雷达谐波抑制度测量传感器BTL7-S511B-M0700-B-KA10针对高杂波、电子干扰环境，在量测驱动的多目标滤波框架下提出了一种基于决策不确定性的传感器管理方法。首先，根据部分可观测马尔科夫决策过程的理论，给出了基于Rényi信息增量的传感器管理一般方法。其次，综合考虑决策过程的信息完整性、信息质量、信息的内涵等因素，在量测驱动的自适应滤波框架下，基于目标运动态势评估多目标决策不确定性水平，并选取大决策不确定性目标。后，以大决策不确定性目标的信息增量为准则进行传感器分配方案的求解。仿真实验表明所提方法能够有效抑制电子干扰、杂波对多目标跟踪及传感器分配的影响，与基于威胁的传感器管理方法相比，所提方法的平均子模式分配（OSPA）距离及平均计算时长均显著降低，且在高杂波、电子干扰情形下具有较高的可靠性。 为了提高无线传感器网络中的资源使用效率，本文提出了一种新颖的算法，基于节点之间的链路质量将任务分配给一对协同工作的传感器节点。具体来说，基于两个相邻节点之间的链接质量来获得这两个节点组成的节点对的能力等级。然后为每个节点对分配一个任务等级(例如，通过计算强度衡量)可以与此节点对的能力等级相匹配的任务，以便每个节点对可以协同高效地执行每个任务。考虑到一个节点可能会与多个节点组成不同节点对，而这些节点对被分配到的任务可能出现冗余(具有相同任务等级的任务)，所以需要调整这些任务以避免执行冗余任务?；诖蟪叽绮饬恳嫉拇蟛考越幽Ｊ匠杀窘细?且精度易受温度等环境因素干扰,提出一种新型的基于激光测距的大部件对接方法,并对其误差因素进行综合分析。给出基于激光测距的对接系统组成及基本原理,采用奇异值分解(SVD)法对部件当前位姿进行解算,运用几何分析法和小旋量模型构建基于激光测距的大部件对接目标位姿解算模型,依据调姿平台运动学计算各定位器调姿运动量?？悸欠椒跋低车闹饕蟛罾丛?采用蒙特卡洛仿真方法分析了误差源对调姿量精度的影响及规律。通过大部件对接试验系统对所提方法的有效性及精度进行验证,试验表明实际对接精度优于.

        雷达谐波抑制度测量传感器BTL7-S511B-M0700-B-KA10首先定义了目标检测风险和目标跟踪风险,并分别给出计算方法,其次以目标检测风险小化为目标函数建立传感器部署模型,以目标检测风险和目标跟踪风险之和小化为目标函数建立传感器调度模型,且该调度发生在前面传感器部署模型建立的传感器网络之上。针对模型的求解,同时为克服基本人工蜂群算法易陷入局部的缺点,提出改进的双向轮盘赌-粒子群-蜂群算法。后通过仿真验证,证明了模型和算法的有效性。多目标跟踪中的传感器控制本质上是一个非线性控制问题,其在理论分析和计算上挑战性.本文基于区间不确定性推理,利用箱粒子多伯努利滤波器提出了一种基于信息测度的传感器控制策略.首先,本文利用箱粒子实现多伯努利滤波器,并通过一组带有权值的箱粒子来表征多目标后验概率密度函数.其次,利用箱粒子的高斯分布假设,将多伯努利密度近似为高斯混合.随后,选择柯西施瓦兹 .