1)所示，Pj(k|k-1)通过人为输入得到，使得其3-σ误差椭圆处于预期的搜索单元内，σ为标准差常数。
[0018]
[0019] 其中πD(k,s,j)是传感器s在时刻k处检测伪轨道j的概率，由传感器观测层给出。
[0020] 步骤2：融合层计算时刻k传感器观测之后得到的期望更新Fisher信息矩阵[0021] 传感器观测后的Fisher信息矩阵由轨道观测概率、
观测矩阵以及观测噪声协方差矩阵得到，如式(3)所示：
[0022]
[0023] 其中πj(k)表示时刻k轨道j的观测概率，πD(k,s,j)是传感器s在时刻k处检测伪轨道j的概率，H(k,s,j)表示传感器s在时刻k处观测轨道j的观测矩阵，H(k,s,j)T为观测矩阵的转置矩阵，R-1(k,s,j)表示传感器s在时刻k处观测轨道j的观测噪声协方差矩阵的逆矩阵，以上数据由传感器观测层给出。
[0024] 步骤3：融合层计算时刻k由于传感器观测产生的信息增益
[0025]
[0026] 步骤4：融合层计算时刻k+1的预测期望Fisher信息矩阵
[0027] 基于时刻k的目标状态进行时刻k+1Fisher信息矩阵的预测，需要目标的状态转移矩阵以及产生的相应的过程噪声，如式(5)所示：
[0028]
[0029] 其中F(k)表示基于目标运动模型的状态转移矩阵， 表示时刻k观测后期望更新的Fisher信息矩阵的逆矩阵，F(k)T表示状态转移矩阵的转置矩阵，Q(k)表示过程噪声的协方差矩阵，以上数据由传感器观测层给出。
[0030] 步骤5：融合层计算时刻k+1的预测期望更新Fisher信息矩阵
[0031]
[0032] 其中πj(k)表示时刻k轨道j的观测概率，πD(k+1,s,j)是传感器s在时刻k+1处检测伪轨道j的概率，H(k+1,s,j)表示传感器s在时刻k+1处观测轨道j的观测矩阵，H(k+1,s,j)T为观测矩阵的转置矩阵。R-1(k+1,s,j)表示传感器s在时刻k+1处观测轨道j的观测噪声协方差矩阵的逆矩阵，以上数据由传感器观测层给出。
[0033] 步骤6：融合层计算时刻k+1的信息增益
[0034]
[0035] 步骤7：决策层递归地计算N个时间步长传感器观测的累积信息增益J(k)[0036] 计算时刻k由于传感器观测产生的未来N步累计信息增益，根据目标优先级以及折扣因子进行缩放。即优先级越高，距离时刻k越近，获得的信息收益准确性越高。
[0037]
[0038] 其中γ是奖励折扣因子，αj是目标优先级，根据目标威胁程度进行判定。是到达时刻l处的期望Fisher信息矩阵， 是所有传感器组件在时刻l处观测之后的期望更新的Fisher信息矩阵。
[0039] 第二步：传感器调度
[0040] 平台路径规划会产生新的环境观测需求，新的环境观测需求传给SRM进行传感器调度。SRM使用基于风险的奖励方法，同时考虑跟踪精度和对象特征，共同计算优化任务决策的奖励和成本，实现错误分类及丢失对象的风险最小化。
[0041] 系统预测的目标状态由连续运动状态向量x和目标类别的离散集合y组成。连续运动状态向量x和目标类别的离散集合y一起形成混合连续离散状态(x，y)。传感器调度决策的目标是选择一个特定的(x′,y′)作为候选解，即基于目标的观测运动状态信息x′给出目标的类型判断y′。决策的风险由成本函数Co(x,y；x′,y′)定义的实际状态以及实际状态的联合概率
密度函数(Probability Density Function,PDF)pXY(x,y)表示。
[0042] 决策层的PRM做出的平台路径规划结果会产生新的环境观测需求，这些需求传给决策层的SRM进行传感器调度。SRM基于PRM的平台路径规划结果进行传感器调度决策，决策的结果是在传感器集合层选择合适的传感器及其行为，以实现错误分类及丢失对象的风险最小化。
[0043] 步骤1：计算成本函数Co
[0044] 成本函数考虑了目标的运动状态以及分类信息，结合成本矩阵C以及ε向量矩阵E得到
[0045]
[0046] 其中Co(x,y；x′,y′)指的是决策(x′,y′)产生的成本，x′指的目标的观测运动状态信息，y′为基于x′做出的目标类型判断，cyy与cy′y由步骤1.1定义的成本矩阵得到，ε(y′)由步骤1.2定义的ε向量矩阵得到。
[0047] 步骤1.1：定义成本矩阵C
[0048] 成本矩阵定义如下：
[0049]
[0050] 其中，M表示
视野中目标的个数，K表示识别的种类，M和K基于平台路径规划结果得到。cMK表示将目标M识别为类别K产生的成本。
[0051] 步骤1.2：定义ε向量矩阵E
