一种多源探测传感器布局智能优化方法及系统

本发明属于传感器部署，涉及一种多源探测传感器布局智能优化方法及系统。

背景技术：

1、低空安防系统中，对动态目标的持续监测与准确识别依赖于地面分布式信息综合处理与目标识别技术。该技术需要在复杂三维空间环境中，有效协同多类探测节点，实现数据的实时采集、融合与处理。

2、在三维地理约束下，静态多源探测传感器的优化布局面临覆盖范围、资源成本与地形适应性之间的多目标权衡难题。由于传感器部署的解空间随节点数量呈指数级增长，且三维场景建模需精确刻画地形起伏、障碍物分布及多种物理约束，传统优化方法在处理大规模复杂场景时难以兼顾计算效率与覆盖性能。

3、现有传感器布局方法通常从覆盖问题、综合效能评估或者多目标优化角度进行研究，但在静态多源探测传感器三维部署场景中，仍存在三维环境建模参数不够明确、视线遮挡计算规则不够具体、传感器经济性定义不够清楚以及多型号混合搜索过程难以复现等问题。

4、因此，需要提供一种能够在复杂三维空间内明确构建网格模型、计算障碍物遮挡、区分数量最小化优化模块与覆盖率最大化优化模块，并在满足目标覆盖率约束的前提下进行多型号经济性搜索的静态多源探测传感器布局智能优化方法及系统。

技术实现思路

1、针对现有技术中存在的问题，本发明提供一种多源探测传感器布局智能优化方法及系统，从而解决现有技术在处理三维地理约束下的静态多源探测传感器布局优化时，因问题本身的np难特性、三维建模精度不足、多目标权衡困难以及易陷入局部最优等缺陷，难以兼顾计算效率、覆盖性能与部署成本的技术问题。

2、本发明是通过以下技术方案来实现：

3、一种多源探测传感器布局智能优化方法，包括以下步骤：

4、s1、获取监测区域的地理信息，构建三维空间模型，并定义传感器的探测模型与部署约束条件；

5、s2、基于所述三维空间模型，计算各类传感器的性价比；针对每种传感器型号，利用数量最小化优化模块，在满足所述部署约束条件下，计算满足目标覆盖率所需的最少数量及对应成本，生成单类型基准方案；

6、s3、选取所述单类型基准方案中成本最低的作为初始最优方案；基于所述传感器探测模型，通过逐步减少主型号数量并补充其他型号的方式，利用修正遗传算法在三维空间模型中搜索满足覆盖率要求且成本更低的混合部署方案，输出经济性最优的传感器布局结果。

7、可选的，步骤s1中，所述构建三维空间模型具体包括：

8、将监测区域按照预设的水平方向网格间距和垂直方向网格间距划分为立方体网格单元，建立三维坐标系，并以网格单元中心点坐标进行标识；

9、基于gis数据和dem数据，判断网格单元内是否存在实体，若存在则标记为障碍物体素，否则标记为自由空间体素，并构建三维kd树空间索引结构。

10、可选的，步骤s1中，所述定义传感器的探测模型具体为：

11、采用布尔探测模型，设定传感器探测范围为以安装位置为球心、探测半径为的球形空间内满足俯仰角约束的区域，其中正上方中心区域设有倒锥形盲区，正下方中心区域亦设有倒锥形盲区；

12、判定传感器对目标体素的探测能力需同时满足以下条件：目标体素与传感器之间的距离小于等于探测半径，目标体素相对传感器的俯仰角位于有效俯仰角范围内，且传感器与目标体素之间的视线路径上不包含任何标记为障碍物的网格单元；

