基于神经网络的传感器管理方法研究

论文总字数：16892字

目 录

1. 绪 论 3

1.1 引言 3

1.2 研究目的与意义 4

1.3 国内外研究现状 4

1.4 论文安排 5

2. 传感器管理 5

2.1 传感器管理与数据融合 5

2.1.1 数据融合定义 5

2.1.2 数据融合系统模式构成 6

2.2 传感器管理基本任务 6

2.2.1 传感器管理概述 6

2.2.2 传感器管理功能 7

2.3 传感器管理实现 8

2.4 传感器资源分配 9

2.5 本章小结 10

3. 人工神经网络 11

3.1 人工神经网络概述 11

3.2 前向多层神经网络 11

3.3 BP学习算法 12

3.4 模型建立 14

3.5 B-P算法的性能分析 14

3.6 本章小结 15

4.基于神经网络的传感器管理方法 16

4.1 BP神经网络在传感器管理中的应用 16

4.2 Matlab对神经网络系统的仿真 16

4.3 仿真结果 18

4.4 本章小结 20

5. 总结 21

参考文献 22

致谢 23

1. 绪 论

1.1 引言

在现代科学飞速进步的时代，关于计算机技术、传感器技术、信号检测与处理技术以及网络通信技术等都在不断的发展进步，数据融合技术在各个相关领域都得到了充分广泛的应用。为了更好的发挥数据融合技术的功能以及它的优越性，须要在环境条件允许的基础上，对有限的传感器资源进行适当且高效的调配，因此产生了传感器管理，它在后来的发展过程中也成为了数据融合系统中一个重要的组成部分，在数据融合过程在是不能缺少的。

在计算机技术持续发展的过程中，神经网络也出现在人们的视野之内，引起了大家的广泛关注，被看作是人工智能范围内三个重要领域的其中之一，它有一个明显的优点是能够无限接近复杂的非线性映射关系，而且还能学习和适应处理过程中可能出现的不确定系统所产生的动态特征；再者神经网络中所有确定的数据信息大多分散储存于各个部分的神经元。

本文着眼于把神经网络算法引入传感器管理进行讨论，重点针对数据信息处理以及对处理后的信息进行传感器资源分配。

1.2 研究目的与意义

数据融合是一门应用广泛、内容复杂且有效性强的实用技术，它在多个学科都有涉足，例如最典型的有信号处理技术、概率与统计方法、模拟识别技术以及人工智能等方面。当有多个传感器需要同时对多个目标进行检测应用、跟踪记录以及识别处理时，首先要解决他们之间资源合理分配的问题；这可以解释为；如何在给定的条件下，有效的调度传感器资源使得该做法达到系统最优性能的要求，这也就引入了使用传感器管理的目的^[3]：利用有限的传感器资源满足对多个目标和扫描空间的要求，以得到各具体特性的最优度量值，以这个最优准则对传感器资源进行合理科学的分配。因此，建立并且在实际应用中引入传感器管理方法一方面能提高数据融合系统的精度，另一方面还能有效的调配传感器资源，并且也从根本上降低了操作的复杂性。

神经网络是许多信息并行处理计算并且具有高度非线性和自适应特性的组织系统；由于非线性系统的多样性以及不确定性，应用人工神经网络研究传感器管理方法问题具有重要意义。神经网络的发展，对计算机技术涉及的领域会产生极大的促进作用；同时使该方面研究人员对计算又有了更全面深刻的理解。

本文的研究的方向主要针对传感器资源分配部分，即传感器管理进行讨论分析。利用神经网络对所获取的数据信息进行融合、处理，由此得到更加准确的检测信息，再根据所得信息的优先程度进行传感器资源分配。

1.3 国内外研究现状

1980年起，随着神经网络在世界范围内兴起，各国都陷入的研究热潮，美国尤其显著，John Hopfield在1982年提出了仿人脑的人工神经网络模型，随后在1984年再次强调了该网络模型，这种模型把能量函数应用于对称Hopfield网络，使得关于网络是否稳定有了更加明确的判断；接着，Feldman和Ballard提出了连接网络模型，该模型指出了以往使用的传统人工智能“计算”与生物“计算”之间的差异，另外还给出了并行计算的处理方式，大大提高了使用效率；Hinton和Sejnowskii两人通过了解统计物理学的概念和使用该学科的方法，提出了玻尔兹曼模型的神经网络，该模型网络采用了模拟退火技术，用这种技术对网络进行训练使得整个网络系统保持稳定。相较于此我国关于应用神经网络的研究起步较晚，在国际热潮的带动下，蔡少堂等人提出了细胞神经网络模型；再之后，大部分关于神经网络应用的研究集中体现在结构、算法以及应用这几个方面。

