《基于信息的分布式多传感器多目标跟踪》美国空军研究实验室2022最新报告

这个项目的目标是开发在具有挑战性的多目标环境中自主分布式传感器管理和融合所需的基础方法。这涉及到开发能够自动跟踪多个目标的算法，根据从具有数据关联不确定性和高误报率的多个平台收到的信息进行分类并分配资源。在研究者最近在多目标跟踪和分布式传感器融合方面的发展基础上，该工作方案开发了能够在大规模多传感器多目标跟踪应用中基于信息理论标准实现自主传感器分配的方法。这是通过重新评估信息理论中的关键工具来实现的，这些工具适用于基于点过程理论的多目标监视的挑战，该理论旨在适应单个目标的状态和目标数量的不确定性。所开发的信息理论方法被应用于多传感器问题，使人们能够决定如何分配传感器资源，以及完善对场景的认识。所开发的工具将有助于减少监测单一传感器馈电的劳动密集型负担，并能做出适应性决定，以优化多模式网络的运行，并增强对监测区域的整体认识。对多目标跟踪情景的信息理论表述的关注，将使人们能够验证传感器馈电是否能够可靠地融合，以避免数据损坏的可能性。该项目在智能传感方面提供了关键的先进技术，以实现动态环境中的连续和适应性监视。这些将是可扩展的，可用于从多个分布式传感器对许多目标进行大规模跟踪。

该项目的总体目标是研究和开发基于信息理论原则的分布式多传感器多目标系统的自主传感器控制的新策略：

为大规模系统的多目标跟踪开发可扩展的解决方案。
开发基于信息论原理的多传感器融合的分布式解决方案。
确定多传感器多目标跟踪系统可以交换多少信息。

该项目为多传感器多目标跟踪开发了基本的解决方案：

对许多目标进行大规模跟踪。问题的规模越来越大，因此解决方案需要可扩展，跟踪许多目标需要减轻组合复杂性的算法。多目标跟踪的低复杂度解决方案将被开发出来，并在复杂环境中进行测试。开发了一种用于稳健地跟踪大量目标的方法，该方法在目标数量和测量数量上是可扩展的，这使得数百万目标可以被跟踪。
确定多传感器多目标跟踪系统的信息含量。在具有高密度信息的传感器网络中，带宽可能是多传感器多目标跟踪的一个制约因素。这个项目得出了确定用于多目标跟踪的传感器网络的信息含量的结果。预计这将有助于评估传感网络的效率和有效性，并与发送数据的数量和频率相平衡。
来自多个传感器的数据的分布式整合。操作员需要根据来自多个跟踪系统的信息做出决定，以提高整体的态势感知。为多传感器集成开发了一种分布式多传感器多目标跟踪的新方法，该方法可减轻来自不准确或误导性数据源的损坏。
对多目标监视应用中的威胁进行评估。对许多物体的大规模跟踪能够识别直接威胁。然而，有些威胁可能比其他威胁更有针对性。开发了一种新的对抗性风险的表述，为操作人员提供态势感知，以帮助确定传感资产的优先次序。
目标跟踪估计器的性能界限。费舍尔信息的倒数，即克拉默-拉奥约束，为参数的估计器提供了一个约束，是统计分析的基础。它为一个参数提供了一个可实现的最小方差或协方差。根据量子场理论的数学概念，为点过程推导出克拉默-拉奥约束，将这一概念推广到具有空间变量的变量。