稀疏动态目标的资源受限自适应搜索与跟踪
信息论
2014-04-09 v1 math.IT
摘要
本文考虑了在大面积上稀疏分布的动态目标的资源受限且噪声限制的定位与估计问题。我们将现有的自适应传感资源分配框架[Bashan et al, 2008]推广到动态情况，考虑了时变目标行为，例如向相邻单元的转移以及在潜在长时间范围内的变化幅度。所提出的自适应传感策略由最小化先前引入的ARAP目标函数的修改版本驱动，该函数是目标所在位置均方误差的替代函数。我们通过分析具有目标位置先知知识的策略性能，提供了自适应传感策略性能的理论上界，从而深入了解目标运动和幅度变化以及稀疏性的影响。多阶段目标函数的精确最小化是不可行的，但近视优化产生了闭式解。我们提出了一种简单的非近视扩展，即动态自适应资源分配策略（D-ARAP），该策略分配一部分资源用于探索所有位置，而不仅仅是利用当前信念状态。我们的数值研究表明，D-ARAP具有以下优点：（a）它对噪声、缺失数据和模型失配比近视策略更鲁棒；（b）其性能与著名的近似动态规划解决方案相当，但计算复杂度显著降低；（c）在估计误差和检测概率方面，它比非自适应均匀资源分配有大幅改进。
引用
@article{arxiv.1404.2201,
title = {Resource-Constrained Adaptive Search and Tracking for Sparse Dynamic Targets},
author = {Gregory E. Newstadt and Dennis L. Wei and Alfred O. Hero},
journal= {arXiv preprint arXiv:1404.2201},
year = {2014}
}
备注
49 pages, 1 table, 11 figures