游戏使用模糊逻辑理论的传感器资源分配

文摘

一个传感器资源管理系统,采用模糊逻辑提供一个游戏理论方法的效用函数。应用程序查看虚拟栅栏的问题,一些无人值守地面传感器被放置在偏远地区作为虚拟的哨兵。方法的目标是最大化电池寿命,同时跟踪感兴趣的目标。这项研究还考虑的不确定性模糊隶属度函数。二型模糊逻辑和就业条件模糊隶属函数的使用。二型模糊逻辑是采用的声学传感器跟踪精度退化,而要隶属度函数是用来适应不同的条件,如环境条件和传感器性能下降,随着时间的推移。资源管理流程使用模糊逻辑来确定传感器系统的传感器吊舱是用来提供初始分类的目标和传感器或传感器是用于跟踪和更好的分类的目标如果是确定价值的使命。比较了三种不同的方法来确定当最好的时代更复杂的方法是必要的。

1。介绍

延长电池寿命的资源分配技术无人值守地面传感器(UGS),同时仍然提供跟踪和分类功能可以应用于越来越多的远程监控UGS系统的活动。模糊逻辑方法,这种资源配置可以将固定隶属度函数(1,2和被应用先进的2型模糊逻辑3),或有条件的模糊隶属度函数模型可用于传感器的功能。

UGS的使用变得越来越必要在环保和其他应用程序,如前所述在[4,5]。在偏远地区,使用现场人员来监控非法或危险的活动太昂贵的经济和身体可以不切实际。这些活动,如非法采矿6],非法种植[7],非法采伐[8),偷猎,倾倒有毒化学物质,犯罪活动9),例如,走私、和娱乐使用(10),如射击和非公路用车辆使用这样的使用是非法的,会导致严重的环境破坏,就会变得越来越普遍。大门、栅栏和已被证明无效的迹象在打击这些非法使用11]。

提供一个持续的监控存在并能够部署稀疏的执法资源需要虚拟栅栏的就业或虚拟哨兵。其中一个方法是其中部署网络UGS类似的门防御BSA UGS [12)在图1。这些传感器平台可以有多个传感器提供各种功能如识别、运动跟踪和冗余。

持续运行这些传感器会很快耗尽电池电源系统。等传感器网络没用,这将使他们需要多个服务调用在一个月的时间,这也会降低covertness和增加他们的操作的成本。简单的前馈控制,一个简单的触发器将激活传感器,将降低电池功耗但不会做出明智的决定当一个传感器或UGS应为实际和潜在被激活并保持了很少关注的目标。

在智能技术,唤醒传感器将启动的操作上的所有传感器UGS任何路过的车辆。然而,在日志记录等情况下的保护,小全地形车辆(atv)和汽车不会感兴趣的,一辆皮卡可能的一些担忧。大的车辆,如半拖车和小平板,将是更大的问题。因此,使用智能传感器资源,和电池利用率降低,从而增加维修之间的时间。

一个博弈论的智能技术使用模糊逻辑控制方法是图所示2。算法过程使用一个唤醒过程来确定目标,然后确定,如果有的话,实现传感器的识别和目标跟踪。这种方法的延伸,开发的(1,3),该算法被用来确定每个传感器独立部署基于任务目标的重要性,剩下的电池,和传感器的功能。然而,所有的传感器测定操作同时不是作为一个单一的决定。游戏理论的方法来控制整个网络,而不是单个传感器,一直在尝试其他方法,尤其是5]。算法是使用固定的模糊评估会员,2型模糊逻辑(13),有条件的模糊隶属度函数(14),后两个是注册来处理各种各样的实现和UGS会遇到的环境问题。

节2详细,基本游戏理论技术。启动过程作为一个通用的概念,是逐步扩大功能的过程。然后实现模糊逻辑的元素和游戏。部分3扩展了技术纳入2型模糊逻辑。这是遵循节4与整合的描述条件模糊隶属度函数。部分5概述的场景和条件用于获得的结果部分中提供的电池功耗和传感器的选择6。这些结果还将包括许多不同的初始条件对电池的水平。

