感知系統(tǒng)站點配置方法綜述

張?zhí)熨t,陳 洋,張振興,楊益川,韓 毅

(1. 電子科技大學(xué) 信息與通信工程學(xué)院, 四川 成都 611731 2. 電磁空間安全全國重點實驗室, 四川 成都 610036)

0 引 言

現(xiàn)代及未來感知系統(tǒng)可綜合利用有源、無源等技術(shù)手段,從不同維度獲取、利用和塑造環(huán)境態(tài)勢信息,具備重要的軍事及民用價值。在應(yīng)用需求牽引和科技進(jìn)步推動下,感知系統(tǒng)形態(tài)正由傳統(tǒng)集中式、單功能向分布式、多功能加速演進(jìn)。單平臺一體化多功能集成[1-2]、多平臺網(wǎng)絡(luò)化分布式協(xié)同[3-4]等技術(shù)的發(fā)展,賦予了感知系統(tǒng)更全信息獲取能力、更強環(huán)境適應(yīng)能力,也帶來了資源管控難度增加、資源沖突風(fēng)險提升等問題。需要綜合利用站點優(yōu)化配置、任務(wù)統(tǒng)籌規(guī)劃、資源實時調(diào)整等手段管理控制感知系統(tǒng),從不同角度優(yōu)化調(diào)配資源、消解資源沖突,為系統(tǒng)高效運行提供保障。其中,站點配置是其他管控手段的前置環(huán)節(jié),影響范圍廣、調(diào)整難度大,是保障系統(tǒng)性能充分發(fā)揮的核心要素之一,近年來得到了國內(nèi)外研究人員的廣泛關(guān)注。

以探測雷達(dá)[5-13]、通信基站[14-18]、偵察機[19-30]和干擾機[31-36]等為代表,國內(nèi)外研究人員圍繞單一功能感知系統(tǒng)站點配置取得了豐富的研究成果。針對二維規(guī)則平面(如正方形、矩形等)等場景,研究人員聚焦單性能指標(biāo)(如探測覆蓋率或跟蹤精度等),通過指標(biāo)優(yōu)化設(shè)計、改進(jìn)站點配置算法等方式實現(xiàn)對系統(tǒng)性能的評估和提升,形成了一套針對規(guī)則場景的站點配置技術(shù)。場景的簡化有利于技術(shù)有效性得到快速驗證,但其研究成果則面臨復(fù)雜因素(如環(huán)境動態(tài)變化、通信距離制約等)的限制以及多性能指標(biāo)評估需求(如探測覆蓋率和跟蹤精度等)等挑戰(zhàn),適用范圍較為受限。

據(jù)此,近年來研究人員針對不同實際場景的工程需求和條件限制,在優(yōu)化配置模型構(gòu)建與對應(yīng)優(yōu)化算法設(shè)計等方面重點開展研究,嘗試將相關(guān)技術(shù)研究成果向?qū)嶋H應(yīng)用進(jìn)行拓展。從工程實際出發(fā),部分研究人員已經(jīng)基于動態(tài)、偏好和通信受限等場景進(jìn)行站點配置初步研究,并取得初步成果。針對變化環(huán)境,研究人員通過引入移動目標(biāo)位置預(yù)測技術(shù),實現(xiàn)動態(tài)環(huán)境站點優(yōu)化配置[37-41]。針對非均勻火力分布場景,研究人員通過引入?yún)⒖键c-偏好模型,對多個目標(biāo)/區(qū)域指定不同的系統(tǒng)性能閾值,研究基于性能偏好的站點配置技術(shù)[42-44]。針對無線通信距離受限的場景,部分研究人員通過修正迭代坐標(biāo)將距離約束嵌入位置解算過程[45-47],實現(xiàn)協(xié)同偵察系統(tǒng)的站點優(yōu)化配置。此外,感知系統(tǒng)在單任務(wù)、多任務(wù)場景(如探測、通信、干擾和偵察等)中均可能面臨多指標(biāo)評估需求,導(dǎo)致系統(tǒng)站點優(yōu)化配置需同時兼顧多種指標(biāo)。針對多性能指標(biāo)評估需求驅(qū)動的感知系統(tǒng)站點配置,研究人員通常基于多指標(biāo)加權(quán)求和、帕累托優(yōu)化等多目標(biāo)優(yōu)化理論開展研究[48-52]。

綜合國內(nèi)外研究動態(tài),本文將站點配置技術(shù)研究分為單性能指標(biāo)驅(qū)動和多性能指標(biāo)驅(qū)動兩類。前者相關(guān)成果可進(jìn)一步細(xì)分為規(guī)則場景、動態(tài)場景、偏好場景和通信受限場景的站點配置研究;后者主要關(guān)注單任務(wù)場景以及多任務(wù)場景的站點配置問題。因此,本文分別總結(jié)基于單性能指標(biāo)的規(guī)則/動態(tài)/偏好/通信受限場景的站點配置技術(shù)的研究進(jìn)展、基于多性能指標(biāo)的單/多任務(wù)場景的站點配置技術(shù)的研究進(jìn)展,針對其中典型技術(shù)難點以及解決方案進(jìn)行了分析、梳理和總結(jié),在此基礎(chǔ)上對該技術(shù)未來的發(fā)展趨勢進(jìn)行了展望。

1 單性能指標(biāo)

1.1 場景設(shè)置及研究思路

基于單性能指標(biāo)的站點配置,就是以提升某一核心性能指標(biāo)為目標(biāo),對系統(tǒng)站點配置方案進(jìn)行優(yōu)化設(shè)計。性能指標(biāo)通常根據(jù)感知系統(tǒng)實際應(yīng)用來確定,以組網(wǎng)雷達(dá)為例,其常見任務(wù)包括區(qū)域防空[5]、目標(biāo)跟蹤[28]、目標(biāo)速度估計等[11],對應(yīng)的單性能指標(biāo)選項則有效覆蓋率(ECR)、跟蹤精度(RMSE)、信噪比(SNR)等。伴隨多功能集成發(fā)展趨勢,感知系統(tǒng)既可沿用雷達(dá)ECR等傳統(tǒng)單功能感知系統(tǒng)性能指標(biāo),也可引入其他功能對應(yīng)指標(biāo)進(jìn)行研究:對于探測任務(wù),典型性能評價指標(biāo)包括ECR、SNR等;對于通信任務(wù),典型指標(biāo)則有有效通信覆蓋率、區(qū)域頻譜效率(ASE)等;對于偵察任務(wù),典型指標(biāo)則有幾何精度因子(GDOP)、定位誤差的克拉美羅下界(CRLB)平均值等。以提升組網(wǎng)雷達(dá)ECR為例[53],圖1給出一個感知系統(tǒng)站點配置典型場景。

圖1 監(jiān)視區(qū)域、配置區(qū)域和有效覆蓋區(qū)域示意圖Fig.1 Schematic diagram of surveillance region, deployment region,and effective coverage area