数据融合技术最早应用于军事领域，作为数据融合系统组成部分的多传感器管理研究更晚，美国是最早开始研究的国家，自从美国开始在声呐信号方面展开研究，数据融合技术就开始大幅度的发展起来，不仅在C⁴I(Command—指挥、Control—控制、Communication—通信、Computer—计算机、Intelligence—情报)系统中运用多个传感器收集信息，而且也朝着各种智能领域方向发展。

Nash把线性规划和优化技术运用在传感器管理上，使用该技术对被跟踪目标确定传感器与目标分配；DavidA.Castanon提出了一种采用动态规划的传感器管理方法，该方法基于最大检测概率，对单目标检测具有较小的错误率，但对多目标检测错误率较大；Wasburn等人也提出了一种基于动态规划的方法，他提出的这种方法是一种预测未来出现的决策效果的传感器管理方法，再根据决策效果，合理调配传感器资源；国内对传感器管理方面的研究相对较少，敬忠良等人把神经网络应用于传感器管理，在环境条件变化的情况下，使用向后更新神经网络跟踪目标，该方案有利于改善目标位置速度和加速度的精度；刘先省等人基于分辨率和信息熵等方面提出了几类传感器管理方法，有助于传感器资源的合理分配；田康生等人对卡尔曼滤波在多传感器多目标跟踪中的应用情况进行了分析，提出了一种基于费歇信息增量的多传感器对多目标的分配方法。

1.4 论文安排

第一章介绍了传感器管理与神经网络的研究现状以及本文研究的目的和意义；第二章论述了传感器管理的一般概念、作用及功能应用，并且给出了功能模型；第三章简述了人工神经网络，主要涉及前向多层神经网络以及网络采用的B-P学习算法；第四章讨论BP神经网络在传感器管理中的应用，通过程序仿真，对结果进行分析；第五章总结全文并对此方法做出展望。

2. 传感器管理

2.1 传感器管理与数据融合

2.1.1 数据融合定义

数据融合是现目前智能信息技术发展的一个重要基础，其基本概念可以论述为:利用计算机技术对按时序获得的观测数据在一定准则下加以分析处理和综合，以完成所需的决策，控制和估计任务而进行的信息处理技术^[1]。

数据融合技术最早是从军事领域起步发展的，所以，从军事应用的角度可以叙述为：把来自许多传感器和信息源的数据信息进行检测、结合、相关、估计以及综合处理，以得到更加准确的状态分析和身份估计以及完整及时的态势评估和威胁估计^[1]。通过应用数据融合技术，能有效的改善传统过程可能出现的数据冗余之类的情况。

由于多传感器数据融合系统性能的充分利用，需要对有限的传感器资源进行分配，这就是传感器管理，传感器管理属于数据融合的组成部分。

2.1.2 数据融合系统模式构成

数据融合系统中每个组成部分之间都存在着相互制约的关系，它们能够产生反馈以描述系统应用过程中出现的问题；把数据融合中心的功能划分为四个部分，包括低级数据融合子系统、高级决策支持子系统、传感器子系统和传感器管理子系统，由以上四部分所构成控制模式图，如2-1所示：

目标环境—gt; 传感器—gt; 多传感器—gt; 态势估计 —gt; 威胁估计—gt;

1. 传感器管理
2. 多传感器数据融合系统控制图

图2-1 数据融合系统控制模式图

在整个控制模式图中，传感器可以看做是整个系统的探测装置；多传感器的作用在于对传感器所探测的目标环境得到的数据综合分析处理，以此得到该目标的状态和属性估计，在前面步骤的基础上为下一步行动提供更精确的数据融合结果；初步的态势和威胁估计接受高级数据融合处理，所得结果再进行高级的态势估计和威胁分析，再经过决策后确定的目标最优选择又为传感器管理提供了依据；由此可见以上各个部分之间相互影响，而传感器管理这一部分通过上述各个部分给出的反馈结果而形成的运行方案能直接对传感器资源进行全面的调配。