2。模糊的游戏方法

图中描述的资源分配的一般过程3有两个主要元素。第一个是“醒来”UGS。唤醒传感器检测到一个接近目标和启动过程。选择初始分类的传感器。每个UGS有两个这样的传感器。这个决定会影响剩余电池的选择传感器消耗电池。

所以有三种可能的举措:

预期的回报

回报是多少电池能量耗尽,以换取正确地识别目标的概率。减少电池的电力,电力消费决策过程变得更加重要。如果没有选择传感器,然后目标是错过了,下一步是跳过。

如果一个传感器被激活,系统确定重要性水平的任务分类的目标。第二移动游戏来决定是否应该跟踪目标和更好的识别。现在四种可能的措施是可用的:

预期的回报 执行的任务是一个函数在哪里

在这两种情况下,回报的收益和成本将被用于创建每个移动的总分。成本和收益使用模糊逻辑引擎被修改。

的模糊资源分配算法的详细数据4和5。唤醒算法如图4是整体的一个子集分配算法。它有三个输入:剩余电池供电,电池使用的传感器和传感器的分类精度。使用模糊成员函数图6,所以他们三个输入映射可能被应用到模糊推理引擎。分类精度加工使用的推理引擎和顺向隶属度函数图7。这提供了对游戏的选择。电池能耗水平和映射和加工两个输入模糊逻辑系统,见图8。这个结果是游戏的成本的过程。游戏生成一个分数。得分最高的传感器相比,然后选择一个阈值,如果超过阈值激活。

一旦分类目标,一个任务重要性得分目标。图的算法5然后应用到UGS传感器。基于传感器的功能(运动和分类),任务目标的重要性,和电池信息,生成一个得分为每个单独的传感器和两个传感器的结合。电池使用和功率是相同的过程中使用唤醒的过程。好处得分是由两个分数:运动学和任务重要性分数和分类和任务重要性分数利用推理引擎和顺向隶属度函数图9。得分最高的用于比较阈值。如果达到或超过阈值,然后选择是实现跟踪和识别目标。

两个函数的结果是提供一个得分差。如果目标被认为是感兴趣的,那么传感器选择系统决定哪些传感器将用于目标跟踪和分类。不像在1),四个不同的举措可能为两个传感器UGS。在这种情况下,没有一个,或两个传感器可以使用。模糊的过程是一个简单的扩展后的过程,它包含了跟踪能力和任务重要性值计算中获益。

游戏的方法是一个更复杂的比应用技术(1,3),为每个传感器生成一个简单的游戏。唤醒和快速分类部分的资源管理器,每个传感器的分数在UGS了

得分最高的传感器被选为初始分类的传感器。比分是然后比较阈值。如果阈值,传感器被打开。否则,目标被忽视了。跟踪每个传感器给出分数

每个传感器的得分是对阈值相比,,如果遇到了,那么传感器激活跟踪和分类。

跟踪传感器的评分算法选择修改,用于(2]。生成每个传感器都有得分,两个传感器操作。选择(单个传感器或传感器)相比,得分最高的是阈值。如果选择达到或超过了阈值,那么,选择和使用适当的传感器或传感器被激活。新的评分算法 在哪里

两个传感器的选择了使用两个传感器的整体改进,改进不是线性的,但通过一个概率组合。

3所示。二型模糊逻辑应用于系统的不确定性

当UGS系统实际上是部署,可能出现许多不同的问题,会影响性能。一个声波传感器阵列将放置在一条直线,见图10,收益预期的到达时差间隔。它可以放置不良或,因为从动物或水径流的影响,移动和位置更像图的例子11。这样的配售扭曲的声束建模不确定性的东西非常不同。图12显示了一个数组的独特模式的不确定性,如在图10,但是像这样的配置在图11,不确定性模式可以极大地扭曲了。

声信号也可能扭曲的回声和环境变化简单如温度和湿度变化的因素。光电(EO)传感器可以有它镜头污染颗粒物或眩光在某些时期。如果UGS系统有一个太阳能充电器,面板的性能变化的时间,每天的时间,天气,积聚的污垢和灰尘。