首先選取性能指標(biāo)(如ECR)和參數(shù)變量(如雷達(dá)站點坐標(biāo)),根據(jù)指標(biāo)選取結(jié)果及算力、存儲條件限制,設(shè)計目標(biāo)函數(shù)(以二維平面為例,為避免窮舉所有可能位置帶來的計算量問題,可將監(jiān)視區(qū)域按距離、方位分辨率等標(biāo)準(zhǔn)進(jìn)行網(wǎng)格化離散)[9-10,26-27,29],根據(jù)所有網(wǎng)格中心位置性能指標(biāo)來確定整個區(qū)域內(nèi)的性能指標(biāo)(如最低指標(biāo)、平均指標(biāo)等),完成模型構(gòu)建。建模完畢后,采用合適的配置方案尋優(yōu)算法(如粒子群優(yōu)化(PSO)算法)對模型進(jìn)行優(yōu)化求解,最終得到站點優(yōu)化配置方案,其基本流程如圖2所示。

圖2 感知系統(tǒng)站點配置流程圖Fig.2 Node deployment process for perception system

為避免混淆,本文做如下說明:以單功能感知系統(tǒng)同時探測多個目標(biāo)為例,站點配置優(yōu)化目標(biāo)為多個同類指標(biāo)時,其研究范疇仍劃歸為基于單性能指標(biāo)的站點配置。接下來,在1.2小節(jié)中簡要梳理基于單性能指標(biāo)的感知系統(tǒng)站點配置研究現(xiàn)狀。

1.2 研究成果梳理及分析

文獻(xiàn)[54]考慮主站、副站的覆蓋圓面在來襲方向存在90°凹口,以基線傾角(或頂角)與雷達(dá)間隔為變量,建立了一種先后確定主站、副站位置的站點配置模型,然而該文研究成果基于幾何方法推導(dǎo),計算量大。此外,還有部分早期研究集中在多種典型部署構(gòu)型,如環(huán)形、線形、扇形及多道防線等,并進(jìn)行對比,從中優(yōu)選出部署方案[8,19-20,31]。文獻(xiàn)[19]采用被動定位技術(shù),考慮各站間通信受限,通過主站、副站協(xié)同定位,將多個副站按環(huán)形、傘形和線形圍繞主站配置,實現(xiàn)典型構(gòu)型優(yōu)選,但是該方法僅適用于較為簡單低維的偵察場景,難以應(yīng)對復(fù)雜高維場景下節(jié)點配置問題。

在網(wǎng)絡(luò)化等技術(shù)推動下,感知系統(tǒng)站點數(shù)量、種類、可調(diào)資源參數(shù)逐步增多,配置問題的維數(shù)與優(yōu)化求解計算量均急劇增加。此時,基于幾何方法推導(dǎo)的站點配置方法[11,32]與基于典型構(gòu)型比對優(yōu)選的站點配置方法,均難以應(yīng)對大規(guī)模(或高維問題)站點優(yōu)化配置帶來的計算量問題。因此,有研究人員借鑒生物學(xué)進(jìn)化思想,更新迭代站點位置并獲取最優(yōu)(或近似最優(yōu))方案,研究重點是建立站點優(yōu)化配置模型以及改進(jìn)優(yōu)化配置算法。文獻(xiàn)[6]采用遺傳算法(GA),實現(xiàn)了兩部雷達(dá)、三部雷達(dá)以及四部雷達(dá)的最佳配置。為了將大規(guī)模雷達(dá)配置成最佳的多道防線分布,文獻(xiàn)[7]采用GA,結(jié)合坐標(biāo)輪換法實現(xiàn)典型構(gòu)型下的站點優(yōu)化配置。然而,站點優(yōu)化配置問題實際面臨約束條件(如地理條件制約),研究者一般將約束條件轉(zhuǎn)化為懲罰函數(shù),或采用其他方法實現(xiàn)約束優(yōu)化。文獻(xiàn)[27]將配置區(qū)域、設(shè)備工作仰角等作為約束,文獻(xiàn)[9]和文獻(xiàn)[29]不僅考慮地理因素,還將原有雷達(dá)位置列為制約因素,以此構(gòu)造約束矩陣。

綜上,早期的站點配置方法圍繞幾何方法推導(dǎo)和典型構(gòu)型優(yōu)選展開較多研究,此后,站點優(yōu)化配置方法因其適應(yīng)高維度、大規(guī)模以及多約束問題的特點而受到廣泛關(guān)注。因此大量學(xué)者投入感知系統(tǒng)站點優(yōu)化配置的研究,立足于站點配置場景的復(fù)雜程度,分別聚焦性能指標(biāo)設(shè)計、優(yōu)化配置模型及算法的創(chuàng)新。本文將已有的研究分為四個方面:(1)面向規(guī)則場景的站點配置;(2)面向動態(tài)場景的站點優(yōu)化配置;(3)面向偏好場景的站點優(yōu)化配置;(4)面向通信受限場景的站點優(yōu)化配置。下一小節(jié),本文將從這四個方面分別梳理總結(jié)站點配置的應(yīng)用需求、存在問題以及關(guān)鍵技術(shù)。

1.2.1 面向規(guī)則場景的站點配置

在探測雷達(dá)、通信基站、干擾機等單任務(wù)感知系統(tǒng)的應(yīng)用場景中,評估不同任務(wù)優(yōu)劣需要不同的性能指標(biāo),因而部分研究人員注重性能指標(biāo)設(shè)計,并將其用于構(gòu)造感知系統(tǒng)站點優(yōu)化配置模型。在構(gòu)造模型之外,還可以根據(jù)特定場景改進(jìn)尋優(yōu)算法,進(jìn)一步提升站點優(yōu)化配置帶來的性能增益。筆者發(fā)現(xiàn),性能指標(biāo)種類繁多,大體可分別為探測、通信、干擾和偵察這四類性能指標(biāo),圖3展示了感知系統(tǒng)站點配置的不同性能指標(biāo)設(shè)計,而常見的優(yōu)化配置模型也可分為單/多目標(biāo)優(yōu)化模型。站點優(yōu)化配置算法的研究重點在于保證配置方案的可靠性、實時性。對于單目標(biāo)優(yōu)化,可靠性、實時性主要體現(xiàn)在解集的收斂速度;而對于多目標(biāo)優(yōu)化,可靠性、實時性體現(xiàn)在解集的多樣化以及收斂速度。

