论文部分内容阅读
针对传统目标跟踪算法过分依赖环境模型的问题，提出了一种基于分布式纳什Q学习的多传感器协同目标跟踪算法．分析了强化学习与分布式纳什Q学习算法的原理；描述了多传感器的协同跟踪态势，建立了离散系统的非线性模型，给出了传统的扩展卡尔曼滤波解决方法；定义了对分布式纳什Q学习性能影响至关重要的传感器行为和奖惩函数，奖惩函数通过计算预测误差方差阵的迹得到；采用基于贝叶斯推理的概率统计方法解决了Q函数的更新问题．纯方位量测信息的被动跟踪仿真结果表明，相比于传统滤波算法，该算法增强了传感器对环境变化的适应性，实现了对目标的