传感器观测相关条件下的最优分布式检测融合算法

针对分布式串行检测融合系统的检测性能优化问题,研究了一种各部传感器判决规则联合优化的系统性能优化方法.融合系统由N部传感器构成,系统性能优化准则采用Bayes准则.在各部传感器观测相关的条件下,为了使系统检测性能达到最优,推导出了传感器判决规则联合最优化的必要条件,得出了最优传感器判决规则满足的一组系统方程,并根据系统方程组设计了求解各部传感器最优判决规则的数值迭代算法.仿真结果表明,采用该数值迭代算法联合优化各部传感器的判决规则,可使融合系统的Bayes风险显著低于单部传感器.     

认知无线电空闲频谱的联合检测算法

为了提高认知无线电中感知用户对主用户(弱信号)的检测性能,提出了一种多个感知用户合作的分布式优化联合检测算法.该算法在知道主用户信号和噪声的概率分布的条件下,通过最优化理论中的逐步二次规划法,联合求解检测系统的最优融合准则和各感知用户的最优判决门限,使系统联合检测概率取极大值.该算法不受接收机检测方式的限制,数值求解收敛速度快.仿真结果表明,感知用户为5个、融合中心虚警概率为0.1、相关符号累积为255次、不同融合准则下各感知用户信噪比相同时,与最好的固定融合准则检测算法相比,该算法使联合检测概率在高斯白噪声信道和平坦瑞利衰落信道中分别提高了13%和5%.     

基于渐进性能分析的最优分布式量化检测算法

针对无线传感器网络中对发送功率和传输带宽限制的问题,提出基于规则量化(RQ)和不规则量化(NRQ)的一比特分布式检测算法。该检测方案在传感器节点处引入量化器,整个系统采用并行结构,由N个带有量化器的传感器节点组成。融合中心处采用广义似然比检验(GLRT)作为融合准则,并根据接收到的二进制信息作出全局判决。通过仿真实验对所提出的检测方案性能进行验证,并与未量化的检测方案进行比较。仿真结果表明:最优量化阈值提升了融合中心的检测概率,在理想信道和差错信道(BSC)下,基于不规则量化方案的检测系统性能明显优于基于规则量化方案的检测系统。     

基于多门限机制对无线传感网络中数据判决的优化

为了优化主流分布式检测系统判决性能,提高节点能量利用率,提出了节点多门限机制.通过在常规的并行分布式检测中加入节点多门限机制,在每一个传感器节点都设置有2个门限值,当本地传感器采集的信息量在2个门限值中间时,该节点将处于休眠状态,不发送判决;反之就会有高信息量的传感器节点传输它们的判决到融合中心.实验结果表明:基于节点多门限机制的传感网络,与传统机制相比具有较高的差错指数,实现了降低融合中心的差错概率,从而提高系统的判决性能.     

基于分布式结构的判决反馈数据融合算法

提出了一种新的分布式结构下的故障检测算法·在该算法中,不仅用于故障检测的多传感器数据被传送到数据融合中心,而且上一时刻的判决输出也反馈到融合中心·从理论上分析了应用此算法时全局判决概率的动态收敛性能,并证明了在平稳环境中,融合中心DFC(datafusioncenter)的判决以概率1收敛·该算法处理动态问题优于传统的无反馈的融合算法·     

分布式检测系统的反馈融合算法

通过分析分布式检测系统的工作原理，在原有并行反馈检测系统的基础上提出了一种新的局部检测器反馈融合算法．该算法利用检测器局部判决结果与数据融合中心融合结果的误差对检测器下一步判决门限进行修正，使各局部检测器可以根据所处的环境，采用不同的修正因子修正判决结果，避免了原有检测系统对所有局部检测器使用相同的修正因子所带来的系统性能损失，从而达到提高检测器检测概率的目的．仿真结果表明，该算法能有效提高系统的性能，对于慢起伏噪声信号具有良好的抑制作用，同时也指出了该算法的不足以及改进的方法。     

基于支持向量机的无线传感器网络分布式检测

为减少基于似然比检测的无线传感器网络最优分布式检测方法对信道状态、噪声分布和传感器检测性能等信息的依赖,满足实际系统的需要,提出使用支持向量机实现无线传感器网络分布式信号检测的方法.该方法无需预知信道状态和噪声分布信息,简化了无线传感器的节点功能.该方法将传感器节点测量结果以模拟非编码方式发送至数据中心,数据中心利用训练好的支持向量机对接收到的信号进行判决.仿真结果表明,该方法可获得较高的检测精度.     

分布式无源检测系统中自适应检测融合

针对在分布式多基地雷达无源检测系统中,检测概率通常未知或时变的信息不完全的检测融合问题,研究了一种在线自适应检测融合算法,该算法基于Neyman-Pearson准则,通过局部判决估计未知的每个接收站的检测概率,从而实现最优判决融合.计算机仿真结果说明了其有效性.     

非均匀噪声环境下分布式IVI-CFAR检测算法

为了解决传统分布式VI-CFAR(variability index-constant false alarm rate)和OS-CFAR(order statistic constant false alarm rate)算法在多杂波干扰环境下检测性能严重下降的问题,提出了一种分布式IVI-CFAR(improved VI-CFAR)检测算法。在VI-CFAR的基础上,引入双参考窗和双参量,通过各子参考窗参量与对应门限的比较,判断子参考窗中参考单元的分布情况,从而选择相应的参考单元集和检测器估计背景噪声功率。经过仿真对比,在单杂波和多目标干扰环境下,分布式IVI-CFAR算法检测性能接近于分布式VI-CFAR和OS-CFAR算法;在多杂波干扰环境下,分布式IVI-CFAR算法检测性能优于分布式VI-CFAR和OS-CFAR算法,采用“OR”融合规则时,检测性能最优。结果表明,提出的分布式IVI-CFAR算法在非均匀噪声环境下,均具有较优的检测性能。     

基于局部检测统计量的反馈多传感器分布式检测

传统的多传感器分布式检测反馈方法把融合中心的二元判决送到局部检测器,再利用局部检测器的二元判决形成下一次融合,从而需要双向通信.为了更充分的利用观测信息,降低系统的复杂度,该文提出了一种基于局部检测统计量的多传感器分布式检测反馈方法.新的反馈方案把融合中心的全局统计量重新送到融合中心,与下一步的局部检测统计量一起形成新的全局统计量.并在局部检测器为两个的情况下,分析了新的反馈方案的检测性能并与传统的方案进行了比较.结果表明新的方案使分布式检测性能有明显加强,同时更便于实现.最后给出了实际应用的计算分析方法.