(1)探測任務(wù)的站點配置

探測覆蓋面積是較早被引入探測雷達(dá)配置中的性能指標(biāo)[6-7],文獻(xiàn)[11]以目標(biāo)速度估計誤差的克拉美羅界(CRB)為性能指標(biāo),通過公式推導(dǎo)分析了收發(fā)天線的最佳配置方法。文獻(xiàn)[12]以目標(biāo)位置估計的均方根誤差為性能指標(biāo),通過幾何方法結(jié)合數(shù)值仿真均勻地分配收發(fā)天線的數(shù)量,實現(xiàn)目標(biāo)位置估計的均方根誤差減小。文獻(xiàn)[13]采用一套具有不同噪聲水平接收機的定位系統(tǒng),在圓環(huán)上角間距對稱地放置收發(fā)天線(或在球體上均勻放置收發(fā)天線)以最小化定位誤差CRLB。文獻(xiàn)[5]以掩護(hù)價值為指標(biāo),構(gòu)造區(qū)域防空系統(tǒng)站點的優(yōu)化配置模型,為防空部署研究提供一種新思路。文獻(xiàn)[10]以探測覆蓋面積為指標(biāo),將站點配置建模為整數(shù)尋優(yōu)問題,在PSO算法架構(gòu)中引入魚群算法中的視距限制、擁擠度評價與隨機覓食機制,分別用于修正粒子速度、增加群體多樣性以及跳出局部最優(yōu),通過單目標(biāo)測試集仿真驗證了所提算法(FPSO算法)的全局收斂性以及對多峰值函數(shù)尋優(yōu)的有效性。文獻(xiàn)[53]累加所有信道的信噪比,并計算每個分辨率單元的檢測概率,簡化ECR指標(biāo)的數(shù)學(xué)表達(dá)式,仿真驗證采用PSO算法具有更小計算量。以上研究成果表明,研究人員通常將探測任務(wù)的站點配置問題,建模為單性能指標(biāo)的單目標(biāo)優(yōu)化問題,采用單目標(biāo)優(yōu)化算法獲取配置方案。事實上,若探測任務(wù)包含兩個或以上目標(biāo)/區(qū)域,以上配置方法將難以應(yīng)對。

(2)通信任務(wù)的站點配置

文獻(xiàn)[17]以多部無人機基站(UAV-BSs)的下行鏈路通信覆蓋范圍為指標(biāo),將約束條件轉(zhuǎn)化為懲罰函數(shù),建立單目標(biāo)最大化模型,提出一種基于模擬退火(SA)算法的站點配置方法,仿真驗證優(yōu)化配置方案在服務(wù)質(zhì)量和吞吐量方面優(yōu)于靜態(tài)UAV-BSs布局,然而該研究成果并未考慮UAV-BSs的功耗等因素。在傳統(tǒng)宏基站(MS)的區(qū)域中配置微基站(SBSs)是一種異構(gòu)通信系統(tǒng),微基站覆蓋范圍很小,宏基站覆蓋范圍大但能源利用率低于微基站,運營商通常結(jié)合這兩種基站實現(xiàn)區(qū)域通信覆蓋。文獻(xiàn)[14]以單位能耗產(chǎn)生的網(wǎng)絡(luò)容量為性能指標(biāo),配置一定數(shù)量的微型基站以實現(xiàn)異構(gòu)系統(tǒng)的能源效率最大化。后續(xù)一些與能耗相關(guān)的性能指標(biāo)陸續(xù)被提出,文獻(xiàn)[15]將未配置微型基站和配置微型基站的能耗差異定義為能耗降低指數(shù),文獻(xiàn)[16]將移動設(shè)備(MD)節(jié)省功率與配置新基站(BS)之后BS消耗功率的差異定義為功率指標(biāo)。文獻(xiàn)[18]采用空中UAV-BSs與地面SBSs組成的異構(gòu)通信系統(tǒng),將移動用戶和最近UAV-BSs的平均距離作為指標(biāo),基于UAV-BSs部署約束建立最小化有約束模型,采用真實數(shù)據(jù)集仿真驗證所提分布式算法的收斂性,有效實現(xiàn)用戶位置未知時的UAV-BSs優(yōu)化配置。以上研究成果表明,通信系統(tǒng)站點配置問題涵蓋覆蓋范圍、能源效率以及傳輸質(zhì)量等多個層面的指標(biāo)。

(3)干擾任務(wù)的站點配置

干擾方的作戰(zhàn)對象主要包括但不限于電磁探測、偵察和通信方。為通過壓制或欺騙等手段有效抑制敵方感知效能,電子干擾方也開展站點配置研究以最大化干擾效能。

面向壓制干擾的站點配置,文獻(xiàn)[31]以壓制系數(shù)為性能指標(biāo),將兩、三部干擾機按典型構(gòu)型進(jìn)行配置,其研究成果用于反制無人機的同時、分時、集中及游獵等進(jìn)攻模式。文獻(xiàn)[32]以干擾覆蓋面積為指標(biāo),研究對合成孔徑雷達(dá)(SAR)成像的干擾問題,利用運籌學(xué)理論獲取SAR干擾機的最小數(shù)量和最佳位置,但是研究成果難以適應(yīng)不規(guī)則配置區(qū)域的干擾機配置問題。針對衛(wèi)星導(dǎo)航(GPS)和慣性導(dǎo)航(INS)聯(lián)合的導(dǎo)航系統(tǒng),也可通過站點優(yōu)化配置提升干擾性能,文獻(xiàn)[35]以最小干擾功率為指標(biāo),建立單目標(biāo)最大化的站點優(yōu)化配置模型,采用GA算法在使用最小化干擾功率的同時,優(yōu)化得到了有效干擾GPS的配置方案。在多干擾機對單目標(biāo)進(jìn)行協(xié)同干擾場景下,文獻(xiàn)[36]根據(jù)干擾區(qū)域劃分與期望壓制距離等因素優(yōu)化站點配置方案,以最少站點數(shù)目實現(xiàn)目標(biāo)航路兩側(cè)配置站點構(gòu)型下的干擾區(qū)域全覆蓋。為了節(jié)約計算成本和保證解集可靠性,文獻(xiàn)[55]和文獻(xiàn)[56]以最小的干擾功率密度為指標(biāo),建立多目標(biāo)最大化模型,采用多目標(biāo)粒子群優(yōu)化(MOPSO)算法更新粒子并存儲非支配解,通過計算帕累托前沿之間的區(qū)間距離變化值,設(shè)置迭代收斂閾值,提出一種基于區(qū)間距離的自適應(yīng)收斂準(zhǔn)則,并完成站點最優(yōu)配置。

面向欺騙干擾的站點配置,文獻(xiàn)[33]結(jié)合SAR信號處理知識,從距離向和方位向分析虛假目標(biāo)的位置限制以及成像質(zhì)量,提出一種欺騙干擾的配置策略:通過在距離向和方位向優(yōu)化配置若干個干擾機,采用干擾機組網(wǎng)的方法,可以在SAR圖像中形成逼真的虛假目標(biāo)。文獻(xiàn)[34]提出一種干擾機組和地面指揮部結(jié)合的干擾系統(tǒng),該文通過干擾系統(tǒng)站點配置,實現(xiàn)了對探測系統(tǒng)航跡欺騙。

