利用传感器判决门限联合优化的串行检测融合算法

针对传感器观测相关的条件下最优分布式检测融合算法较为复杂这一问题,提出了一种基于似然比判决规则的系统性能优化方法.该方法的基本思想是,限定各部传感器采用似然比判决规则,并在此约束条件下,联合优化各部传感器的判决门限,以使系统检测性能达到最优.对于由N部传感器组成的分布式串行检测融合系统,在Bayes准则下推导了各部传感器判决门限联合最优化的必要条件,得到了最优传感器判决门限满足的系统方程,并在此基础上给出了求解最优传感器判决门限的数值迭代算法.由于将传感器判决规则的联合优化问题简化为了判决门限的联合优化问题,因此该算法计算量较小,收敛性较好,更加便于工程应用.     

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。     

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.     

先验概率未知时的多元Bayes判决Minimax方法

对于Bayes判决，需先知道各种假设的先验概率.当先验概率未知时，二元判决可用Minimax 准则获得最坏先验概率时的Bayes判决.作者将这一结果推广到一般的多元Bayes判决中, 给出了一般的多元Minimax方程组，并由此诱导出算法.数值例子显示本算法可行.     

极化SAR图像的人工目标检测

针对目前极化合成孔径雷达(SAR)目标检测仅使用单一极化检测器进行一次判决而造成检测率较低的问题,给出一种新方法。该方法将功率最大合成检测器、极化白化滤波检测器和最优极化检测器融合使用,用前一种检测器的输出来优化后一种检测器的输入,且通过迭代不断优化检测结果。为比较不同目标检测方法的性能,提出了一种准则,该准则规定对一幅SAR图像每种检测方法都取出相同点数的检测结果,虚警点少的方法性能好。实验表明:新目标检测方法在性能上优于其他方法;以该准则来比较不同极化SAR图像目标检测方法的性能简单易行,结果合理直观。     

多传感器分布式Neyman—Pearson检测

作者讨论了在相关观测下,固定融合律的多传感器分布式二元Neyman-Pearson检测。给出了最优分站压缩律的不动点类的必要条件和相应的离散迭代算法,讨论了算法的收敛性,最后,用计算机数值模拟数据,比较了在各种固定融合律下,分布式Neyman-Pearson检测的性能。     

分布式检测系统的混合融合算法

在采用局部检测统计量的分布式检测系统中,为克服传统的求和融合在局部信噪比差异较大时明显的性能损失,提出基于R统计量的混合融合准则,该准则同时采用OR融合准则和直接求和准则,对两个准则处理结果进行或逻辑融合。混合准则结合了传统OR融合准则稳健性较好,直接求和融合最佳性能较高的特点。给出了混合融合算法的系统虚警概率和检测概率表达式。对双传感器并行分布式检测系统的仿真表明,混合融合准则相对直接求和准则,能将局部信噪比差异明显时的检测概率提高0.05—0.12,更加适合分布式检测系统。     

基于非理想信道的分布式多检测器软决策融合算法

在实际检测中由于带宽、信道衰落和信道噪声等因素的影响,从本地检测器至融合中心的信道通常无法保证为理想传输信道。对在非理想信道状态下检测系统的性能优化算法进行了研究,并且为了提高检测性能和合理的利用通信资源,在本地应用软决策判决。根据聂曼-皮尔逊规则推出本地检测器和融合中心的优化判决形式。最后通过两检测器系统仿真表明,应用软决策确实提高了系统的检测性能,而非理想信道的恶化又确实降低了系统的检测性能。     

两种基于局部广义符号统计量的融合准则

为提高基于二元局部判决的分布式广义符号检测器的检测性能,研究了基于广义符号统计量的分布式检测,提出了直接求和与删除求和两种融合准则。在W e ibu ll杂波和Sw erlingII目标下,直接求和融合具有比某参数化的分布式恒虚警检测更好的检测性能,并能达到集中式广义符号检测相同的性能。某些传感器信杂比极低时,采用删除求和融合能获得比直接求和融合更好的检测性能。给出了在多雷达分布式检测中应用各种融合准则的方法。     

多层并行决策融合的贝叶斯方法

目的 研究多层并行决策融合系统的决策规则并探讨该决策规则的可行性,方法 利用贝叶斯最小风险准则给出各层融合单元的决策规则,选取不同的损失函数,讨论它们对系统性能的影响。结果 损失函数中虚警损失和漏损失的比值不同导致整个系统的性能不同,与Ｎ－Ｐ准则相比较,贝叶斯方法能够充分利用先验知识和样本知识,结论 所给出的决策规则使性能更完善且该决策规则的门限容易计算,在处理决策融合的实际问题中有很大的灵活性     

