多传感器相关数据的分布式判决方法

提出多个传感器数据在相关情况下实现的一种分布式判决方法．通过使用正交变换方法实现对数据解相关，从而采用较为简单的似然比判决形式，从理论上证明了这种变换的可能性及提出构造相应变换矩阵的方法．通过对两种模型的仿真结果表明，该变换方法能有效地解除传感器数据之间的相关性，更好地进行分布式判决。     

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·     

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．     

两元两站分布式判决系统中的最优分站压缩律

讨论在中心融合律综合下两元两站分布式判决系统中最优分站压缩律的问题，着重讨论两种斯信号检测，得出的结论是：在高斯噪声影响下的确定性信号检测中，和在随机性高斯信号检测中，当方差，相关系数满足一定条件，最优分站压缩律是似然比。     

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。     

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。     

一种安全的无线传感器网络分布式决策融合方法

为了防止数据在开放的无线传感器网络中传输过程中遭到窃听而泄密,本文设计了一种带安全机制的传感器网络分布式决策融合方法 FRSM,该方法在传感节点发送数据到融合中心时利用随机函数对数据进行翻转置乱,以阻止窃听方获得正确的融合结果,而合法的融合中心能够基于已知的随机函数概率密度对接收到的数据进行对数似然比决策.理论分析和对比实验表明,FRSM能够使得合法的融合中心取得较好的融合结果,而窃听方在高信噪比和大量传感器环境下仍然难以获得正确的融合结果,从而保障了传感数据的机密性.     

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。     

分布式传感器网络中基于数据融合的目标定位算法研究

利用分布式传感器网络以及数据融合方法来提高探测系统的检测与定位精度正在成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。算法采用两级自适应调整得到最优加权因子。首先利用线性最小方差估计(LMSE)算法得到权系数的初始值,然后利用训练节点和递归最小二乘(RLS)算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真。仿真结果表明,相比单节点定位,融合算法的定位精度有约一到两个数量级的提高。     

多传感器分布式Kalman滤波融合算法

讨论多传感器数据融合算法,给出了一种使用于一般线性系统的多传感器分布式Ｋａｌｍａｎ滤波算法。     

MPU9250传感器的姿态检测与数据融合

设计了基于MPU9250多轴姿态传感器和MSP430F149单片机的姿态检测系统。利用传感器内部的陀螺仪、加速度计和电子罗盘,可以对3个轴的角速度、加速度、磁感应强度进行测量,进而解算成角度姿态。利用优化的卡尔曼滤波算法对解算的姿态角度进行了融合处理,融合后的数据有效地抑制了噪声,提高了角度姿态检测的准确性。设计的姿态检测系统每秒钟可以完成100次姿态检测与计算,具有体积小、响应快等特点,并应用于自平衡小车的姿态检测。     

分布参数系统传感器位置优化策略的小波算法

传感器位置配置是分布参数系统实现最优控制的关键问题之一,不仅和边界条件有关,还和输入信号、系统噪声、测量噪声、过程的动态特性等因素有关,各个因素对最佳测量位置的影响各不相同。分布参数系统状态在空间具有无穷维自由度,而测量通常只是在空间离散的有限个点上进行,并且受到噪声的污染,因此,选择分布参数系统测量位置具有重要的意义。本文基于正交函数逼近理论,用小波作为分析工具对分布参数系统的传感器测量点的位置优化问题进行研究。仿真结果表明：该方法对于分布参数系统的传感器位置的优化选择具有重要意义。