(4)偵察任務(wù)的站點配置

文獻(xiàn)[20]采用五機編隊定位技術(shù),考慮主副戰(zhàn)機高度差和間距對定位精度的影響,通過仿真一定區(qū)域內(nèi)定位精度的等高線圖,給出各個典型編隊的適用邊界,該文研究成果表明典型構(gòu)型優(yōu)選下的站點配置研究開始從二維向高維發(fā)展。文獻(xiàn)[21]基于文獻(xiàn)[20]進(jìn)一步展開研究,提出PSO算法解決多機定位系統(tǒng)的站點優(yōu)化配置問題,通過仿真對比典型構(gòu)型優(yōu)選與優(yōu)化配置的定位精度等高線圖,有效實現(xiàn)多機無源定位系統(tǒng)的空間優(yōu)化配置。文獻(xiàn)[22]考慮各站點對目標(biāo)信號的截獲概率以及各站間存在通信距離限制,建立一個含隨機機會約束的站點優(yōu)化配置模型,提出一種神經(jīng)網(wǎng)絡(luò)結(jié)合GA的混合智能優(yōu)化算法,與已有研究成果對比,驗證了模型和算法的有效性。文獻(xiàn)[23]采用一套到達(dá)時差(TDOA)定位系統(tǒng),首先理論推導(dǎo)定位誤差平均(CRLB)的數(shù)學(xué)表達(dá)式,證明了將GA的染色體編碼和自適應(yīng)函數(shù)用于定位系統(tǒng)站點配置的可行性,為站點位置的編碼提供思路,并仿真證明了模型和算法的可適用性。為了提高無源時差定位系統(tǒng)的定位精度,文獻(xiàn)[24]采用到達(dá)時間差和到達(dá)角(TDOA-AOA)混合定位方法來計算幾何精度因子(GDOP),考慮區(qū)域的整體定位精度,以最大化GDOP覆蓋率為目標(biāo),建立站點優(yōu)化配置模型,然而該文只考慮了無源雷達(dá)中單個接收機優(yōu)化配置問題。另外,文獻(xiàn)[25]基于非恒定高斯分布的TDOA測量誤差來提升定位效果,將GA與PSO算法用于無源定位系統(tǒng)站點優(yōu)化配置,實驗結(jié)果表明采用PSO算法可提高配置模型求解效率,為改進(jìn)無源定位系統(tǒng)站點配置方法提供新的思路。

除了TDOA定位技術(shù),文獻(xiàn)[28]采用測向定位技術(shù),根據(jù)定位原理推導(dǎo)出平均定位誤差作為性能指標(biāo),利用PSO算法求解定位系統(tǒng)的優(yōu)化配置,再次驗證了PSO算法的效率高、收斂速度快等特性。文獻(xiàn)[26]采用多個電子偵察平臺,以最大化偵察覆蓋范圍為目標(biāo),建立海軍編隊的優(yōu)化配置模型,為了克服PSO算法用于優(yōu)化搜索時收斂過早和全局搜索能力差的缺點,在PSO算法架構(gòu)下,引入交叉進(jìn)化技術(shù),提出一種網(wǎng)格劃分的CE-PSO算法以提升偵察覆蓋率。文獻(xiàn)[57]采用一套四站時差定位系統(tǒng),以GDOP為優(yōu)化指標(biāo),采用一種步長因子可變的螢火蟲算法(MFA),仿真證實所提算法可以加快收斂,提高配置效率。以上研究成果表明,定位系統(tǒng)的站點配置問題通常轉(zhuǎn)化為單目標(biāo)優(yōu)化模型。

1.2.2 面向動態(tài)場景的站點優(yōu)化配置

實際應(yīng)用中,感知系統(tǒng)面臨的態(tài)勢環(huán)境信息往往存在時變特征(例如:因目標(biāo)運動導(dǎo)致的監(jiān)視區(qū)域重新劃定)。此時,為保證對目標(biāo)的穩(wěn)定連續(xù)監(jiān)測,站點配置方案需動態(tài)更新。文獻(xiàn)[37]針對移動目標(biāo)定位的觀測站點配置問題,選擇基線長度和基線偏角作為參數(shù)變量,結(jié)合TDOA定位技術(shù)原理,分析推導(dǎo)帶有基線長度和基線偏角的二維GDOP表達(dá)式,將其作為性能指標(biāo)。使用加權(quán)離散搜索算法優(yōu)化性能指標(biāo),更新各觀測器每一時刻的最佳觀測位置,實時調(diào)整觀測器與目標(biāo)間幾何關(guān)系。然而該文假設(shè)基線長度和基線偏角固定,則各觀測站之間存在幾何約束,制約了優(yōu)化性能。

有研究人員提出自回歸(AR)預(yù)測模型結(jié)合多目標(biāo)粒子群優(yōu)化(MOPSO)方法(MOPSO-AR)[40]。采用FDA1測試問題,驗證MOPSO-AR算法比MOPSO算法具有更少的運算量,并能獲取更好的監(jiān)視性能。利用預(yù)測模型結(jié)合優(yōu)化算法解決動態(tài)配置問題的思路,文獻(xiàn)[38-39]聯(lián)合多個監(jiān)視區(qū)域,以ECR作為性能指標(biāo),把實時天線站點配置問題建模成一個動態(tài)多目標(biāo)優(yōu)化問題,利用卡爾曼(Kalman)濾波預(yù)測目標(biāo)運動規(guī)律,以目標(biāo)先前的運動信息,預(yù)測當(dāng)前時刻目標(biāo)位置,并結(jié)合MOPSO算法,提出一種Kalman濾波結(jié)合MOPSO的站點優(yōu)化配置方法(DMOPSO)。該文考慮一個動態(tài)監(jiān)視區(qū)域,在前三個時刻采用MOPSO算法求解并構(gòu)造粒子狀態(tài)向量,第四個時刻采用Kalman濾波預(yù)測最優(yōu)粒子位置,在預(yù)測最優(yōu)粒子的鄰域內(nèi)初始化粒子群,并采用MOPSO算法進(jìn)行優(yōu)化求解,修正Kalman預(yù)測模型。在前三個時刻,通過每個時刻采集7個粒子的運動信息,構(gòu)造狀態(tài)向量表示如下

k=1, 2, …, 7

(1)

其中,列向量的三個元素分別為粒子位置、速度和加速度。文獻(xiàn)[38-39]通過實驗仿真發(fā)現(xiàn),相比MOPSO算法,DMOPSO算法所獲站點配置方案具有更大的ECR,所得非劣解與較理想非劣解的區(qū)間距離也更小,驗證了DMOPSO算法的站點優(yōu)化配置性能更優(yōu)且計算量更少。文獻(xiàn)[41]通過測試基準(zhǔn)問題FDA3、dMOP2,進(jìn)一步驗證了DMOPSO算法相比MOPSO算法在解集收斂性和多樣性上的優(yōu)勢。