所有这些问题影响传感器模型的不确定性。这些变化很难模型数学和做影响隶属度函数中使用资源管理器。一个方法来考虑这些问题是使用2型模糊逻辑(13]。

为了简化讨论,重点将不确定性(或质量)声学传感器的运动精度。根据(15),二型模糊集可以被认为是一套fuzzy-fuzzy上层隶属函数和较低的隶属函数,见图13。隶属度函数之间的区域被称为不确定性的足迹(4)。权重的不确定性可以均匀或不均匀。二型模糊集的不同应用程序处理,描绘在图14。

在这个应用程序中,声学传感器被认为是比较准确地放置线性数组。数组元素可以维护UGS之间随着时间的移动。另外,当地的环境可能产生有害影响传感器的性能。由于这样的原因,基线模糊集用于(2可能并不准确。因此,2型模型用于声学传感器的运动精度的系统部分中描述的人物10。虽然笨人一个复杂模型可以开发基于位置、环境、时间和UGS仍然在这个领域没有维护,对于这个工作,定常模型采用统一的函数。

4所示。有条件的模糊逻辑系统的不确定性

在[14),描述了一种技术来改变系统的建模中使用的操作参数操作在不同的模式。通过使用模糊逻辑,参数修改,以更好的模型在当前操作系统配置文件。UGS的系统,系统的操作配置文件更改维护周期之间(通常恶化)。退化的模糊隶属度函数的各种传感器将随时间变化。在[14),这个概念是适应模糊隶属度函数的参数基于系统的条件。虽然这种方法优点对于这个应用程序,修改的方法是考虑。前提隶属函数的输入值在图中描述6最初被认为是固定的。这些值会随着环境条件的变化而变化。节3条件和示例,介绍了保持相关的不确定性的来源。

在这一行动中,集中的光电传感器是传感器这种方法。随着时间的推移,光电传感器的镜头会被雨水和灰尘的影响。一旦清楚现在所使用的图像分类算法是模糊和模糊。环境的复杂性可以被建模的方法。UGS系统需要保持简单的减少计算负荷和能耗。出于这个原因,模型修改分类精度隶属函数是一个简单的两个输入模型基于时间和维护周期之间的时间长度。它描述了数据15- - - - - -18。图15表示四季。注意,这是一个圆形的函数,随着冬天穿过的开始和结束值。图16表示自维护。假设2-4-month周期修理,隶属度函数增量的开始,成为更大的随着时间的推移。推理引擎如图17。(图的输出函数18)创建了一个质量传感器的值。因此,如果系统冬天已经操作了5周,由此产生的光电传感器将被评为拥有0.7而不是0.89标准目标分类。

5。场景

一个场景用于评估该算法基于在1,3]。这使得新技术开发的比较与先前的结果。

跟踪系统类似于一个重要的日志和消防道路交叉了,如图19。两个不同的传感器吊舱。每个pod类型有声学数组和一个声唤醒传感器。唤醒传感器是一个简单的旅行警报或接近传感器。声阵列主要用于目标定位但还可以提供分类信息。这些数据将通知当局的车辆穿越该地区。传感器吊舱1型使用化学传感器来识别目标。荚2型有一个光电传感器(EO),可以提供跟踪信息和分类信息。(在这种情况下被跟踪的目标被假定在道路网络)。

表1描述了七遍历该地区感兴趣的目标。使用gametheoretic方法,由模糊逻辑、多传感器系统的任务是分类和跟踪关键任务目标在十天时间内。在这个场景中,关键任务目标是大卡车。沙滩车和汽车小排量汽车,并不重要。小货车被认为是可能的问题。示例场景图19结合五个传感器吊舱,每一声数组和一个声唤醒传感器,包括三位的1型2型化学传感器系统和两个光电传感器系统。UGS豆荚1 - 3的1型和UGS豆荚4和5是2型的。

基于所选择的传感器的使用场景中,表2定义了基线功能所涉及的四种类型的传感器在传感器吊舱。有两种分类评级:目标和属性。第一个是提供实际的分类目标,如将提供的自动目标识别(ATR)系统。选择传感器的阈值选择唤醒传感器分别为0.02和0.9的跟踪传感器。ATR系统通常使用单个传感器报告来确定目标类(16]。第二个评级是属性分类的传感器提供的信息,可以与其他数据融合提供分类(17]。接下来的两个评级是本地化评级和用电。

