多传感器网络目标检测方法综述

在并行拓扑结构下,从系统级的角度对多传感器网络目标检测方法进行综述,将似然比检测归纳分类为统计量(决策统计量和融合统计量)的确定和门限(决策门限和融合门限)的求解两部分,并分别展开论述。在硬决策融合系统统计量确定方面,分别归纳了理想信道、非理想信道条件下,不同融合统计量构成检测器的检测性能优劣,并通过仿真试验对比分析了不同融合统计量的检测性能;在软决策融合系统统计量确定方面,归纳了软决策融合系统中局部传感器节点性能度量方式,并对比分析了局部传感器节点决策空间划分方法;在门限求解方面,将门限求解方法归纳总结为逼近法、迭代法、蒙特卡罗方法,并分析比较这些方法的适用范围、优缺点等;最后,对多传感器网络目标检测进行了展望。     

多跳筛选无线传感器网络决策融合

为了在保证传感器工作效果的同时控制系统能耗,在资源受限的无线传感器网络决策融合系统中同时引入传感器信息的多跳传输方式和筛选传输策略。在瑞利分布信道模型下,推导出该系统的最优融合规则。但该规则需要信道的实时状态信息,实用性差。为此提出基于信道统计分布信息的次优似然比融合规则,并给出了小信道信噪比情况下的简化形式。理论分析和仿真表明,次优规则性能损失较小,运算量更低,信息需要更少,符合资源受限系统的要求;同时使用筛选策略,降低了系统的传输能耗。     

多跳无线传感器网络决策融合

研究了衰减信道下多跳无线传感器网络的决策融合规则,推导出了瑞利分布的信道模型下性能最优的似然比融合规则。该规则需要预知信道的实时状态信息,计算复杂,不适合资源受限的无线传感器网络。为此,提出了仅需要预知信道的统计分布信息的次优似然比融合规则,并分别在大信噪比和小信噪比情况下推导出了该规则的简化形式。理论分析和实验表明,次优规则性能损失轻微,显著降低运算量和信息消耗,适合在资源受限的多跳无线传感器网络决策融合系统中使用。     

基于D-S证据理论的红外小目标融合检测方法

将红外图像中的小目标检测视为基于多图像特征的像素分类问题,提出了一种基于D-S证据理论的红外小目标融合检测方法。该算法首先提取双色红外成像系统中各传感器图像的图像特征,采用D-S证据理论中的基本概率分配函数对传感器图像中的像素进行基于多图像特征的分类,得到各传感器的目标检测基本可信度图;然后应用正交和规则复合来自各传感器的目标检测判决证据,获得整个系统的目标检测基本可信度图;最后根据决策规则输出最终目标检测结果。实验结果显示,该算法能在较大程度上降低目标检测过程中的不确定性,提高了系统的检测性能。     

一种基于空间相关性的稠密无线传感器网络混和MAC协议

在消除传感器节点监测数据之间存在的空间冗余性的同时,尝试通过融合TDMA和CSMA两种模式来提高系统性能。提出的HS-Sift协议将感知区域划分为三个子区域,每个区域采取不同的信道接入方式。在HS-Sift协议下,感知区域边界的节点将主要处于休眠状态,靠近事件地的节点采用调度的方式发送数据以提高信道利用率,而中间部分的节点将采用竞争模式接入信道。模拟实验表明该协议能有效地降低能量耗费以及传输延时。     

低信噪比条件下多基阵检测融合系统建模与性能分析

针对水下目标探测中的分布式检测融合问题,提出了一种低信噪比条件下的多基阵检测融合系统模型。基于水声信道估计和似然比检测原理,研究并比较了NP(Neyman-Pearson)准则下局部基阵判决采用二相相移键控(binary phase shift keying, BPSK)和二进制启闭键控(on-off keying, OOK)两种调制方式时的检测融合性能。理论分析和仿真实验表明：在低信噪比条件下,与单基阵探测系统相比,利用本文提出的多基阵检测融合模型建立探测系统能够有效提高对未知目标的检测概率,模型的提出对于水下分布式目标探测系统的建立具有较高的理论参考价值。     

