雷達(dá)諧波抑制度測量傳感器BTL7-S511B-M0700-B-KA10針對高雜波,、電子干擾環(huán)境,，在量測驅(qū)動的多目標(biāo)濾波框架下提出了一種基于決策不確定性的傳感器管理方法。首先,，根據(jù)部分可觀測馬爾科夫決策過程的理論,，給出了基于Rényi信息增量的傳感器管理一般方法。其次,，綜合考慮決策過程的信息完整性,、信息質(zhì)量,、信息的內(nèi)涵等因素,，在量測驅(qū)動的自適應(yīng)濾波框架下，基于目標(biāo)運動態(tài)勢評估多目標(biāo)決策不確定性水平,，并選取大決策不確定性目標(biāo)。后,，以大決策不確定性目標(biāo)的信息增量為準(zhǔn)則進(jìn)行傳感器分配方案的求解,。仿真實驗表明所提方法能夠有效抑制電子干擾、雜波對多目標(biāo)跟蹤及傳感器分配的影響,，與基于威脅的傳感器管理方法相比,，所提方法的平均子模式分配（OSPA）距離及平均計算時長均顯著降低，且在高雜波,、電子干擾情形下具有較高的可靠性,。 為了提高無線傳感器網(wǎng)絡(luò)中的資源使用效率，本文提出了一種新穎的算法,，基于節(jié)點之間的鏈路質(zhì)量將任務(wù)分配給一對協(xié)同工作的傳感器節(jié)點,。具體來說，基于兩個相鄰節(jié)點之間的鏈接質(zhì)量來獲得這兩個節(jié)點組成的節(jié)點對的能力等級,。然后為每個節(jié)點對分配一個任務(wù)等級(例如,，通過計算強(qiáng)度衡量)可以與此節(jié)點對的能力等級相匹配的任務(wù)，以便每個節(jié)點對可以協(xié)同高效地執(zhí)行每個任務(wù),?？紤]到一個節(jié)點可能會與多個節(jié)點組成不同節(jié)點對，而這些節(jié)點對被分配到的任務(wù)可能出現(xiàn)冗余(具有相同任務(wù)等級的任務(wù)),，所以需要調(diào)整這些任務(wù)以避免執(zhí)行冗余任務(wù),。基于大尺寸測量引導(dǎo)的大部件對接模式成本較高,且精度易受溫度等環(huán)境因素干擾,提出一種新型的基于激光測距的大部件對接方法,并對其誤差因素進(jìn)行綜合分析,。給出基于激光測距的對接系統(tǒng)組成及基本原理,采用奇異值分解(SVD)法對部件當(dāng)前位姿進(jìn)行解算,運用幾何分析法和小旋量模型構(gòu)建基于激光測距的大部件對接目標(biāo)位姿解算模型,依據(jù)調(diào)姿平臺運動學(xué)計算各定位器調(diào)姿運動量,。考慮方法及系統(tǒng)的主要誤差來源,采用蒙特卡洛仿真方法分析了誤差源對調(diào)姿量精度的影響及規(guī)律,。通過大部件對接試驗系統(tǒng)對所提方法的有效性及精度進(jìn)行驗證,試驗表明實際對接精度優(yōu)于.

        雷達(dá)諧波抑制度測量傳感器BTL7-S511B-M0700-B-KA10首先定義了目標(biāo)檢測風(fēng)險和目標(biāo)跟蹤風(fēng)險,并分別給出計算方法,其次以目標(biāo)檢測風(fēng)險小化為目標(biāo)函數(shù)建立傳感器部署模型,以目標(biāo)檢測風(fēng)險和目標(biāo)跟蹤風(fēng)險之和小化為目標(biāo)函數(shù)建立傳感器調(diào)度模型,且該調(diào)度發(fā)生在前面?zhèn)鞲衅鞑渴鹉Ｐ徒⒌膫鞲衅骶W(wǎng)絡(luò)之上,。針對模型的求解,同時為克服基本人工蜂群算法易陷入局部的缺點,提出改進(jìn)的雙向輪盤賭-粒子群-蜂群算法。后通過仿真驗證,證明了模型和算法的有效性,。多目標(biāo)跟蹤中的傳感器控制本質(zhì)上是一個非線性控制問題,其在理論分析和計算上挑戰(zhàn)性.本文基于區(qū)間不確定性推理,利用箱粒子多伯努利濾波器提出了一種基于信息測度的傳感器控制策略.首先,本文利用箱粒子實現(xiàn)多伯努利濾波器,并通過一組帶有權(quán)值的箱粒子來表征多目標(biāo)后驗概率密度函數(shù).其次,利用箱粒子的高斯分布假設(shè),將多伯努利密度近似為高斯混合.隨后,選擇柯西施瓦茲 .