1.2.3 面向偏好場景的站點優(yōu)化配置

多目標(biāo)、多區(qū)域同時監(jiān)測是感知系統(tǒng)的一種常見任務(wù)需求。該場景下,受限于資源總量,通常需要根據(jù)不同目標(biāo)優(yōu)先級,對有限的站點資源進(jìn)行優(yōu)化配置,因此有研究人員提出偏好需求驅(qū)動的站點優(yōu)化配置問題。文獻(xiàn)[42-43]聯(lián)合多個監(jiān)視區(qū)域,以最小聯(lián)合SNR作為性能指標(biāo),把基于偏好的天線站點配置問題建模成一個多目標(biāo)優(yōu)化問題,提出一種基于靜態(tài)參考點的MOPSO配置方法。該方法引入偏好信息模型,并結(jié)合MOPSO算法,采用一種全局最優(yōu)粒子更新準(zhǔn)則。首先初始化粒子群、新建外部檔案集,每一次迭代均更新全部粒子的位置和速度,按照互不支配原則更新外部檔案集,將外部檔案集中的粒子按距離升序排列,并從檔案集的前10%粒子中隨機選擇一個作為全局最佳位置。計算外部檔案集中所有粒子的距離如下(以第i個為例)

(2)

式中:fj(·)為第j個監(jiān)視區(qū)域的性能指標(biāo)值;vj代表第j個監(jiān)視區(qū)域期望達(dá)到的性能指標(biāo)值。因此,第i個粒子的距離等于M個監(jiān)視區(qū)域中實際性能與期望性能之差的最大值。

然而以上研究成果中參考點位置始終固定,難以持續(xù)向動態(tài)的帕累托前沿有效牽引解集,面臨偏好區(qū)域逐漸偏離帕累托前沿等問題。文獻(xiàn)[44]提出一種基于動態(tài)參考點的MOPSO配置方法,參考點的位置在偏好方向上動態(tài)更新,不僅引導(dǎo)非支配解集收斂到偏好區(qū)域內(nèi)的帕累托前沿上,而且保證解集的多樣性。該研究成果不僅側(cè)重保護(hù)重點區(qū)域,而且保證配置方案具有多樣性,圖4給出了由動態(tài)參考點得到的解集分布示意圖。文獻(xiàn)[44]基于MOPSO算法框架,采用三個測試函數(shù)(ZDT1、ZDT2和ZDT3)仿真對比靜態(tài)參考點策略與動態(tài)參考點策略,靜態(tài)參考點策略的超體積度量(HV)、多樣性均劣于動態(tài)參考點策略。

1.2.4 面向通信受限場景的站點優(yōu)化配置

分布式感知系統(tǒng)站點通常對通信能力有一定的要求(支撐實現(xiàn)信息互傳融合、指控信息交互等需求)。在機動部署場景下,光纜等通信手段難度、代價過高,通常只能以無線通信的方式為站點提供通信支撐。但實際應(yīng)用中,受限于地形遮擋、通信功率等因素,站點間無線通信距離面臨一定限制。以無線傳感器網(wǎng)絡(luò)(WSN)為代表,國內(nèi)外研究人員針對不同場景,對感知系統(tǒng)站點配置算法開展研究[58]。針對移動節(jié)點組成的WSN[59-60],部分學(xué)者提出了一種基于虛擬力(VF)算法的傳感器配置技術(shù),提高傳感器初始隨機放置后的覆蓋率。針對WSN中移動節(jié)點的密度,文獻(xiàn)[61]提出采用粒子群遺傳優(yōu)化(PSGO)算法配置節(jié)點,該方法不僅提高覆蓋率,而且可以減少節(jié)點冗余。針對存在固定、可移動節(jié)點的混合節(jié)點型WSN,文獻(xiàn)[62]提出一種虛擬力導(dǎo)向的協(xié)同進(jìn)化粒子群優(yōu)化(VFCPSO)算法,在混合節(jié)點型WSN優(yōu)化配置節(jié)點時,避免可移動節(jié)點受固定節(jié)點的虛擬力作用,同時提高了收斂速度。

其他常見的通信受限系統(tǒng)還有協(xié)同偵察定位系統(tǒng)等。文獻(xiàn)[37]采用一套三站式時差定位系統(tǒng),考慮各觀測站之間存在通信距離約束,將觀測站間距離設(shè)置為常數(shù),通過調(diào)整三個觀測站與目標(biāo)的幾何關(guān)系實現(xiàn)優(yōu)化配置,然而該文研究成果難以滿足多套多站式時差定位系統(tǒng)的需求。文獻(xiàn)[45]采用多套多站式時差定位系統(tǒng),結(jié)合信息融合方式和最差性能最優(yōu)準(zhǔn)則,以所有分辨率單元中的最大GDOP最小化作為優(yōu)化目標(biāo),將協(xié)同偵察系統(tǒng)站點配置問題建模為單目標(biāo)有約束問題。該文將通信距離修正嵌入副站位置解算過程,提出一種基于混合編碼的PSO配置方法。在每一次迭代中,粒子編碼方式和副站位置解算方程分別如下。

(3)

(4)

表1 規(guī)則/動態(tài)/偏好/通信受限場景下站點配置方法的優(yōu)缺點以及適用邊界Tab.1 Advantages, disadvantages, and applicable boundaries of node deployment methods in regular /dynamic/preference/communication constrained scenarios

表2 面向規(guī)則/動態(tài)/偏好/通信受限場景下單性能指標(biāo)站點配置方法研究重點Tab.2 Research focus of single performance indicator node deployment methods in regular /dynamic/preference/communication constrained scenarios

2 多性能指標(biāo)

2.1 場景設(shè)置及研究思路

大量實際場景存在態(tài)勢多變快變、任務(wù)數(shù)量多差異大等特征,迫使感知系統(tǒng)需要集成更強算力和更多功能,以具備單任務(wù)精細(xì)化處理能力與多任務(wù)并行處理能力。面向單任務(wù)精細(xì)化處理場景或多任務(wù)并行處理場景,感知系統(tǒng)需根據(jù)多種性能指標(biāo)綜合評估結(jié)果進(jìn)行站點優(yōu)化配置。因而基于多性能指標(biāo)的站點配置,需同時考慮至少兩種不同指標(biāo)進(jìn)行站點優(yōu)化配置。對于多性能指標(biāo)需求驅(qū)動的站點配置,研究重點通常在于如何在不同指標(biāo)之間進(jìn)行平衡與折中,按需改善系統(tǒng)綜合性能。

基于多性能指標(biāo)的站點優(yōu)化配置基本流程:確定待優(yōu)化的多種指標(biāo)和參數(shù)變量,研究人員通常采取以下兩種方法之一:

(1)部分指標(biāo)加權(quán)或者轉(zhuǎn)化為約束:將多種性能指標(biāo)整合為一個目標(biāo)函數(shù)進(jìn)行優(yōu)化,或在優(yōu)化一種性能指標(biāo)時將其他性能指標(biāo)作為約束,將站點配置問題建模為單目標(biāo)有/無約束優(yōu)化問題,采用單目標(biāo)優(yōu)化算法實現(xiàn)站點優(yōu)化配置;

(2)基于帕累托優(yōu)化理論:聯(lián)合多種性能指標(biāo),將站點配置問題建模為多目標(biāo)優(yōu)化問題,采用多目標(biāo)優(yōu)化算法尋優(yōu)。

