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。     

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。     

多传感器分布式检测综述

综述了多传感器分布式检测研究的发展、现状和最新进展。首先讨论了一些经典问题基于Neyman-Pearson和Bayes准则的分布式检测系统的优化，这包括局部判决的优化、融合准则的优化和全局优化。主要考虑了并行和串行结构，并且假设各传感器观测统计独立。给出了基于似然比检验(LikelihoodRatioTest,LRT)的最优准则。最后进一步讨论了分布式检测中的一些前沿方向渐近最优检测，非参数检测和CFAR检测以及序贯检测。     

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。     

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。     

组网雷达自适应模糊CFAR检测融合算法

为提高组网雷达的分布式恒虚警(constant false alarm rate, CFAR)检测性能, 基于模糊逻辑和最大选择筛选平均检测器(maximum-censored mean level detector, MX-CMLD)提出一种自适应多传感器分布式模糊CFAR检测算法。该方法是一种基于无信噪比信息的检测融合算法, 通过传输单部雷达站接收信号的检验统计量、检测可信度来完成全局的CFAR检测。该方法通过表决模块和反馈模块, 控制传输到融合中心的数据量, 并自适应选取相关的雷达数据进行融合, 在一定程度上可以实现雷达资源的管理。仿真结果表明, 在均匀背景、多目标干扰背景的目标检测中, 自适应分布式模糊MX-CMLD均有较好的检测性能。     

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。     

基于UMVE算法的分布式模糊恒虚警系统

基于模糊逻辑和无偏最小方差估计(UMVE)算法提出一种新的分布式CFAR系统(分布式模糊UMVE),系统中每个UMvE-CFAR检测器根据参考单元计算出映射到虚警空间的隶属函数值,并传给融合中心,融合中心根据这些值采用模糊融合准则进行判决.仿真结果表明,分布式模糊UMVE在均匀背景和非均匀背景下具有比分布式模糊OS更好的检测性能,同时,模糊算术积融合比二元"与"融合和"或"融合提供更好的检测性能.该研究成果可应用于警戒雷达系统.     

子波域多传感器并行分布式信息融合仿真研究

信息融合仿真分析是信息融合研究的基础,利用子波域多尺度分析的思想,将子波域滤波与多传感器线性加权融合准则有机的结合起来,提出了子波域多传感器并行分布式信息融合新算法.该算法首先将单传感器分解到不同尺度上,然后在不同尺度对目标状态进行滤波,最后将局部状态估计送到融合中心,得到最优的联合状态估计.然后通过克拉美罗下界分析了子波域信息融合的参数估计性能.仿真示例验证了上述方法的有效性.     

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。     

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.     

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。     

分布式雷达信号检测

本文将讨论一种分布检测系统,在这种系统中包括一组相互独立的检测器和一个中心处理器。此系统有高可靠性、强的生存能力和较短的判决时间。在对付电子干扰影响方面系统也较单站要好。 每一单站的检测性能(发现概率和虚警概率)都假设为己知,本文得出了分布检测时最佳检测器形式、分布检测器性能。并得出随着单站数目增加而检测性能提高的数字结果。     

基于双门限能量检测的协作频谱感知算法

为了克服传统能量检测算法的不足,提出了一种基于双门限能量检测的协作频谱感知算法（cooperative spectrum sensing algorithm based on double threshold energy detection, CSBDE）。该算法采用噪声不确定条件下的双门限值作为判决条件,将本地能量检测结果划分为硬判决和软判决。认知基站采用优化的融合准则,首先对所有本地硬判决进行融合,根据需要再进一步对本地软判决进行融合,最终给出全局判决结果。蒙特卡罗仿真结果表明,该算法能够克服噪声不确定性对能量检测的影响,提高了系统的检测性能。     

基于有序统计和自动删除平均的恒虚警检测器

为了增强检测器对干扰的鲁棒性,基于有序统计(OS)方法和自动删除单元平均(ACCA)方法提出一种新的恒虚警检测器(MOSAC),其前沿和后沿滑窗分别采用OS和ACCA产生两个局部估计,然后取二者的和作为背景功率水平估计,从而设置自适应检测门限。在Swerling Ⅱ型目标假设下,推导出MOSAC在均匀背景下虚警概率Pfa的解析表达式,并与其它现有方案进行了比较。仿真结果表明MOSAC在均匀背景及多目标和杂波边缘引起的非均匀背景中,均具有较好的检测性能。在杂波边缘引起的非均匀背景中,虚警尖峰比MOSCM减少了一个数量级,并且样本排序时间只有OS和ACCA的1/2。     

Distributed Kalman filtering fusion with packet loss or intermittent communications from local estimators to fusion center

This paper considers the distributed Kalman filtering fusion with passive packet loss or initiative intermittent communications from local estimators to fusion center while the process noise does exist.When the local estimates are not lost too much,the authors propose an optimal distributed fusion algorithm which is equivalent to the corresponding centralized Kalman filtering fusion with complete communications even if the process noise does exist.When this condition is not satisfied,based on the above global optimality result and sensor data compression,the authors propose a suboptimal distributed fusion algorithm.Numerical examples show that this suboptimal algorithm still works well and significantly better than the standard distributed Kalman filtering fusion subject to packet loss even if the process noise power is quite large.     

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。     

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。