多传感器混合多模型估计的记忆分层融合算法

首先提出了两种局部节点交互多模型状态估计的整体先验信息的近似计算方法;其次,为构造全局融合估计的先验信息,给出了基于Dempster Shaffer证据理论的全局模型后验概率的融合方法,并在此基础上给出了全局等效目标运动模型的概念及其计算方法,上述结果使得基于有记忆分层融合算法的交互多模型估计融合成为可能;为利用融合结果改进局部节点的估计性能,首次提出了基于向局部节点反馈全局模型后验概率的融合反馈机制。仿真实验验证了所提分层有记忆交互多模型估计融合算法的有效性,以及引入反馈机制后对局部节点估计性能的改善。     

多用户MIMO系统中结合天线选择的协同差分空时传输方案

针对多用户多入多出(MIMO)系统中存在部分信道估计困难的情况,提出了一种新的协同差分空时传输方案。在此方案中引入了一种简单的自适应放大转发中继协议,该协议在中继节点结合了接收选择合并和发送天线选择,仅需要部分信道状态信息(CSI)。得出了最大似然差分检测方法,分析了系统的成对码字差错概率(PEP)性能。仿真结果显示,在相同收发天线数、功率及频谱效率条件下,所提方案比点对点MIMO系统中的差分传输方案获得了更高的分集增益和更好的误比特率(BER)性能。且在高信噪比情况下,还优于采用相干检测的非协同Alamouti传输方案。     

检测信息融合系统性能研究

针对多传感器分布式检测信息融合系统 ,研究了在N P检验准则下的融合算法。该算法在局部检测时使用了似然比检验 ,而在融合中心则使用了N P检验。针对典型瑞利分布环境给出了融合中心采用AND、OR和K/N三种融合规则时 ,检测门限、检测概率Pd、虚警概率Pf 和信噪比之间的对应关系。仿真结果验证了算法的有效性 ,并证实了三种融合规则均可提高全局检测性能。     

基于贝塔高斯概率假设密度的扩展目标跟踪

基于二项分布的扩展目标概率假设密度(extended target probability hypothesis density based on binominal distribution, BET-PHD)算法能够获得比泊松ET-PHD更好的跟踪性能。然而,BET-PHD中作为先验信息的检测概率和量测数目最大值在实际应用中是未知的。参数严重不匹配会导致算法性能急剧下降。鉴于已有文献给出量测数目最大值的估计方法,提出一种能够在线估计检测概率的贝塔高斯ET-PHD (beta Gaussian -ET-PHD, BG-ET-PHD)滤波器。首先采用二项分布的共轭先验贝塔分布估计检测概率,并与BET-PHD相结合得到 BG-ET-PHD。仿真结果表明,BG-ET-PHD滤波器能够准确估计检测概率,能够获得比基于泊松模型的伽马高斯ET-PHD (gamma Gaussian ET-PHD, GG-ET-PHD)更好的跟踪性能。     

New method for detection fusion of MAC based on DCM and NP rule

The problem of distributed detection fusion using multiple sensors for remote underwater target detection is studied. Considering that multiple access channel (MAC) schemes are able to offer high efficiency in bandwidth usage and consume less energy than the parallel access channel (PAC), the MAC scheme is introduced into the underwater target detection field. The model of underwater distributed detection fusion based on MAC schemes is established. A new method for detection fusion of MAC based on deflection coefficient maximization (DCM) and Neyman-Pearson (NP) rule is proposed. Under the power constraint of local sensors, this paper uses the DCM theory to derive the optimal weight coefficients and offsets. The closed-form expressions of detection probability and false alarm probability for fusion systems are obtained. The optimal detection performance of fusion systems is analyzed and deeply researched. Both the theory analysis and simulation experiments indicate that the proposed method could improve the detection performance and decrease the error probability effectively under power constraints of local sensors and low signal to noise ratio.     