[0052] E＝(ε(1)...ε(K)) (11)
[0053] ε向量的元素为主观定义的，代表操作者对每个类别的不正确的运动状态估计产生的相对影响的判断，K表示识别的种类。
[0054] 将式(10)和式(11)带入式(9)，得到传感器调度决策的成本函数。
[0055] 步骤2：定义传感器调度的决策风险R(x′,y′)
[0056]
[0057] 其中Co(x,y；x′,y′)指的是决策(x′,y′)产生的成本，pXY(x,y)指的是实际状态(x,y)的概率密度函数。
[0058] 步骤3：决策层计算传感器观测后的状态概率密度函数p+′XY(x,y)[0059] 利用观测(z,w)进行更新之后的概率密度函数通过贝叶斯更新进行计算。
[0060]
[0061] 其中z表示观测向量，z∈RM，M为目标个数，R为实数集合，w表示对数据进行处理得到的离散类别信息，w∈{1...K}，K为目标识别的种类，θ表示传感器的动作参数，pZW(z,w|x,y；θ)表示在状态(x,y)下采用传感器动作θ得到的观测(z,w)的概率，pXY+(x,y)指的是观测时间处状态的预测概率密度函数，pZW(z,w；θ)表示测量似然函数。
[0062] 步骤4：决策层计算理论观测风险R+(z,w；θ)
[0063] 步骤4.1：理论观测风险R+(z,w；θ)
[0064]
[0065] 步骤4.2：计算理论观测风险R+(z,w；θ)
[0066] 将更新后状态的概率密度函数p+′XY(x,y)代入公式(14)：
[0067]
[0068] 步骤5：决策层计算预测的风险值
[0069] 因为实际的观测结果是存在误差的，所以SRM必须依靠风险的预期值，由(16)式给出：
[0070]
[0071] 将公式(15)的代入公式(16)，pZW(z,w；θ)项消去，得到：
[0072]
[0073] 步骤6：决策层计算传感器决策后的风险减少量J(θ)
[0074] J(θ)＝R+- (18)
[0075] 其中R+是在没有测量时的决策风险，由式(19)给出：
[0076]
[0077] 故传感器调度决策的目标就是选择合适的传感器行为，以最大化每个时间步骤上所有目标的总体风险减少量J(θ)。
[0078] 步骤7：传感器集合层选择风险最小的传感器动作θ
[0079] 根据决策层产生的调度结果，传感器集合层产生新的环境观测结果，进而开始新一轮传感器调度的闭环决策。
[0080] 本发明的有益效果：
[0081] 本发明实现传感器资源的高效分配，最终实现多传感器探测、目标追踪的风险最小化。
附图说明
[0082] 图1为车载传感器系统的闭环协同调度框架。
[0083] 图2为车载传感器闭环调度模型的实现。
[0084] 图3为车载传感器系统闭环协同调度模型中的信息传递。
具体实施方式
[0085] 下面结合
说明书附图来对本发明进一步说明。
[0086] 一种车载传感器系统的闭环协同调度方法，该方法采用
马尔科夫决策过程，主要包括两个步骤，第一步是根据目标状态信息进行平台路径规划，第二步是根据路径规划后产生的状态改变进行传感器调度决策。
[0088] 本发明设计了基于马尔科夫决策过程(Markov decision process，MDP)的方法进行车载传感器的闭环协同调度。首先，定义MDP的
状态空间、动作空间以及奖励函数。假定MDP为全观测，即传感器的观测可以完全反应环境的状态，则状态空间指的是传感器的观测信息。动作指的是影响实际或者潜在观测的传感器命令，例如向特定目标方向转动雷达的动作会产生对目标范围的观测。每个动作都会导致状态转变，并在实际结果中产生误差以及不确定性。奖励量化了由于动作以及随后的状态转变产生的信息增益。
[0089] 其次，定义车载传感器的调度策略。调度策略是给定信息状态的动作的函数。直观上，传感器调度策略可以被看作是一个表格或一个函数，用来
指定在不同的条件下采取哪种传感器动作。例如，一种可能的调度策略是将每个传感器分配给其最接近的目标，或者分配传感器瞄准点以最大化检测到的目标的预期数目。本发明的车载传感器主要应用于目标探测及追踪领域，因而调度策略为选择预期风险最小的传感器进行探测及目标追踪。
[0090] 最后，给出车载传感器调度的目标函数。目标函数是在阶段中积累的奖励的函数，并且可根据对特定任务的重要性的因素进行调节。例如，某些目标的状态信息所产生的奖励可以根据它们对任务的重要程度而升高或降低或者是根据动作的决定和实际执行之间的时间延迟，相应地减小期望奖励的折扣因子。本发明的车载传感器调度的目标函数基于风险模型，并结合了目标分类和运动信息以实现错误分类和丢失对象风险的最小化。