分布式多传感器决策融合系统求解

本文研究了分布式多传感器决策融合的信号处理，推导和求解在“双阈检验准则”下两个级别上的优化决策规则：一个是当局部检测器生成的个体决策结果被送到数据融合中心时，基于这些个体决策集合作出总的决策的融合规则；另一个是在总体决策融合规则给定情况下求解某一局部检测器的优化决策规则．所采用的“双阈检验法”是作者在Ｎ－Ｐ检验法基础上提出的新的融合方法，该方法由于引入了两类不明概率区而使传统的Ｂａｙｅｓ决策能力和适用范围得以扩大．本文还从减少计算量角度考察了分布式检测系统在观测独立情形下的优化决策规则简化计算公式．最后给出了简单算例，并加以验证．     

基于粗糙集的传感网络节点故障诊断方法研究

传感网络节点一般分布于环境复杂的区域,当前故障诊断方法诊断精度低,虚警率高,整体性能低。提出一种基于粗糙集的传感网络节点故障诊断方法,给出传感网络结构图,采用粗糙集方法,通过过滤传感网络节点故障数据不关键属性集,得到简化的节点故障属性集,保持了分类能力,提高了运行效率。通过对传感网络故障节点数据进行约简,减少传感网络节点故障数据特征向量维数。建立简化层次各异的传感网络节点故障诊断决策网络,对故障诊断决策规则覆盖度进行分析,求出所有符合既定采集规定的诊断决策规则集,完成新故障状态的处理,实现传感网络节点的故障诊断。实验结果表明,所提方法不仅具有很高的诊断精度,而且虚警率低、整体性能高。     

用子结构灵敏度综合法优化设计重频约束下的结构

本文提出结构优化的一种广义优化准则法，分别把Chen的优化准则法和Heo的子结构灵敏度综合延伸到重特征值场合，并借助设计向量的广义变分改进了Czyz的方法．     

一类随机决策过程及其最优性

假设给定区间上的单峰函数的峰位点服从一给定的概率分布,对于任一给定的试脸策略,本文定义了相应的多阶段决策过程‘时任a给定的精度标准。和两试验点间最小允许距离d_o(d_o相似文献   

具有性能约束布局问题的优化算法及收敛性

研究了二维布局优化问题,建立了具有性能约束的二维布局半无限优化模型.应用图论、群论等,把该问题分解为有限多个子问题,在每个子问题中克服了优化变量的时断时续性质,并将子问题松弛化,利用极大极小函数给出了松弛子问题的最优性函数,该函数在其零点使松弛子问题的一阶必要条件成立.利用最优性函数构造了松弛子问题的优化算法,并证明了算法的收敛性.     

基于仿真的调度规则组合决策研究

针对车间调度规则组合的多目标优化问题,提出了一种基于仿真的评估决策模型. 通过仿真获得不同调度规则组合下的方案集合,在利用层次分析法获得性能指标权重的基础上,采用灰关联理论计算各结果方案对于单项指标的关联系数,实现了基于灰色关联度的方案评估,并导出了最优的调度规则组合. 调度规则组合决策体现了用户对系统性能指标的要求,解决了传统依靠经验进行调度规则选取的问题,优化了制造系统的运行.     

设备监测与诊断系统构成技术的研究和实践

对大型旋转机械设备的故障诊断知识获取问题进行了研究，分析了ＩＤ３决策树方法及其存在的问题，提出了能够适应于连续型属性的知识获取方法．在产生决策树的过程中，提出了一些控制策略，对产生的决策树和决策规则提出了评价准则，并用实例进行了故障诊断知识获取的说明．     

Constructal optimization on T-shaped cavity based on entransy dissipation minimization

The entransy dissipation extremum principle provides new warranty and criterion for optimization of heat transfer. For a heat transfer model of a rectangular solid wall with an open T-shaped cavity, a dimensionless equivalent thermal resistance based on entransy dissipation is taken as optimization objective, and constructal optimization for the model is carried out when the system volume, the cavity volume and the volume of rectangle occupied by T-shaped cavity are fixed. Numerical results indicate that the optimal geometry construct of cavity can be schemed out based on entransy dissipation extremum principle. The formulation of dimensionless global （maximum） thermal resistance presented in a literature is modified; some new rules which are different from those reported in the literature are obtained based on the minimization of the modified objective. Comparisons of the numerical results show that the optimal system constructs deduced respectively from the two thermal resistance objectives are very different. The optimization by taking equivalent thermal resistance minimization as objective can more effectively reduce mean temperature difference of heat transfer than the optimization by taking maximum thermal resistance minimization as objective, so that the performance of heat transfer for the total system can be improved. The more freedom the cavity has, the better the total system performance is. The correlations of the equivalent thermal resistance and the maximum thermal resistance of the system and three geometric degrees of freedom are found by using function fitting.