检测信息最优融合算法及性能分析

针对分布式多传感器检测信息融合问题进行了研究。首先在局部检测器规则已知的情况下,系统地研究了融合中心规则的优化问题。推导了不同性能指标下检测信息最优融合算法,在此基础上对各种方法的检测性能进行了系统分析,提出了一种N P检验准则下的融合算法,并研究了典型瑞利分布环境下的检测融合系统性能,给出了系统的对比结果。理论分析和仿真结果表明了该算法的有效性。     

基于传感器网络的在线决策融合目标检测方法

针对传感器网络(sensor network, SN)目标融合检测应用中融合中心无法精确地获得局部传感器节点检测性能参数的问题,建立了基于SN的目标融合检测系统,提出了一种非理想信道条件下在线决策融合的目标检测方法。该方法依据解调后数据构建了节点未知虚警概率、检测概率以及节点与融合中心信道平均传输错误概率等未知参数求解模型,并采用非线性最小二乘方法在线地估计出这些未知参数。进而通过选择性能优的节点参与融合,最大化融合检测系统检测概率。仿真结果表明:这种在线决策融合方法能够准确地估计出传感器节点的概率参数以及信道的平均传输错误率;相比于已知先验的最优似然比融合规则,在线决策融合规则检测性能相当。     

基于多分类器融合的多姿态人脸检测方法

针对复杂背景的彩色图像中复杂姿态人脸的检测问题提出了一种基于多分类器融合的人脸检测方法.首先使用AdaBoost层叠式算法分别训练正面人脸分类器和侧面人脸分类器,将正面人脸检测结果和侧面人脸检测结果相融合得出可能包含人脸的候选区域,然后使用YCbCr空间的肤色统计模型在这些候选区域中进一步验证人脸.该算法既利用了不同姿态人脸分类器的信息融合,又利用了人脸灰度纹理特征和人脸肤色信息的融合,对人脸姿态和图像背景有较强的鲁棒性,而且处理速度很快.实验结果表明,方法可以有效提高对复杂姿态人脸的检测概率,并显著降低虚警检测概率.     

频率捷变雷达的扩展目标检测

本文研究频率捷变雷达的扩展目标检测问题。当频率捷变雷达的合成带宽较大时, 雷达目标会变成扩展目标, 导致雷达无法直接应用传统的恒虚警检测算法。针对这一问题, 本文建立了频率捷变雷达的扩展目标检测模型, 推导了基于广义似然比的检验统计量, 并且通过数值仿真展示了相应的检测概率和虚警概率。为了提升雷达的抗干扰能力和频谱利用率, 本文考虑了雷达只使用一部分发射频点的场景。数值结果表明, 在高信噪比下, 频率捷变雷达使用的发射频点越多、合成带宽越大时, 扩展目标检测的性能越好。     

基于粒子滤波的弱目标检测前跟踪算法

针对低信噪比条件下弱目标的实时检测与跟踪,提出了一种基于粒子滤波,结合序贯概率比检验和固定样本长度似然比检验的递归检测前跟踪算法。粒子滤波用以解决跟踪中的非线性和非高斯问题;序贯概率比检验通过序贯累积多帧观测数据来提高信噪比,以最小时延检测到目标存在;固定样本长度似然比检验,通过选择合理的样本长度,保证持续检测到目标,且无延迟检测目标消失。仿真试验表明,该算法有着良好的检测与跟踪性能。     

基于QMC采样的GMPHD分布式融合方法

针对高斯混合概率假设密度分布式融合过程中高斯分量数随时间急剧增长的问题,给出了一种适用于融合过程不同阶段的两级分量混合约简算法,最大程度地减少了信息的损失。针对高斯混合概率假设密度协方差交叉融合算法中高斯混合模型求幂运算后不再服从高斯混合分布的问题,提出了一种基于拟蒙特卡罗采样的等价求解方法。仿真实验表明,所提的改进算法在保证融合计算有效性和可行性的同时提高了融合精度。     

基于雷达组网的多目标数据融合系统研究

研究了多目标情况下的雷达组网数据融合问题 ,讨论了数据关联的最近邻法和概率数据关联 (PDA)这两种算法 ,针对雷达组网数据融合的分布式与集中式两种系统结构分别提出了一种算法 ,并同时应用数据关联和数据融合算法针对 4个目标的平行编队、交叉飞行、平行转弯飞行模式进行了蒙特卡罗仿真 ,证明了算法的有效性。     

基于自动筛选技术的分布式CFAR检测算法

针对多传感器分布式恒虚警率(CFAR)检测技术在杂波环境下的应用,基于广义有序统计(OS)和自动筛选技术,提出了一种新的分布式多传感器目标检测算法。首先利用广义有序统计(OS)恒虚警算法来得到各传感器的杂波/噪声电平估计,然后将检测单元电平与估计得到的杂波/噪声电平比较,得到各传感器的局部判决。采用"OR"或者"AND"融合准则在融合中心形成全局判决,得到有无目标的判决。多目标引起的非均匀背景中,采用了自动筛选技术,使得干扰目标进入后沿滑窗的机会变小,对于干扰目标有较好的鲁棒性。在假定目标服从Swerling II起伏的情况下,导出了相应的检测概率与虚警概率闭式解。最后,给出了多种检测器数值和图表分析的比较结果,表明了该方法的有效性和优越性。     

天波超视距雷达的多路径融合多目标跟踪算法

针对天波超视距雷达(over-the-horizon radar, OTHR)的信号多路径传播特点,提出一种融合多路径信息的多目标跟踪算法。该算法利用概率多假设跟踪(probabilistic multi hypothesis tracker, PMHT)算法中量测与目标关联的“软”决策模型优势,并对多路径观测函数显式建模,推导了多路径量测融合处理公式。仿真实验结果表明,相比于标准PMHT算法,所提出算法实现了在低检测概率、高杂波的OTHR环境下对多个目标的更有效跟踪,获得更高的目标状态估计精度和更低的失跟率。     

多传感器概率数据互联融合方法的分析和改进

以概率互联为核心 ,对多传感器数据融合的并行算法和串行算法问题进行了概括和分析 ,推导出了适合于计算机编程时使用的算法形式 ,并结合计算机仿真的过程和分析结果 ,对并行算法和串行算法提出了新的看法和观点 ,同时针对其不足 ,给出了一种改进方案。该方案经程序调试和验证后 ,获得了良好的运行效果。仿真表明 ,关于并行算法的传统看法是有欠缺的 ,需要更正