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。     

反馈滤波器长度对判决反馈均衡器性能的影响

为了使判决反馈均衡器的性能达到最佳，提出了一种判决反馈均衡器变步长可变阈值动态长度算法，并将该算法应用于研究反馈长度对自适应变长判决反馈均衡器性能的影响。结果表明：变长自适应判决反馈均衡器在前馈滤波器长度收敛到一定的范围内、判决延迟保持一定的情况下，反馈长度并不是越长越好。得出了反馈长度与自适应判决反馈均衡器的误差函数之间是一个U形函数关系的结论，该结论可以用于指导判决反馈滤波器的设计。     

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.     

基于渐进式最大后验估计的联合频谱感知算法

通过研究初级用户的统计传输模式提出了一种联合频谱感知算法：初级用户的统计传输模式采用舍有两状态量的马尔科夫模型;每个二级用户通过对马尔科夫链的监测进行能量检测,并且经舍噪信遭将检测结果转发给融合中心;然后,融合中心通过使用新的渐进式最大后验估计算法恢复二级用户的判决。在上述过程中,先验概率对于最大后验估计至关重要,它是通过渐进地估计马尔代夫链的传递概率得到的。另外,采用多数数据融合和或逻辑数据融合规则．推导出了虚警概率和漏检概率的解析表达式。理论分析和仿真结果表明,所提出的算法能够提供可靠和有效的频谱感知。     

基于压缩感知的联合协作频谱感知算法

基于压缩感知的联合协作频谱感知方法实现动态频谱感知,通过融合各次用户(SU)采集的感知数据,寻找超参数,并与判决门限值进行比较,以获得最终的频谱判决结果.基于压缩感知的联合协作频谱感知算法减少了单个SU对压缩感知数据的不确定性,归一化均方误差（MSE）性能较好,并且该算法能够有效利用SU压缩感知数据信息,与其他典型算法相比,能获得更高的正确检测概率和较小的虚警概率.     

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SNR比较的2次协作的感知无线电频谱检测

在感知无线电系统中多径、阴影和隐藏终端等问题不可避免,协作频谱检测是解决这些问题的有效手段。针对目前协作频谱检测算法的不足,提出一种基于SNR判决的2次协作频谱检测算法,分析了非理想报告信道对性能的影响。数值分析和仿真结果表明,该方法能有效地提高检测概率,减少判决融合决策节点数量,以及减少传给最终融合中心的数据量。     

基于SNR比较的2次协作的感知无线电频谱检测

在感知无线电系统中多径、阴影和隐藏终端等问题不可避免，协作频谱检测是解决这些问题的有效手段。针对目前协作频谱检测算法的不足，提出一种基于SNR判决的2次协作频谱检测算法，分析了非理想报告信道对性能的影响。数值分析和仿真结果表明，该方法能有效地提高检测概率，减少判决融合决策节点数量，以及减少传给最终融合中心的数据量。     

一种用于DSSS中抗单频干扰的判决反馈算法

为了降低噪声对判决算法的影响,将变步长LMS算法、动量算法与判决反馈算法相结合,提出了一种新的变步长动量判决反馈算法(Variab le step-size DFIS).变步长、动量算法特性保证了这种算法具有较快的收敛速度,同时由于降低了背景噪声对判决的影响,使得这种算法在抗单频干扰方面具有优势.理论分析和仿真结果表明该算法优于其他判决反馈抗干扰算法.     

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.     

不确定信息的模糊决策融合算法

针对不确定性问题,提出了一种新的基于知识发现的信息融合的方法·利用模糊决策树的ID3算法对测试空间中的大量不确定多源信息数据进行综合分析、处理,建立准确的评估模型,提取隐含其中的规则,最终获取新的知识·此方法已成功应用于吉林丰满水电数字仿真系统中的考核系统·实验证明,这种知识提取方法充分体现了信息融合中解决多源信息数据的思想,能很好地解决系统中数据存在的无序、不确定问题,并能有效地提取出规则·     

基于修正常系数模板的变步长双模式盲自适应均衡算法

为解决修正常系数模板算法(MCMA)收敛速度缓慢的问题,在MCMA算法的基础上,给出了一种变步长双模式MCMA算法.改进算法在启动阶段用步长可变加快其收敛性,在收敛后转换到判决引导模式(DD),以保证算法收敛后稳态误差在可靠范围内.通过对实测信道的Monte-Carlo仿真,比较了MCMA算法和变步长双模式MCMA算法的性能,证明了该改进算法收敛速度快,稳态误差小.     

