Задача управления сенсорной сетью на основе рандомизированного и многоагентного подходов и ее приложения
Аннотация
Отслеживание нескольких целей — это классическая задача обработки сигналов, которая возникает во многих приложениях, например, в управление воздушным, морским и дорожным движением. Сети автономных датчиков служат желательными платформами для многоцелевого отслеживания ввиду их избыточности и реконфигурируемости. Однако сетевая реализация делает невозможным использование классических централизованных подходов к фильтрации, поскольку каждый датчик имеет ограниченные вычислительные возможности и ограниченный доступ к измерениям других датчиков. Помимо топологических ограничений (каждый датчик может взаимодействовать только с несколькими соседними узлами сети), связь между датчиками может быть ограничена, например, из-за ограниченная пропускная способность каналов связи, задержки и искажения данных.
В этой статье предлагается новый алгоритм для распределенного отслеживания нескольких целей в сенсорной сети, который является совмещением алгоритма SPSA и протокола локального голосования. Проводится консолидация алгоритма в условиях неизвестных, но ограниченны помех, оптимизация размера шага алгоритма и моделирование, подтверждающее работоспособность алгоритма. Также описаны возможные приложения для алгоритма.
Литература
S. S. Blackman, “Multiple hypothesis tracking for multiple target tracking,” IEEE Aerospace and Electronic Systems Magazine, vol. 19, no. 1, pp. 5–18, 2004; doi: 10.1109/MAES.2004.1263228
M. R. Leonard and A. M. Zoubir, “Multi-target tracking in distributed sensor networks using particle PHD filters,” Signal Processing, vol. 159, pp. 130–146, 2019; doi: 10.1016/j.sigpro.2019.01.020
X. R. Li and Y. Bar-Shalom, “Design of an interacting multiple model algorithm for air traffic control tracking,” IEEE Transactions on Control Systems Technology, vol. 1, no. 3, pp. 186–194, 1993; doi:10.1109/CDC.1993.325013
O. Granichin and N. Amelina, “Simultaneous perturbation stochastic approximation for tracking under unknown but bounded disturbances,” IEEE Transactions on Automatic Control, vol. 60, no. 6, pp. 1653–1658, 2015; doi: 10.1109/TAC.2014.2359711
O. Granichin, “Linear regression and filtering under nonstandard assumptions (arbitrary noise),” IEEE Transactions on Automatic Control, vol. 49, no. 10, pp. 1830–1837, 2004; doi: 10.1109/TAC.2004.835585
V. Erofeeva, O. Granichin, N. Amelina, Y. Ivanskiy, and Y. Jiang, “Distributed tracking via simultaneous perturbation stochastic approximation-based consensus algorithm,” in Proc. of the 2019 IEEE 58th Conference on Decision and Control (CDC), pp. 6050–6055, 2019; doi: 10.1109/CDC40024.2019.9030129
O. Granichin, “A stochastic approximation procedure with disturbance at the input,” Avtomat. i Telemekh., no. 2, pp. 97–104, 1992 (in Russian).
O. Granichin and V. Fomin, “Adaptive control with tentative signals in the feedback channel,” Avtomat i Telemekh., no. 2, pp. 100–112, 1986 (in Russian).
B. T. Polyak, A. B. Tsybakov, “Optimal Order of Accuracy of Search Algorithms in Stochastic Optimization,” Probl. Peredachi Inf., vol. 26, no. 2, 45–53, 1990 (in Russian).
J. C. Spall, “Multivariate stochastic approximation using a simultaneous perturbation gradient approximation,” IEEE Transactions on Automatic Control, vol. 37, no. 3, pp. 332–341, 1992; doi:10.1109/9.119632
A. Sergeenko, “Airplanes tracking under unknown-but-bounded disturbances,” in Navigation and traffic control. Proc. of the XXII Conference of Young Scientists with International Participation, St. Petersburg, 2020, pp. 319–321.
Y. Ivanskiy and A. Sergeenko, “Distributed algorithms for tracking the trajectories of a set of objects by an array of mobile sensors,” in Navigatsiya i upravlenie dvizheniem. sbornik tezisov dokladov Mezhdunarodnogo seminara, I. V. Belokonov ed., 2020, p. 22 (in Russian).
N. Amelina, O. Granichin, O. Granichina, and Y. Jiang, “Differentiated consensuses in decentralized load balancing problem with randomized topology, noise, and delays,” in Proc. of the 53rd IEEE Conference o Decision and Control, 2014, 2014, pp. 6969–6974; doi: 10.1109/CDC.2014.7040484
N. O. Amelina and A. L. Fradkov, “Approximate consensus in the dynamic stochastic network with incomplete information and measurement delays,” Automation and Remote Control, vol. 73, no. 11, pp. 1765–1783, 2012; doi: 10.1134/S000511791211001X
N. Amelina, A. Fradkov, Y. Jiang, and D. J. Vergados, “Approximate consensus in stochastic networks with application to load balancing,” IEEE Transactions on Information Theory, vol. 61, no. 4, pp. 1739–1752, 2015; doi: 10.1109/TIT.2015.2406323
M. Huang, “Stochastic approximation for consensus: a new approach via ergodic backward products,” IEEE Transactions on Automatic Control, vol. 57, no. 12, pp. 2994–3008, 2012; doi:10.1109/TAC.2012.2199149
S. Boyd, N. Parikh, E. Chu, B. Peleato, J. Eckstein et al., “Distributed optimization and statistical learning via the alternating direction method of multipliers,” Foundations and Trends® in Machine learning, vol. 3, no. 1, pp. 1–122, 2011; doi: 10.1561/2200000016
O. Granichin and N. Amelina, “Simultaneous perturbation stochastic approximation for tracking under unknown but bounded disturbances,” IEEE Transactions on Automatic Control, vol. 60, no. 6, pp. 1653–1658, 2015; doi: 10.1109/TAC.2014.2359711
N. Amelina, V. Erofeeva, O. Granichin, Y. Ivanskiy, Y. Jiang, A. Proskurnikov, and A. Sergeenko, “Consensus-based distributed algorithm for multisensor-multitarget tracking under unknown-butbounded disturbances,” in Proc. of IFACWorld Congress, 2020, 2020; doi: 10.1016/j.ifacol.2020.12.1756
International Civil Aviation Organization, “Aeronautical Surveillance Manual (Doc 9924),” 2rd Ed., 2017.
ICAO, “Multilateration (MLAT) Concept of use,” 1.0 ed., 2007.[Online]. Available: https://www.icao.int/APAC/Documents/edocs/cns/mlat_concept.pdf
Материал публикуется под лицензией:
