一种碎片化探测资源的协同调度方法及系统

本技术属于资源调度领域，更具体地，涉及一种碎片化探测资源的协同调度方法及系统。

背景技术：

1、随着分布式系统的深入推进，传感器小型化、分布部署、能力化整为零的碎片化探测方式将成为预警探测领域的信息处理模式。碎片化探测资源调用具备以下特点：传感器种类以及程式多样化、探测范围窄、探测距离短以及目标可见性低。由于以上特点，在碎片化探测资源即工作传感器的调用过程中会存在着探测效率不高，探测收益较低的问题。

2、因此，如何对碎片化探测资源的调度过程进行优化，进而提升探测效率和探测收益，是当前亟需解决的技术问题。

技术实现思路

1、针对现有技术的缺陷，本技术的目的在于提供一种碎片化探测资源的协同调度方法及系统，旨在解决传感器调用过程中存在着的探测效率不高，探测收益较低的问题。

2、为实现上述目的，本技术提供了一种碎片化探测资源的协同调度方法，包括：

3、获取待探测目标t在k-1时刻的目标状态根据所述目标状态预测待探测目标t在k时刻的目标状态的初始行动序列；所述k-1时刻处于传感器启动延迟时间段，所述k时刻处于传感器工作时间段，所述k-1时刻和k时刻间隔一个采样周期；

4、获取所述初始行动序列的各工作传感器的观测值，根据所述目标状态和观测值进行滤波估计得到k时刻的目标状态的无偏估计值；

5、根据所述目标状态和无偏估计值得到所述k时刻的当前行动收益，获取下一阶段行动序列的未来收益，根据所述当前行动收益和未来收益对行动序列进行优化，直至得到最终优化的模板行动序列。

6、在一些实施例中，还包括：

7、根据执行任务从候选传感器中选取进行碎片化探测的工作传感器；

8、构建资源调度模型，并根据所述资源调度模型确定待探测目标t和所述工作传感器之间的基础约束条件；

9、其中，所述基础约束条件包括工作传感器对待探测目标t的最大距离和最小距离、工作传感器对待探测目标t的最大俯仰角和最小俯仰角、工作传感器对待探测目标t的最大速度和最小速度、工作传感器对待探测目标t的最大加速度和最小加速度。

10、在一些实施例中，所述获取待探测目标t在k-1时刻的目标状态根据所述目标状态获取待探测目标t在k时刻的目标状态的初始行动序列，包括：

11、确定所述k-1时刻的目标状态根据所述目标状态得到所述待探测目标t在k时刻的目标实时参数；

12、基于所述基础约束条件和目标实时参数对传感器进行筛选，将满足预设条件的工作传感器构成k时刻的初始行动序列。

13、在一些实施例中，所述获取下一阶段行动序列的未来收益，根据所述当前行动收益和未来收益对行动序列进行优化，直至得到最终优化的模板行动序列，包括：

14、将所述目标状态利用目标运动模型预测下一时刻的目标状态，并根据初始行动序列和目标状态确定所述目标状态下的行动序列；

15、获取所述k时刻的下一阶段行动序列，并确定所述下一阶段行动序列的未来行动收益；

16、将所述当前行动收益和循环获取的未来行动收益进行汇总得到期望总收益；

17、从所述期望总收益中选取收益最大的行动序列作为最终优化的目标行动序列。

18、在一些实施例中，所述获取所述初始行动序列的各工作传感器的观测值，包括：

19、获取k时刻工作传感器对待探测目标t的量测噪声序列，

20、获取k时刻传感器的状态向量，基于所述状态向量构建传感器对所述待探测目标t的观测函数；

21、基于所述观测函数和量测噪声序列构建工作传感器对待探测目标t的量测方程，根据所述量测方程得到所述观测值。

22、在一些实施例中，所述根据所述目标状态和观测值进行滤波估计得到k时刻的目标状态的无偏估计值，包括：

23、将目标状态的高斯分布通过ut变化进行非线性转换，得到目标数量的取样点和所述取样点对应的权值；

24、利用状态方程对所述目标状态进行预测，根据预测点和所述权值计算预测均值和协方差；

25、利用测量方程更新所述取样点的测量预测值，并确定所述测量预测值的协方差；

26、根据所述观测值对所述测量预测值和协方差进行更新，得到所述无偏估计值。

27、在一些实施例中，所述根据所述目标状态和无偏估计值得到所述k时刻的当前行动收益，包括：

28、根据所述目标状态和无偏估计值获取信息矩阵，以及所述信息矩阵对应的逆矩阵；

29、根据所述信息矩阵和对应的逆矩阵的期望值得到所述当前行动收益。

30、第二方面，本技术还提供一种碎片化探测资源的协同调度系统，包括：

31、初始序列获取模块，用于获取待探测目标t在k-1时刻的目标状态根据所述目标状态获取待探测目标t在k时刻的目标状态的初始行动序列；所述k-1时刻处于传感器启动延迟时间段，所述k时刻处于传感器工作时间段，所述k-1时刻和k时刻间隔一个采样周期；

32、观测和估计模块，用于获取所述初始行动序列的各工作传感器的观测值，根据所述目标状态和观测值进行滤波估计得到k时刻的目标状态的无偏估计值；

33、序列优化模块，用于根据所述目标状态和无偏估计值得到所述k时刻的当前行动收益，获取下一阶段行动序列的未来收益，根据所述当前行动收益和未来收益对行动序列进行优化，直至得到最终优化的模板行动序列。

34、第三方面，本技术提供一种电子设备，包括：至少一个存储器，用于存储程序；至少一个处理器，用于执行存储器存储的程序，当存储器存储的程序被执行时，处理器用于执行第一方面或第一方面的任一种可能的实现方式所描述的方法。

35、第四方面，本技术提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。

36、第五方面，本技术提供一种计算机程序产品，当计算机程序产品在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。

37、可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

38、总体而言，通过本技术所构思的以上技术方案与现有技术相比，具有以下有益效果：

39、(1)根据目标的状态预测提供了一个初始的行动序列，可以在传感器工作时间段内提前规划传感器的行动，以最大程度地优化资源利用和目标跟踪效率。

40、(2)在获取了k时刻的目标状态的观测值后，利用滤波估计技术结合目标状态和观测值，得到k时刻的目标状态的无偏估计值，有助于减小目标状态估计的误差，提高系统对目标的跟踪准确性。

41、(3)根据k时刻的目标状态和无偏估计值，计算当前行动收益和未来收益，然后对行动序列进行优化，使得系统在资源有限的情况下，选择最优的行动策略，以最大化目标跟踪效率或者其他性能指标。并且通过迭代优化，得到最终的优化模板行动序列作为系统在未来探测情况下的工作传感器，进一步提高了探测效率，使得工作传感器能够更好地适应不同的环境和任务需求。