2.2 研究成果梳理及分析

當(dāng)前,基于多性能指標(biāo)的站點配置研究的難點和熱點是如何綜合考慮多種性能指標(biāo)。多性能指標(biāo)可以用于精細(xì)化評估單個任務(wù),也可以用于評估多個并行任務(wù)。面向單任務(wù)場景的站點配置,多性能指標(biāo)用于多層次、立體化評估單任務(wù)的諸多方面,以靈活、穩(wěn)定地提升感知系統(tǒng)處理單個任務(wù)的性能。面向多任務(wù)場景的站點配置,多性能指標(biāo)分別用于評估多個不同的并行任務(wù),以提升感知系統(tǒng)同時處理多個任務(wù)的綜合性能。綜上,多性能指標(biāo)評估需求驅(qū)動的站點配置研究主要分為兩類,即面向單任務(wù)場景的站點配置和面向多任務(wù)場景的站點配置,下面將分別敘述它們的研究現(xiàn)狀。

2.2.1 面向單任務(wù)場景的站點配置

多性能指標(biāo)可定義為兩種及以上指標(biāo)(如:探測雷達(dá)的威力和精度),采用多個指標(biāo)可更全面地評估單個任務(wù)。隨著站點數(shù)量提升及組網(wǎng)技術(shù)發(fā)展,目標(biāo)/區(qū)域呈現(xiàn)海/陸/空/天立體化、層次化的特點,組網(wǎng)系統(tǒng)面臨抗干擾、反隱身以及反低空小目標(biāo)等難題,研究重點是定性、量化以及綜合各種指標(biāo),建立更加完善的站點優(yōu)化配置模型。然而,組網(wǎng)系統(tǒng)資源有限,同時優(yōu)化多種指標(biāo)往往是一個互相沖突的多目標(biāo)、多約束問題。因此,大量學(xué)者投入單任務(wù)場景下站點優(yōu)化配置的研究,基于更全面、更精細(xì)的性能指標(biāo),建立配置模型,提出高效的站點優(yōu)化配置算法,以提升感知系統(tǒng)綜合性能。

在復(fù)雜對抗環(huán)境下,組網(wǎng)雷達(dá)系統(tǒng)完成探測任務(wù)的前提是有效抑制有源噪聲壓制等干擾。文獻(xiàn)[63]以受干擾責(zé)任區(qū)覆蓋指數(shù)作為優(yōu)化目標(biāo),將受干擾固有探測能力下降指數(shù)、未受干擾責(zé)任區(qū)覆蓋指數(shù)轉(zhuǎn)化為約束建立優(yōu)化模型。考慮相鄰雷達(dá)探測區(qū)域間存在交叉覆蓋,文獻(xiàn)[64]基于文獻(xiàn)[63],進(jìn)一步將特定高度層上相鄰雷達(dá)單元的銜接系數(shù)、雷達(dá)網(wǎng)的空域重疊系數(shù)和受干擾時探測能力下降指數(shù)作為約束,將站點配置問題建模為單目標(biāo)多約束優(yōu)化問題,然而以上問題模型均難以適應(yīng)海上編隊雷達(dá)網(wǎng)的配置需求。為了精確評估海上編隊雷達(dá)網(wǎng)的探測性能和抗干擾性能,文獻(xiàn)[65]采用對空/海警戒區(qū)覆蓋指數(shù)、相鄰對海/空雷達(dá)間的銜接系數(shù)分別替換文獻(xiàn)[63]和文獻(xiàn)[64]的責(zé)任區(qū)覆蓋指數(shù)、相鄰雷達(dá)單元的銜接系數(shù),并引入艦艇間機動距離約束,建立單目標(biāo)多約束優(yōu)化模型,有效評估海上編隊雷達(dá)網(wǎng)的抗干擾性能。然而文獻(xiàn)[63]和文獻(xiàn)[64]所提配置算法主要依賴局部尋優(yōu),往往只能提供準(zhǔn)最優(yōu)解,文獻(xiàn)[65]采用枚舉法,運算量較大。

文獻(xiàn)[66]考慮陣地環(huán)境制約等因素,將雷達(dá)網(wǎng)部署的陣地環(huán)境、相鄰雷達(dá)單元間的水平威力銜接系數(shù)以及威力銜接高度作為約束,而將空域不同高度層的覆蓋系數(shù)加權(quán)為優(yōu)化目標(biāo),建立單目標(biāo)多約束優(yōu)化模型,提出一種基于內(nèi)嵌多約束判決的GA配置方法,這種方法的原理是在采用GA進(jìn)行全局尋優(yōu)時,在初始種群生成后或每一代交叉、變異后,剔除不滿足約束條件的個體或種群,僅從滿足約束條件的父代中生成新的子代。文獻(xiàn)[67]也采用該方法有效求解配置問題,該文以7類雷達(dá)網(wǎng)性能評價因子歸一化加權(quán)作為指標(biāo),設(shè)置雷達(dá)型號、雷達(dá)數(shù)量和雷達(dá)位置為參數(shù)變量,將地理信息等因素作為約束,將配置問題建模為單目標(biāo)多約束優(yōu)化問題。文獻(xiàn)[68]采用內(nèi)嵌約束判決的GA配置方法,將預(yù)警時間、生命周期跟蹤比率和火控支持時間加權(quán)后作為一條彈道的效能函數(shù),多條彈道的效能函數(shù)加權(quán)作為優(yōu)化目標(biāo),將雷達(dá)的極坐標(biāo)以及陣面朝向設(shè)置為參數(shù)變量,將雷達(dá)參數(shù)、彈道導(dǎo)彈威脅權(quán)重和雷達(dá)銜接等作為約束,該文仿真對比了枚舉法,驗證所提方法更快獲取最優(yōu)配置方案,求解高維度、大規(guī)模以及多約束配置問題更具優(yōu)勢。