表3提供了一个要修改的基线模糊逻辑资源管理系统,考虑季节和时间之间的维修条件数据15- - - - - -18。这些新数字光电从冬季和7周维护时间。

6。结果

资源管理系统是使用上述模糊逻辑实现和参数。目的是监控场景的用电和确定哪些传感器用于唤醒过程和跟踪过程。六个不同的初始条件是用于电池供电。包括一个初始的100%,90%,80%,65%,50%,45%。结果使用三个不同的系统上的变化:固定模糊逻辑、二型模糊逻辑,和一个试图从模糊逻辑系统。

固定的模糊逻辑系统基线资源系统应用于前一节中描述的场景。在二型模糊逻辑系统中,基线系统被修改以便声学传感器模型包含不确定性的传感器位置的声接收器。最后,试图从系统中,有一个修改传感器功能来考虑季节和维护,如表所示3。结果的选择唤醒传感器部分所示6.1。结果跟踪传感器的选择部分所示6.2。最后,部分6.3显示了整体能耗结果场景。

6.1。唤醒传感器选择结果

表4(一)-4(c)显示不同电池的决策水平的唤醒一步目标1,4,6,分别在每个三个版本的资源管理系统。唤醒选择,决定是完全基于功耗和传感器的分类功能的准确性。

当电池电力充足,最好的分类传感器在每个UGS选择。然而,当电池电量低时,选择的变化。为50%,2型的光电传感器被认为是过于昂贵和UGS开关声传感器。最初的打击力量,同样,在45% 1型UGS改变化学传感器初始分类。唤醒选择,之间没有改变基线系统和2型案例。状态变化,2型UGS现在总是利用声学传感器。感兴趣的点初始功率在50%,和1型UGS使用的化学传感器目标4和6电池后落在目标1。

6.2。跟踪传感器的选择结果

表5(一)-5(c)显示了目标跟踪传感器选择初始分类后的结果。这里的选择是基于传感器的功能和功耗以及任务目标的重要性。最初的电池水平是为唤醒步骤定义为第一目标。电力消耗的基础上决定。这一分析,认为唤醒分类是正确的。这意味着较低的电池用电水平变得更加重要。表也表明,正如所料,传感器的选择是一样的游戏每个UGS是相同的。这可能是不同的,如果UGS工作作为一个网络,而不是独立。

结果表明,资源管理器选择两个传感器在1型UGS所有目标虽然有力量但随后关闭了传感器的跟踪能力不值得电力消耗电池电量减少。EO精度通常被认为是足够的电力使用和不够使用声学传感器功能添加。低级的兴趣点目标,目标6日发生在光电传感器仍在运营期间,1型UGS决定忽略目标。这表明任务重要性和系统功能之间的关系不是简单的假定。

2型模糊方法和基线之间的差异发生在最初的电池储备50%和45%。在这种情况下,声学模型的不确定性使其继续操作超过基线的方法。关键是现在不确定性建模。

要结果表明,资源管理器选择两个传感器在1型UGS所有目标虽然有力量但后来关闭了传感器的跟踪能力不值得电力消耗的电池能量减少。减少光电功能,它关闭了较小的重要目标不被认为是值得的权力,如目标6。还在2型UGS两传感器的使用是不值得的功耗,选择消失更快。

6.3。电力消耗的结果

每个模糊方法生成游戏决定分数相比,现在的电池消耗表6。马耗尽的电池显示的数量以及总功率的比例使用。表比较提供了一个有趣的操作决定。二型模糊逻辑,虽然适用于两种类型的UGS,只适用于1型UGS当它有一个有益的影响作为低初始功率设计的可用性。事实上在50%,功耗而著称。试图从模糊逻辑设计仅为2型UGS。它通过降低能耗高初始电池功率(50%以上)。在其他操作,一个基本的模糊逻辑方法效果也是一样的。