2.2 传感器管理基本任务

2.2.1 传感器管理概述

传感器管理的目的：利用有限的传感器资源满足对多个目标以及扫描空间的要求，以得到各具体特性的最优度量值，最优度量值包括检测概率、截获概率、传感器自身的发射能力、航迹精度及丢失概率等，以这个最优准则对传感器资源进行有效的分配^[2]。直观的说，核心在于就是根据给定的最优准则确定目标选择哪种传感器以及该传感器的工作方式和参数。

在一个由多个传感器构成的系统中，每个都传感器各不相同，因此所具有特点和功能也不同，以致于对传感器管理的要求也大不一样。我们大致把传感器管理分成了三个部分：

空间管理：在检测过程中传感器能够感应到的地方都必须进行一定规律的移动，以此来搜寻和拦截新的目标；或者在一定规律下使目标点重复出现，通过这类方法获得目标的运动轨迹。

时间管理：在传感器之间需要同步运行或者传感器与目标事件同步传递的必要情境下，例如目标检测这类应用，这一部分又被称为传感器规划。

模式管理：选择能够对传感器运行产生影响的变化参数。例如传感器的孔径这类参数或者处理方式等。

传感器管理主要适用范围如下：一、含复杂的多模式传感器；二、安装在一个平台上的多传感器系统；三、在地理上分布的传感器网络。

2.2.2 传感器管理功能

在了解了基本概念以及传感器管理的分类和适用范围之后。再从需要实现的管理功能上分析，它需要完成目标排列、时间预测、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等。图3-2是传感器管理的功能模型图：

图2-2 传感器管理功能模型

2.3 传感器管理实现

1. 目标优先级

在应用系统中，当出现传感器资源数目有限但同时又有多个目标存在的情况时，把资源合理的分配给这些目标前必须先估计各个目标的需求程度，根据需求程度依次分配，这时就需要设置目标优先级，确定各个目标的排列顺序，这样不会造成资源分配完成后出现厚此薄彼的状况。

在目标优先级确定过程中需要处理的输入信息有三种，第一个是人为确定的优先级，第二个是当前的目标状态，最后一个是未来的目标状态，经过该过程处理的输出能够估计之后可能会出现的威胁或者事件。

根据数据融合系统的不同，出现了两种建立目标优先级的方式^[3]：一种是自主建立，这种建立方式是指目标直接由数据融合系统或者多传感器自主观测；另一种是协调建立，这种方式指多个传感器构成的系统监视同一个目标所构成的集合体时，需要协调各平台之间的差异，以便于目标排列具有更高的正确性和传感器资源分配的合理性。

再者，影响目标优先确定的因素有很多，由于每个部分完成的任务不同，影响的方向和程度也不同。所以影响因素大致概括为以下几个：

1. 目标身份—ID：目标身份可以分为敌、我、不明三类，每一类代表的身份不同，例如军事应用中的战斗机、轰炸机等各类飞机或者各种导弹等等。由于每一个目标对我方的威胁大不相同，因此形成的影响程度也完全不同，所以必须根据重要程度适当排列。
2. 信息需求—IM：通过采集、提取目标位置等信息或者目标身份信息传递到传感器中，但信息也分轻重缓急，必须先了解最重要的信息，这是建立目标优先级的另一个重要因素。
3. 威胁—TR：指各单一目标可能对我方产生的威胁，威胁程度越高自然需要越先解决，这是一个被动因素。
4. 时机—CH：这是在测量过程使用我方武器对抗并且尽可能摧毁我方选中的敌方目标能力的一个对比值，是一个主动因素。
5. 火控需求—FR：如果系统使用的传感器在同一时刻还需要完成火控功能，这个时候必须要兼顾和考察工作相同或者相关的目标。

根据以上给出的参数进行线性加权求和，也就得出了适合优先级函数的数学公式：

（式2.1）

剩余内容已隐藏，请支付后下载全文，论文总字数：16892字

相关图片展示：