文獻(xiàn)[69]將責(zé)任區(qū)覆蓋系數(shù)和重點區(qū)覆蓋系數(shù)加權(quán),并乘以約束系數(shù)指標(biāo)作為優(yōu)化目標(biāo),采用交叉概率、變異概率自適應(yīng)調(diào)整策略,每一輪迭代均修正不滿足約束的個體,提出一種基于內(nèi)嵌多約束判決的自適應(yīng)GA配置方法,實際應(yīng)用表明以上站點配置方法高效實用。文獻(xiàn)[70]為了保證組網(wǎng)雷達(dá)系統(tǒng)具有一定的“四抗”能力,考慮雷達(dá)頻率資源面臨重疊干擾,以責(zé)任區(qū)覆蓋系數(shù)、空間重疊覆蓋系數(shù)、頻率干擾系數(shù)和資源利用系數(shù)加權(quán)作為優(yōu)化目標(biāo),將重點目標(biāo)覆蓋系數(shù)作為約束條件,建立站點優(yōu)化配置模型,提出一種基于內(nèi)嵌約束判決的有序化GA配置方法,該文仿真實驗結(jié)果表明,所提模型和算法通過站點優(yōu)化配置提升了雷達(dá)預(yù)警能力、抗干擾能力,并且改善了資源利用率,降低了頻率重疊干擾程度。文獻(xiàn)[71]以劃定區(qū)域的覆蓋率作為指標(biāo),設(shè)置雷達(dá)型號、雷達(dá)位置為參數(shù)變量,將雷達(dá)探測范圍銜接寬度作為約束,建立單目標(biāo)約束優(yōu)化模型,提出一種基于SA的站點優(yōu)化配置算法,該文實例仿真表明,站點優(yōu)化配置后預(yù)警能力、抗隱身能力和防低空突防能力均有所提升。文獻(xiàn)[72]提出了一種基于圖論的配置方法,將雷達(dá)作為一個獨立點集,陣地作為另外一個獨立點集,通過兩個獨立點集的配對實現(xiàn)雷達(dá)與陣地的配對,采用狀態(tài)壓縮將雷達(dá)配置方案數(shù)值化,獲取覆蓋范圍大、成本最小、重點區(qū)域重點覆蓋、冗余度滿足約束的站點配置方案。文獻(xiàn)[73]提出了一種基于基點賦權(quán)優(yōu)選的配置方法,首先確定一個人工方案,新產(chǎn)生的方案以人工方案作為參考點,按綜合評價值排序所有方案,可得方案的優(yōu)劣次序,易于編程計算。

防空預(yù)警雷達(dá)網(wǎng)由2部(含)以上架設(shè)于不同高度或地點的雷達(dá)組成,該組網(wǎng)系統(tǒng)通過站點情報融合提升探測覆蓋能力,但面臨高空火力打擊、電子干擾以及反輻射攻擊等難題。文獻(xiàn)[74]考慮覆蓋率、重疊度、“四抗”能力以及費效比,通過量化6個約束原則,建立6個指標(biāo)加權(quán)的單目標(biāo)優(yōu)化模型,將備選陣地編號和裝備編號直接作為染色體基因,實現(xiàn)備選陣地與裝備一一對應(yīng),提出了一種基于混合實數(shù)編碼GA的配置方法,而采用混合決策收斂準(zhǔn)則,使得算法收斂更靈活。當(dāng)防空預(yù)警雷達(dá)網(wǎng)規(guī)模較大時,情報充分交互具有提升整體性能的潛力。文獻(xiàn)[75]提出探測效能和情報質(zhì)量這兩個一級指標(biāo),可劃分為若干個二級評估指標(biāo),對兩級指標(biāo)分別進(jìn)行模糊歸一化、量化,采用模糊層次分析法(PAHP)可建立配置模型,該文基于GA求解上述模型,綜合提升了防空預(yù)警雷達(dá)網(wǎng)絡(luò)的整體性能。文獻(xiàn)[76]聚焦覆蓋空域的連續(xù)性和嚴(yán)密性,提出一種基于模擬退火遺傳(SAGA)算法的站點優(yōu)化配置方法,分別對丘陵山地、平原兩種地形的陣地位置進(jìn)行實數(shù)編碼和二維實數(shù)編碼,通過自適應(yīng)交叉、全概率變異更新站點配置方案,所提算法避免了GA早熟、收斂速度慢等缺點。

文獻(xiàn)[49]考慮配置區(qū)域不連通(如:沼澤及深水域無法配置),將不連通的配置區(qū)域劃分為多個連通子區(qū)域的并集,將每個站點與子區(qū)域的對應(yīng)關(guān)系映射為整數(shù)變量,將站點在子區(qū)域內(nèi)的位置映射為二維連續(xù)變量,采用混合編碼方式定義站點的位置。該文以ECR和最小的SNR作為兩種性能指標(biāo),以站點位置為參數(shù)變量,站點優(yōu)化配置模型建立為

(5)

式中:θj包含一個整數(shù)變量aj和一個連續(xù)變量(xj,yj),這兩個變量的約束條件分別為M個子區(qū)域、第m個子區(qū)域的范圍。θj映射為第j個雷達(dá)站點的混合坐標(biāo),則Θ匯總J個雷達(dá)站點的混合坐標(biāo)編碼。該文將以上配置問題轉(zhuǎn)化為混合整數(shù)非線性規(guī)劃(MINP)問題,修改MOPSO粒子運動方程,提出一種多目標(biāo)粒子群優(yōu)化結(jié)合混合整數(shù)非線性規(guī)劃(MOPSO-MINP)算法,用于優(yōu)化站點配置方案。該文還討論了另一種模型和算法,通過引入懲罰項來修正約束,轉(zhuǎn)化為無約束問題,提出一種基于擁擠距離(CD)的多目標(biāo)粒子群優(yōu)化(MOPSO-CD)算法,該方法引入CD排序選擇非支配解,增加配置方案的多樣性,防止過快陷入局部最優(yōu)解。該文仿真結(jié)果表明,相比后一種模型及算法,前者求解的站點配置方案具有更好的多樣性和均勻性。當(dāng)配置模型中,幾種性能指標(biāo)數(shù)量級相差較大,MOPSO-CD算法也難以搜索到全局最優(yōu)解。文獻(xiàn)[48]以ECR、最小總信號能量和噪聲功率之比(RTSN)作為性能指標(biāo),將站點配置問題建模為多目標(biāo)約束優(yōu)化問題,通過構(gòu)造k個子群擴(kuò)展帕累托前沿,一個主群尋找非支配解,提出一種基于非支配相對擁擠距離的多目標(biāo)粒子群優(yōu)化(MOPSO-NRCD)算法。該文仿真結(jié)果顯示MOPSO-NRCD的支配空間的平均大小和平均多樣性均大于MOPSO-CD,可以提供更好的配置候選方案。

干擾任務(wù)場景下,文獻(xiàn)[77]采用干擾源主動壓制敵方的導(dǎo)航信號,考慮敵武器對我方重要目標(biāo)威脅程度,則我方干擾功率小和敵方威脅指數(shù)高均不利于我方,將干擾功率、威脅指數(shù)的倒數(shù)通過加權(quán)構(gòu)成一個指標(biāo),建立單目標(biāo)優(yōu)化模型,通過GA求解優(yōu)化配置方案,該方法可以提升區(qū)域內(nèi)的最小干擾效益,然而難以優(yōu)化干擾效益在區(qū)域內(nèi)所有位置的整體分布。

通信任務(wù)場景下,文獻(xiàn)[78]以無人機基站數(shù)量、用戶數(shù)量和總體路徑損耗的加權(quán)值作為優(yōu)化目標(biāo),以三維(3D)位置和發(fā)射功率為參數(shù)變量,根據(jù)無人機(UAV)連接要求和地面用戶覆蓋要求,提出5個約束條件,建立單目標(biāo)多約束優(yōu)化配置模型,提出一種基于多目標(biāo)二元粒子群優(yōu)化遺傳算法(MO-BPSO-GA)的站點優(yōu)化配置方法,該方法結(jié)合了多目標(biāo)粒子群優(yōu)化(MOPSO)、二元粒子群優(yōu)化(BPSO)和遺傳算法(GA)的優(yōu)勢。該文仿真結(jié)果表明,MO-BPSO-GA在UAV連接要求和地面用戶覆蓋要求下,所提出的MO-BPSO-GA算法不僅可以部署最少數(shù)量的UAV,而且可以優(yōu)化其3D位置以獲得更好的信道質(zhì)量。文獻(xiàn)[50]以有效通信覆蓋率和ASE作為性能指標(biāo),采用MOPSO算法配置通信基站,選擇某城市地區(qū)作為仿真測試區(qū)域,驗證了該方法的有效性。