13、所述正上方倒锥形盲区的半锥角和正下方倒锥形盲区的半锥角分别满足：

14、；

15、；

16、其中，为第类传感器的最大俯仰角，为第类传感器的最小俯仰角；

17、判定传感器与目标体素之间视线路径是否包含障碍物的过程具体包括：

18、在传感器探测包围盒内按照预设方位角采样步长和预设俯仰角采样步长生成射线方向；

19、对每条射线采用三维bresenham体素线算法获得射线经过的体素序列；

20、沿射线方向依次判断体素属性，当体素为自由空间体素时将其标记为可见体素，当首次命中障碍物体素时终止该射线后续体素标记；

21、全部射线处理完成后，对可见体素集合执行预设半径的三维邻域膨胀，并将障碍物体素强制清零。

22、可选的，步骤s2中，所述性价比为传感器的理论三维覆盖体积与单个成本之比；其中，第类传感器的理论三维覆盖体积满足：

23、；

24、第类传感器的性价比满足：

25、

26、其中，为探测半径，和分别为最小俯仰角和最大俯仰角，为单个成本。

27、可选的，步骤s2中，所述数量最小化优化模块具体包括：

28、首先利用贪心算法在可部署区的候选点中逐步选择能够带来最大覆盖增益的位置，获得满足目标覆盖率要求的初始传感器数量估计值；

29、然后以所述初始传感器数量估计值为起点，利用覆盖率最大化优化模块进行验证，并通过迭代递减传感器数量直至找到满足目标覆盖率要求的最小传感器数量；

30、所述覆盖率最大化优化模块具体包括：

31、利用k-means++聚类算法将内部部署区域划分为k个关键区域，k为待部署传感器的数量，并在每个关键区域内选取满足部署约束的候选部署点；

32、利用改进遗传算法求解在给定传感器类型和给定传感器数量条件下覆盖率最高的布局方案；

33、若所得覆盖率达到目标覆盖率则继续递减传感器数量，否则返回上一数量级作为满足目标覆盖率要求的最小传感器数量。

34、可选的，所述改进遗传算法具体包括：

35、染色体编码采用区域—候选点的一维整数坐标序列，每个基因代表对应关键区域中选中的候选点索引；

36、遗传操作中混合应用交叉策略和变异策略，并采用自适应参数调控机制，使交叉概率随迭代代数递减、变异概率随迭代代数递增；

37、当连续预设代数无改进时，触发局部搜索优化机制，对当前最优解进行深度探索。

38、可选的，步骤s3中，利用修正遗传算法搜索混合部署方案，具体包括：

39、设定主型号传感器的递减步长，逐步减少主型号数量，并根据剩余成本预算计算各辅型号的可补充数量上限；

40、对每一个候选数量向量，调用固定数量向量修正遗传算法搜索满足数量约束的具体部署位置；

41、利用基于不可行方案剔除的性能优化策略，快速排除不满足覆盖率约束的无效组合；

42、若搜索到满足目标覆盖率且成本低于当前最优方案的新方案，则更新当前最优方案并继续递减；否则终止搜索，输出经济性最优的传感器布局结果。

43、可选的，所述基于不可行方案剔除的性能优化策略包括以下两种情况：

44、情况一：分析已验证不可行方案的规律，若某方案因主型号数量过少而不可行，则直接剔除所有主型号数量更少且其他型号数量不变或更少的方案；

45、情况二：若补充的辅型号传感器的探测半径小于主型号且俯仰角覆盖范围不大于主型号，且混合方案的传感器总数量不大于已验证不可行方案的总数量，则直接剔除该方案。

46、一种静态多源探测传感器布局智能优化系统，用于实现上述的一种多源探测传感器布局智能优化方法，包括：

47、预处理模块，用于获取监测区域的地理信息，构建三维空间模型，并定义传感器的探测模型与部署约束条件；

48、优化计算模块，用于基于所述三维空间模型，计算各类传感器的性价比，针对每种传感器型号利用数量最小化优化模块计算满足目标覆盖率所需的最少数量及对应成本，生成单类型基准方案；

49、输出模块，用于选取所述单类型基准方案中成本最低的作为初始最优方案，通过逐步减少主型号数量并补充其他型号的方式，利用修正遗传算法搜索满足覆盖率要求且成本更低的混合部署方案，输出经济性最优的传感器布局结果。

50、一种计算机设备，包括存储器、处理器及存储在所述存储器上的计算机程序，所述处理器执行所述计算机程序时，实现上述方法的步骤。

51、与现有技术相比，本发明具有以下有益的技术效果：

52、本发明公开一种多源探测传感器布局智能优化方法，该方案首先通过构建高精度的三维空间模型，并明确定义传感器的探测模型与部署约束条件，从根本上解决了传统方法三维建模精度不足的问题，为后续优化提供了真实、可靠的物理环境约束。其次，引入数量最小化优化模块，针对单一传感器型号计算满足目标覆盖率所需的最少数量及成本，生成单类型基准方案，有效应对了多目标权衡困难的挑战，为混合部署提供了可靠的成本与性能基准。最后，以成本最低的单类型方案为初始最优解，通过逐步减少主型号数量并补充其他型号的策略，结合修正遗传算法在三维空间模型中搜索混合部署方案，不仅突破了单一类型部署的局限性，还通过遗传算法的全局搜索能力有效避免了易陷入局部最优的问题。整个流程从高精度建模到单类型基准生成，再到多源混合优化，层层递进，在保证覆盖性能的前提下，显著提升了计算效率并降低了部署成本，实现了计算效率、覆盖性能与部署成本的有效兼顾。