在衰减信道中基于最小贝叶斯风险的检测算法

针对实际检测过程中本地检测器至融合中心传输信道的非理想性,提出了基于两种非理想信道模型的分布式检测算法:第一种为融合中心已知非理想信道的瞬时状态信息;第二种为融合中心已知非理想信道的统计特性。通过最小化平均贝叶斯风险来设计本地检测器和融合中心的优化判决算法,其判决形式都可简化为似然比判决。最后通过仿真表明第二种模型的检测性能略低于第一种模型,但其计算量却大大降低。     

分布式检测系统的幂求和融合准则

在基于局部检测统计量的分布式检测系统中,传统的直接求和融合准则在面对局部信噪比差异较大时,检测概率下降明显。在详细分析性能损失的原因之后,扩展出一类新融合准则。新准则通过对局部统计量的幂求和,实现对高信噪比数据的更有效利用。对一个双传感器并行分布式检测系统的仿真表明,高次幂求和在局部信噪比差异明显时,性能好于低次幂,当差异减小时则相反,低次幂求和的性能更好些。高次幂融合准则的鲁棒性更强。面对不同使用环境,应该综合考虑各局部传感器脉冲积累数目和局部信噪比的可能取值范围,从而选择合理的幂阶数进行融合。     

PUE攻击下基于循环时空平稳特征的主用户协作检测方法

根据模仿主用户攻击(primary user emulation, PUE)信号较难同时模仿主用户(primary user,PU)信号的时、空域平稳特征,提出基于循环时空滤波的PU检测方法。该方法首先利用PU信号的循环时空平稳特征设计滤波器,并对滤波输出信号进行本地判决,再将本地检测二进制结果发送至融合中心(fusion center,FC)进行全局检测,其中FC根据各认知用户(secondary user,SU)检测循环频率的不同将收到的本地检测结果分组,并采用组内组间二次融合方式获取全局检测结果,这种协作分集检测的方式可以有效降低误检率和计算复杂度。仿真结果表明,该方法可实现在低信干噪比环境下对PU信号的检测。     

非标准多传感器信息融合下的状态融合估计

给出了标准多传感器观测信息的统一融合模型,在此基础上分析了传感器观测系统参数对最优融合估计性能的影响.针对存在量测系统误差的非标准多传感器融合系统,构建了一种有效的系统误差参数估计模型.此外对传感器问具有不同非线性误差成份的融合系统,提出了一种基于互迭代自适应半参数的状态融合估计算法.该算法通过对非标准多传感器融合模型误差的补偿,利用线性和非线性迭代的方法来提取非线性因素,进而确定状态的最优融合估计.给出了应用该算法的具体步骤,并通过理论分析与仿真实验证明了该算法的有效性.     

基于多特征信息融合的海面微弱目标检测

为改善海杂波背景下雷达检测微弱目标的性能, 提出一种基于多特征信息融合的目标检测方法。首先, 在分析时域回波信号的基础上, 给出脉冲幅值离差比的概念, 并用其表征离散回波信号的尖锐度。其次, 结合回波信号的频率峰均比和局部分形度两种特征量, 构建多特征信息融合张量。然后, 采用交叉验证法训练支持向量机(support vectors machine, SVM)分类器, 并依据分类器进行目标检测。最后, 通过对实测海杂波数据的一系列实验分析, 优选了所提方案的参数。进一步与已有传统方法对比, 结果显示所提方法具有更好的鲁棒性。     

高阶量纠错码理论限及软判决编译码算法

基于tent混沌映射的高阶量纠错码可以实现对图像的线性纠错,解决了压缩图像峰值信噪比(peak signal-to-noise ratio, PSNR)存在的“门限效应”问题。通过对基于tent混沌映射的纠错码的图像PSNR理论限的分析,得出符号位的准确估计是提高码字性能的关键。传统的基于符号位硬判决的编译码方法难以实现对符号位的有效保护。基于此,借鉴低密度奇偶校验(low density parity check, LDPC)码的软判决编译码方法,提出一种基于符号位软判决译码的高阶量纠错码。仿真结果表明:基于符号位软判决译码的高阶量纠错码的图像PSNR不断逼近理论限;与硬判决高阶量纠错码相比,在编译码复杂度相当的情况下(符号位初始化概率通过查表得到),图像PSNR有2 dB的增益。