2.2.2 面向多任務(wù)場景的站點配置

感知系統(tǒng)的時/空/頻/能等資源通常受限,系統(tǒng)的多項任務(wù)間存在資源沖突,通過站點優(yōu)化配置可實現(xiàn)資源利用率提升。在多任務(wù)場景中,部分學(xué)者提出了面向多任務(wù)場景的站點配置方法。以WSN為代表,受限能量供應(yīng)通常會限制WSN壽命,因此能耗是無線傳感器節(jié)點配置的關(guān)鍵指標(biāo)。文獻(xiàn)[80]將覆蓋率和能耗之比作為綜合指標(biāo),將WSN分為不同的集群,不同集群間協(xié)同工作以實現(xiàn)節(jié)點優(yōu)化配置,提出分層VFCPSO算法,將集中式VFCPSO(C-VFCPSO)算法擴(kuò)展到分布式VFCPSO(D-VFCPSO)算法、異構(gòu)分層VFCPSO(Hetero-H-VFCPSO)算法和同構(gòu)分層VFCPSO(Homo-H-VFCPSO)算法,仿真驗證了Homo-H-VFCPSO算法在傳感器節(jié)點優(yōu)化配置方面的優(yōu)勢。

為了綜合優(yōu)化覆蓋率和通信能耗,可將站點配置問題建模為多目標(biāo)優(yōu)化問題。文獻(xiàn)[81]考慮WSN節(jié)點間通信距離受限,將傳感器節(jié)點配置問題建模為多目標(biāo)約束優(yōu)化問題,采用基于模糊邏輯的帕累托前沿最佳折中策略選擇方法,提出了一種基于MOPSO結(jié)合模糊決策的高效傳感器配置方法,并與非支配排序遺傳算法II(NSGA-II)進(jìn)行對比,驗證了所提算法獲得的非支配解分布更均勻,所需計算時間更少。文獻(xiàn)[52]考慮采用5G相控陣的多基站協(xié)同感知系統(tǒng),可以同時完成無線通信及低空目標(biāo)檢測任務(wù),以有效檢測覆蓋率和有效通信覆蓋率為性能指標(biāo),將所有基站的位置和天線偏角設(shè)置為參數(shù)變量,建立多目標(biāo)優(yōu)化模型,提出一種改進(jìn)MOPSO算法,該文測試比較了傳統(tǒng)配置和優(yōu)化配置在檢測和通信性能方面的優(yōu)劣,驗證了所提方法的有效性和優(yōu)勢。為了同時提高雷達(dá)系統(tǒng)探測和偵察性能,文獻(xiàn)[51]提出有效覆蓋率CR和監(jiān)視區(qū)域平均幾何精度因子Ag兩個性能指標(biāo)。希望獲得更高的CR和更小的Ag,將雷達(dá)站點位置作為參數(shù)變量,建立多目標(biāo)優(yōu)化模型為

(6)

式中:Θ為粒子位置,映射為雷達(dá)站點位置。該文提出了改進(jìn)MOPSO算法,用于站點優(yōu)化配置,并仿真驗證了所提算法的有效性。表3展示了單任務(wù)/多任務(wù)場景下站點配置方法的優(yōu)缺點以及適用邊界。表4歸納了面向單任務(wù)/多任務(wù)場景下多性能指標(biāo)站點配置的研究重點。

表3 單任務(wù)/多任務(wù)場景下站點配置方法的優(yōu)缺點以及適用邊界Tab.3 Advantages, disadvantages, and applicable boundaries of node deployment methods in single task/multi-task scenarios

表4 面向單任務(wù)/多任務(wù)場景下多性能指標(biāo)的站點配置方法研究重點Tab.4 Research focus of node deployment methods for multiple performance indicators in single task/multi-task scenarios

3 結(jié)束語

站點配置作為資源管控的重要環(huán)節(jié),對感知系統(tǒng)性能具有基礎(chǔ)性、全局性影響,具有重要的研究意義。本文針對不同應(yīng)用場景,梳理總結(jié)了站點配置技術(shù)國內(nèi)外研究現(xiàn)狀。現(xiàn)有研究主要集中于規(guī)則場景的探索、聚焦單一性能指標(biāo)的模型構(gòu)建和算法設(shè)計,而在研究實際復(fù)雜環(huán)境部署條件限制、多指標(biāo)按需折中平衡等方面不夠深入,相關(guān)研究仍需繼續(xù)探索挖掘。因此,本文嘗試對站點配置技術(shù)未來研究發(fā)展做如下三方面展望:

(1)感知系統(tǒng)站點配置指標(biāo)設(shè)計與優(yōu)化

現(xiàn)有站點配置研究成果中,單性能指標(biāo)設(shè)計通常具有種類豐富、調(diào)整靈活的優(yōu)勢,而對于多指標(biāo)則大多采用指標(biāo)加權(quán)或轉(zhuǎn)化為約束條件的方式進(jìn)行簡化,站點優(yōu)化配置未能充分挖掘系統(tǒng)多功能優(yōu)勢。盡管該方向已有一定的研究成果,但在如何根據(jù)實際需求納入更多指標(biāo)、如何平衡建模粒度與計算復(fù)雜度等方面仍需持續(xù)深入探索。

(2)感知系統(tǒng)站點配置算法改進(jìn)與創(chuàng)新

現(xiàn)有站點優(yōu)化配置算法研究成果集中于單任務(wù)場景,或僅考慮了同構(gòu)感知系統(tǒng)、一維參數(shù)變量等簡單要素或限制條件。未來應(yīng)針對異構(gòu)站點配置、高維參數(shù)變量以及多性能綜合優(yōu)化等挑戰(zhàn),探索快速高效的感知系統(tǒng)站點優(yōu)化配置算法,提升配置速度,增強系統(tǒng)對時變環(huán)境的適應(yīng)能力。

(3)感知系統(tǒng)站點配置特定場景應(yīng)用

現(xiàn)有研究大多基于規(guī)則通用場景,一定程度上制約了感知系統(tǒng)站點配置的實際工程應(yīng)用。針對感知系統(tǒng)資源沖突風(fēng)險增加的問題,未來需要探索基于站點配置方案的系統(tǒng)資源動態(tài)分配技術(shù),降低、消解陸、海、空、天等場景下探、通、偵和干多任務(wù)一體化系統(tǒng)資源沖突帶來的影響。