[0091] 2)车载传感器系统闭环协同调度模型的实现
[0092] 车载传感器闭环调度模型的实现如图2所示，其中传感器集合和环境单元共同组成了MDP的状态输入过程，具体指的是传感器资源对环境的一系列观测。融合层由一组上游数据融合组件(Upstream Data Fusion，UDF)和伪轨管理器组件(Pseudo-Track Manager，PTM)组成，结合传感器的观测信息进行数据关联以及融合，得到对目标的状态估计，并生成态势图像传输给决策层。决策层由一组动态资源管理器组件组成，包括平台路径规划以及传感器调度，前者产生信息状态的改变传输给后者，进而根据传感器调度策略生成最佳传感器分配决策。
[0093] 1状态输入
[0094] 状态主要是指传感器集合对环境要素的观测。传感器集合包括雷达，成像传感器以及红外传感器。雷达能够提供完整的目标
位置信悬，测距能
力强；成像传感器仅具有测
角能力，但其测角能力高；红外传感器具有测角精度高，跟踪能力强的特点。三种传感器相互补充，实现对环境状态的完整观测。环境状态主要对包括平台空
气动力学、卫星轨道传播、传感器现象学、目标动力学、目标特征、自然和人造地形、地面交通、天气、照明等。每个传感器生成由融合组件处理的合成测量数据。
[0095] 2上游数据融合(UDF)
[0096] UDF是指
传感器数据的处理、开发和融合尽可能接近原始传感器数据馈送。其功能由分布式自动化筛选器和融合
软件组件组成，它们执行对象级上行
数据挖掘，以检测、定位、跟踪和分类传感器观察到的对象。筛选器组件是传感器专用的，通常每个物理传感器或数据类型都有一个。对象级融合组件通过专
门用于处理特定数据类型的多假设跟踪器(Multiple Hypothesis Tracker,MHT)实现。MHT用来进行状态估计和数据关联的处理，以生成目标状态和分类估计的轨迹信息。
[0097] 3伪轨管理器(PTM)
[0098] PTM是一个自动化的
软件组件，它创建、销毁和更新潜在但不可观察的轨迹(即伪轨迹)，这些轨迹代表通过观察以前未被发现或丢失的目标而获得的信息收益，以及当不观察时随时间推移而导致的信息损失。PTM根据数据输入更新伪轨道，并提供系统信息状态的部分表示来补充由上游数据融合组件提供的信息状态。
[0099] PTM和UDF组件是互补的。UDF鼓励
控制器将传感器注意力引导到当前跟踪的对象，而PTM鼓励资源管理器组件将传感器注意力引导到可能发现的新的对象或重新获取的丢失对象的区域。控制器目标函数以相同的方式处理实际轨道和伪轨道，以实现搜索和跟踪的统一处理。
[0100] PTM通过应用伪轨道来模拟丢失或未被发现的物体的可能位置。对于真实轨道，轨道的协方差和概率由MHT直接给出，而伪轨道协方差通过初始化完成，使得其3-σ误差椭圆大致处于感兴趣的搜索单元内。伪轨道概率表示搜索单元中目标数量信息的确定性，它通过传感器观察来模拟信息的获取。在每个传感器扫描之后，以(1)式更新每个伪轨道j的概率：
[0101]
[0102] 其中πD(k,s,j)是传感器s在时间步k处检测伪轨道j的概率。等式(1)表示传感器观察伪轨道获得的信息增益。
[0103] 4动态资源管理实现
[0104] 动态资源管理通过一对交互式的随机优化控制器实现的：一个用作生成平台路径规划命令的平台资源管理器(Platform Resource Manager，PRM)，另一个用作生成传感器命令的传感器资源管理器(Sensor Resource Manager，SRM)。每个组件优化约束条件下基于信息的目标函数，并且PRM的结果被用作SRM的输入。PRM将MHT的分类估计信息转换为优先级值，以鼓励平台在视野内保持高优先级的轨道。SRM使用了基于风险的目标函数，将轨道分配给最低风险的传感器。由于PRM和SRM是独立优化的过程，所以SRM保持在较短的时间步长上，从而频繁地更新计划时间表，以迅速响应轨道状态或分类估计值的变化。
[0105] 图3表示车载传感器系统闭环协同调度模型中的信息传递，具体步骤如下：
[0106] 步骤一：传感器对环境状态进行观测，得到的观测信息传输给融合层并通过筛选器进行数据初步分析处理；
[0107] 步骤二；筛选器处理的传感器观测信息传输给MHT以及PTM，分别用来生成真实轨道以及伪轨道的状态估计，并生成
可视化的态势图像，传输给分析/展示层以及决策层；
[0108] 步骤三：决策层根据目标的态势信息进行平台路径规划，规划的结果传输给传感器管理器进行调度决策；
[0109] 步骤四：决策命令传输给传感器集合以进行新环境状态下的观测，并将观测结果反馈给融合层。
