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。     

基于局部多元判决的稳健的分布式检测算法

为提高基于二元判决的N雷达分布式检测算法在各个雷达的信噪比未知且可能时变条件下的检测性能,提出了基于局部N门限量化的分布式检测算法和衡量不同检测算法性能的一般性方法。仿真结果表明:该算法性能优于各种基于"N选k"融合的检测算法,在特定情况下比基于OR融合的方案有2-2.5dB的信噪比改善,相对于极大似然准则下的集中式检测器的信噪比损失不到0.8dB。在各个传感器的信噪比差异明显时,和基于OR融合的方法有同样的稳健性,因而是一种稳健且高性能的检测算法。     

基于局部多元判决的稳健的分布式检测算法

为提高基于二元判决的N雷达分布式检测算法在各个雷达的信噪比未知且可能时变条件下的检测性能,提出了基于局部N门限量化的分布式检测算法和衡量不同检测算法性能的一般性方法。仿真结果表明:该算法性能优于各种基于"N选k"融合的检测算法,在特定情况下比基于OR融合的方案有2~2.5 dB的信噪比改善,相对于极大似然准则下的集中式检测器的信噪比损失不到0.8 dB。在各个传感器的信噪比差异明显时,与基于OR融合的方法有同样的稳健性,因而是一种稳健且高性能的检测算法。     

频率分集分布式子阵雷达的相参积累检测方法

为了实现频率分集分布式子阵雷达的相参积累检测,提出一种基于广义似然比检验(GLRT)和条件广义似然比检验(CGLRT)的检测方法.分析了该方法的积累检测性能和解角度模糊性能,并且针对由频率分集引起的多普勒差异问题,提出基于Keystone变换的多普勒补偿方法.理论分析和仿真结果表明,与单频工作的分布式子阵雷达相比,频率分集分布式子阵雷达具有更好的相参积累检测性能,并且能够降低栅瓣的影响,提高解角度模糊能力.通过Keystone变换可在目标径向速度未知的情况下,进行多普勒差异的补偿,实现频率分集分布式子阵雷达的相参积累检测.     

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.     

分布式检测系统数据不相容情况下的融合方法

探讨基于粗糙集理论的分布式检测系统在数据不相容情况下的处理算法,包括上、下近似集和边界集的确定,然后根据下近似集和边界集确定出规则,删除冗余规则后得到融合中心的所有规则。文中通过实际数据说明具体处理过程,验证该算法正确性和有效性。     

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.     

基于异步分布式检测的协作频谱感知研究

构建了一种基于异步分布式检测的协作频谱感知(CSS)模型,推导了此模型在贝叶斯准则下的最优融合方案,并提出了一种不需要主用户先验信息的次优方案——最大后验概率(MAP)检测-K/N规则融合方案.分别对采用这两种方案时,协作频谱检测的虚警概率和检测(漏检)概率性能进行了理论分析和仿真,仿真结果显示两种方案都能有效提高频谱...     

基于局部观测信噪比的新分布式CFAR检测

为了提高基于二元局部判决的分布式ＣＦＡＲ检测的性能,提出一类新的基于局部观测信噪比的分布式ＣＦＡＲ检测方案（称为Ｒ类方案）。其特点是以ＣＦＡＲ算法做局部处理以形成局部观测的信噪比估值,然后将其传送给数据融合中心。相对于Ｓ＋ＯＳ,Ｒ类方案不仅使局部处理器和数据融合中心间的通信量减少了一半,而且对局部观测的要求也比Ｓ＋ＯＳ宽松。在三种典型背景环境中和两个局部处理器的条件下,分析了其中一种方案：ＯＳ－Ｒ－ＣＡ,推导出了它的检测和虚警性能的闭形解,并将其与ＣＯＳ,Ｓ＋ＯＳ等分布式ＣＦＡＲ检测进行了性能比较。结果表明,ＯＳ－Ｒ－ＣＡ的检测性能和虚警控制能力保持在了与Ｓ＋ＯＳ接近的水平。     

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.     

Simple, High-Performance Fusion Rule for Censored Decisions in Wireless Sensor Networks

Data selection-based summation fusion （DSSF） was developed to overcome the shortcomings ot previously developed likelihood ratio tests based on channel statistics （LRT-CS） for the problem of fusing censored binary decisions transmitted over Nakagami fading channels in a wireless sensor network （WSN）. The LRT-CS relies on detection probabilities of the local sensors, while the detection probabilities are a priori unknown for uncooperative targets. Also, for Nakagami fading channels, the LRT-CS involves an infinite series, which is cumbersome for real-time application. In contrast, the DSSF only involves data comparisons and additions and does not require the detection probabilities of local sensors. Furthermore, the performance of DSSF is only slightly degraded in comparison with the LRT-CS when the detection probabilities of local sensors are a priori unknown. Therefore, the DSSF should be used in a WSN with limited resources.     

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。     

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·     

无线传感器网络中极大极小设置的分布式检测研究

在分布式检测系统中,无线传感信道普遍存在未知的噪声,而基于最大似然函数的融合在有未知的噪声时性能表现较差.为了提高信号检测的准确性,提出一种基于极大极小方法设置的鲁棒融合规则.该规则采用最大似然函数的融合算法的结构形式和Huber极小极大的方法,得到虚警概率和检测概率表达式,适用于信道噪声为非衰减噪声分布、有界方差的噪声分布和混合高斯噪声分布.对多传感器并行分布式检测系统的仿真与分析,表明了该融合算法可提高信号检测的准确性,同时也具有一定的鲁棒性.     

数字信号通过通用Rice衰落信道传输的性能

通用Rice过程涵盖了从最深度衰落的单边高斯过程到比Rice过程更轻的衰落过程,与其他衰落模型相比具有更优异的性能.研究数字调制信号通过通用Rice信道传输的性能, 给出频率非选择性慢衰落通用Rice信道上相干二进制相移键控(BPSK)、相干二进制频移键控(BFSK)、差分相干二进制相移键控(DBPSK)和非相干二进制频移键控检测时的平均误比特率公式,分析了模型中各参量对平均误比特率性能的影响.     

基于最大值参考单元的双剔除门限恒虚警目标检测算法

针对传统恒虚警目标检测算法在非均匀噪声环境下虚警率过高的问题,提出一种基于最大值参考单元的双剔除门限恒虚警(dual censoring threshold based on maximal reference cell-constant false alarm rate,DCT-MRC-CFAR)目标检测算法.基于参考窗最大值参考单元得到剔除比较门限,通过比较,剔除极大值参考单元,根据剩余参考单元的数量选择参考窗中剔除后剩余参考单元或者参考窗中全部参考单元来估计背景噪声功率,并得到功率检测门限.与其他算法进行仿真对比,DCT-MRC-CFAR算法在均匀噪声环境下,检测性能接近于单元平均恒虚警(cell averaging-constant false alarm rate,CA-CFAR)算法;在非均匀噪声环境下,检测性能较稳定,且优于自动删除单元平均恒虚警(automatic censored cell averaging-constant false alarm rate,ACCA-CFAR)和自动双删除单元平均恒虚警(automatic dual censored cell averaging-constant false alarm rate,ADCCA-CFAR)算法.结果表明,提出的DCT-MRC-CFAR目标检测算法在均匀和非均匀噪声环境下,均具有较优和较稳定的检测性能.     

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。