没有专家调优,基本模糊逻辑将是最好的选择。然而,根据条件和UGS类型看来之间切换使用不同的模式可以是有益的。

7所示。结论

资源管理系统已被证明有能力处理多传感器UGS的平台。不确定性模糊模型的结合是一个重要的补充,因为它更好的模型后验的变化系统的系统模型一旦被放置。然而,这种好处是通过场景不是一个常数。这些变化更好的模型,更系统的分析是必需的。对模糊逻辑建模的成本可能会阻止这种操作。

许多其他的实现可以改进。随着系统的发展,实现这些变化,如网络UGS和使用当前操作UGS结果绕过叫醒正在步追了上去。

引用

1. s . c . Stubberud k·a·克莱默,“传感器网络激活fuzzy-based博弈论,”《IEEE国际仪器和测量技术会议奥地利格拉茨,页1133 - 1138,,2012。视图:谷歌学术搜索
2. s . c . Stubberud k·a·克莱默,“无人值守地面传感器资源分配使用模糊游戏,”国际会议系统工程学报》(ICSE 12)2012年,页1 - 6、考文垂、英国。视图:谷歌学术搜索
3. s . c . Stubberud和k·a·克莱默,“与不确定的传感器资源分配模型,”《IEEE国际会议上模糊系统2012年,页1 - 7,布里斯班,澳大利亚。视图:谷歌学术搜索
4. r·r·布鲁克斯·拉马纳坦和a . m .细哔叽,“在传感器网络分布式目标分类和跟踪”,IEEE学报》,卷91,不。8,1163 - 1171年,2003页。视图:出版商的网站|谷歌学术搜索
5. h·k·柯c·j·贝茨g .绿色和m·欧文斯”越野车娱乐在美国,地区和州:一个国家的全国性调查报告娱乐和环境(NSRE)”美国林务局,2005年,页1 - 2。视图:谷歌学术搜索
6. m . El Gammal和m . Eltoweissy”意识,适应性和自主一般网络”学报》第五届IEEE国际会议上自适应和自组织系统安阿伯市,页210 - 211年,密歇根州,美国,2011年。视图:谷歌学术搜索
7. d·s·哈蒙德诉贡德人,b . De Thoisy下午忘记,和b . p . e . DeDijn”原因和后果的热带森林淘金热圭亚那盾牌,南美,”中记录,36卷,不。8,661 - 670年,2007页。视图:出版商的网站|谷歌学术搜索
8. m . Mallery“大麻国家森林:侵占公共土地种植大麻,”伯克利大学期刊,23卷,不。2,1-50,2010页。视图:谷歌学术搜索
9. w·f·劳伦斯,”一个危机:反应的亚马逊森林土地利用和气候变化,”生态学与进化的趋势,13卷,不。10日,411 - 415年,1998页。视图:出版商的网站|谷歌学术搜索
10. j . f . Tynon d·j·查韦斯,“犯罪国家预测:呼吁研究”《林业,卷104,不。3、154 - 157年,2006页。视图:谷歌学术搜索
11. k . j .锤,“无票入场:道路关闭大门不能有效消除非法侵入,“天鹅视图联合报告,1 - 8,2001页。视图:谷歌学术搜索
12. “地面传感器设备(BSA),“国防更新,2006年,http://defense-update.com/products/b/BSA-UGS.htm。视图:谷歌学术搜索
13. j·m·孟德尔r . i约翰f·刘,“区间二型模糊逻辑系统简单,”IEEE模糊系统,14卷,不。6,808 - 821年,2006页。视图:出版商的网站|谷歌学术搜索
14. x胡、p . Bonissone和r . Subbu“健壮的模型选择决策使用模糊监督方法,”IEEE学报》研讨会上计算智能在多准则决策指标' 09)2009年4月,页126 - 132。视图:出版商的网站|谷歌学术搜索
15. d .翟和j·孟德尔质心的二型模糊集的质心计算流算法,”《IEEE国际会议上模糊系统,1 - 8,2011页。视图:谷歌学术搜索
16. 以西结,“在地面移动目标识别雷达视野,进步”美国国家消防研讨会,2011年,页1 - 5。视图:谷歌学术搜索
17. 美国黑人,多个目标与雷达跟踪应用程序,诺伍德Artech房子质量,美国,1986年。

版权

版权©2013斯蒂芬·c·Stubberud和凯瑟琳·a·克莱默。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。