含状态约束的分布式多传感器数据融合

从理论上研究了含状态约束的分布式多传感器数据融合中的状态估计问题．在单传感器Kalman滤波方程和无约束的分布式融合算法的基础上,考虑状态等式约束条件,提出了一种新的含状态约束的分布式融合估计算法,指出并证明了该融合估计所具有的数学性质．     

基于异质传感器航迹融合算法的稳定性分析

给出了基于异质传感器的动态状态矢量融合算法，针对两个采用二维理想线性卡耳曼滤波器的异质传感器，对融合的互协方差矩阵的稳定性进行了分析，揭示了数据融合的本质。     

提高大规模电力系统静态电压稳定性的无功补偿方法

基于电力系统潮流方程雅可比矩阵的特征结构分析法，提出了一种以提高系统静态电压稳定性为目标的大规模电力系统无功功率优化补偿方法．该方法研究了与系统静态电压稳定性密切相关的潮流方程雅可比矩阵的最小模特征值及与其对应的左特征向量．以最小模特征值作为系统静态电压稳定裕度指标，以最小模特征值对应的左特征向量作为节点电压对无功功率变化的灵敏度指标，给出了系统在指定工况下，全电网中最有可能发生电压不稳定或电压崩溃的节点，从而为系统无功功率补偿装置的配置提供决策依据。通过对我国某区域电力系统的计算表明，该方法简洁快速，适合求解大规模电力系统电压稳定性的无功功率补偿问题．     

带有等式状态约束的多传感器数据融合算法

在状态估计理论的实际应用中,状态向量常常包含可以预先获知的约束信息,有效地利用这些先验信息可以进一步明确状态元素之间的关系,理论上可以提高对系统的状态估计精度.针对约束滤波的已有研究成果,将其引入到多传感器系统,提出了约束系统多传感器数据融合算法.通过建立线性等式约束方程,将传统卡尔曼滤波结果投影到约束子空间,然后对局部传感器的约束滤波结果采用分布式最优加权融合,并且通过协方差匹配技术检测观测数据异常的传感器,使之不参与到数据融合中.仿真结果表明,约束系统分布式加权融合算法的有效性和可行性,并且比集中式融合算法具有更好的稳定性.     

基于神经网络多参数融合的钻井过程状态监测与故障诊断

复杂系统状态监测与故障诊断是系统安全运行过程中的重要保障,分析了钻井系统事故状态下特征参数的变化,给出了用神经网络进行故障诊断的流程,在利用样本数据对网络进行训练的基础上建立了稳定的神经网络诊断模型。输入各种状态下的新样本数据,能够得到正确的系统状态识别,通过改进网络算法改进了网络性能。对生产数据的处理结果表明,基于神经网络的多参数融合算法可以很好地识别钻井过程中的不同状态,能够实现状态检测与故障诊断。     

网络流量监测中在线数据融合方法设计

在线数据融合方法在网络流量检测中一直有融合精确度低、接收点差的问题。提出一种新的网络流量监测中在线数据融合方法,采集网络流量监测中的实时在线数据,通过卡尔曼滤波法对在线数据进行预测,获取网络流量状态值;并以此为基础,通过时空综合分析,计算节点的量测实时方差;并依据最小二乘准则,对数据进行加权处理,求出加权系数,引入加权数据融合算法,实现在线数据的融合。实验结果表明,改进的融合方法不仅融合精度高,而且所需能耗低,适应能力较强。     

一种基于特征结构分析的电压稳定算法

提出了基于特征结构分析法（ＥＳＡ）的电力系统静态电压稳定分析的新算法。该算法对电力系统的潮流模型的雅可比矩阵的结构和特点进行了分析,研究了与静态电压稳定有较大关系的最小特征值、相应的特征向量、最小特征值的灵敏度等。通过对它们的分析来估计系统的静态电压稳定状况,确定补偿措施。由于系统正常工况下最小特征值的灵敏度与重负荷工况下灵敏度差别较大,因此应对在重负荷时有较大灵敏度的注入量进行补偿,提高静态电压稳定能力。经实际计算表明新算法是有效的。还给出了一种电压稳定性分析中的病态潮流方程的解法。