In this paper, two optimal resource allocation schemes are developed for asynchronous multiple targets tracking (MTT) in heterogeneous radar networks. The key idea of heterogeneous resource allocation (HRA) schemes is to coordinate the heterogeneous transmit resource (transmit power, dwell time, etc.) of different types of radars to achieve a better resource utilization efficiency. We use the Bayesian Cramér-Rao lower bound (BCRLB) as a metric function to quantify the target tracking performance and build the following two HRA schemes: For a given system resource budget: (1) Minimize the total resource consumption for the given BCRLB requirements on multiple targets and (2) maximize the overall MTT accuracy. Instead of updating the state of each target recursively at different measurement arrival times, we combine multiple asynchronous measurements into a single composite measurement and use it as an input of the tracking filter for state estimation. In such a case, target tracking BCRLB no longer needs to be recursively calculated, and thus, we can formulate the HRA schemes as two convex optimization problems. We subsequently design two efficient methods to solve these problems by exploring their unique structures. Simulation results demonstrate that the HRA processes can either provide a smaller overall MTT BCRLB for given resource budgets or require fewer resources to establish the same tracking performance for multiple targets.

中文翻译：

---

异构雷达网络中异步多目标跟踪的最优资源分配

在本文中，为异构雷达网络中的异步多目标跟踪 (MTT) 开发了两种最佳资源分配方案。异构资源分配（HRA）方案的关键思想是协调不同类型雷达的异构发射资源（发射功率、驻留时间等），以实现更好的资源利用效率。我们使用贝叶斯 Cramér-Rao 下界 (BCRLB) 作为度量函数来量化目标跟踪性能并构建以下两种 HRA 方案： 对于给定的系统资源预算： (1) 最小化给定 BCRLB 要求的总资源消耗在多个目标上，（2）最大化整体 MTT 准确性。不是在不同的测量到达时间递归地更新每个目标的状态，我们将多个异步测量组合成一个单一的复合测量，并将其用作跟踪滤波器的输入以进行状态估计。在这种情况下，目标跟踪 BCRLB 不再需要递归计算，因此，我们可以将 HRA 方案表述为两个凸优化问题。我们随后设计了两种有效的方法来通过探索它们独特的结构来解决这些问题。仿真结果表明，HRA 过程可以为给定的资源预算提供更小的整体 MTT BCRLB，或者需要更少的资源来为多个目标建立相同的跟踪性能。我们可以将 HRA 方案表述为两个凸优化问题。我们随后设计了两种有效的方法来通过探索它们独特的结构来解决这些问题。仿真结果表明，HRA 过程可以为给定的资源预算提供更小的整体 MTT BCRLB，或者需要更少的资源来为多个目标建立相同的跟踪性能。我们可以将 HRA 方案表述为两个凸优化问题。我们随后设计了两种有效的方法来通过探索它们独特的结构来解决这些问题。仿真结果表明，HRA 过程可以为给定的资源预算提供更小的整体 MTT BCRLB，或者需要更少的资源来为多个目标建立相同的跟踪性能。