认知动态系统：认知雷达技术综述
人工智能
2016-05-27 v1
摘要
我们从认知雷达的历史开始，其中给出了 PAC 的起源、Fuster 关于认知的研究以及认知原理。Fuster 描述了五种认知功能：感知、记忆、注意、语言与智能。我们描述了应用于认知雷达的 Perception-Action Cyclec，然后讨论长期记忆、记忆存储、记忆提取与工作记忆。并给出了人类认知中的记忆与认知雷达之间的比较。注意是 Fuster 描述的另一功能，我们给出了人类认知中的注意与认知雷达的比较。我们讨论了来自 PAC 的四个功能模块：贝叶斯滤波器、反馈信息、动态规划以及雷达环境的状态空间模型。然后，为了表明 PAC 相比传统主动雷达提高了认知雷达的跟踪精度，我们提供了仿真结果。仿真中比较了三种非线性滤波器：容积卡尔曼滤波器 (Cubature Kalman Filter)、无迹卡尔曼滤波器 (Unscented Kalman Filter) 和扩展卡尔曼滤波器 (Extended Kalman Filter)。根据结果，采用 CKF 实现的雷达优于采用 UKF 或 EKF 实现的雷达。此外，采用 EKF 的雷达精度最差且计算负载最大，因为需要推导和求解雅可比矩阵。我们建议使用风险管理概念来更好地控制参数并提升认知雷达性能。我们认为，频谱感知可视为认知雷达中潜在的应用兴趣，并提出一种新方法概率 ICA (Probabilistic ICA)，其有望基于认知雷达中的估计误差降低噪声。并行计算是基于分治机制的概念，我们建议在认知雷达中通过使用并行计算方法执行复杂计算或任务来减少处理时间。
引用
@article{arxiv.1605.08150,
title = {Cognitive Dynamic Systems: A Technical Review of Cognitive Radar},
author = {Krishanth Krishnan and Taralyn Schwering and Saman Sarraf},
journal= {arXiv preprint arXiv:1605.08150},
year = {2016}
}