基于传感器网络的在线决策融合目标检测方法

针对传感器网络(sensor network, SN)目标融合检测应用中融合中心无法精确地获得局部传感器节点检测性能参数的问题,建立了基于SN的目标融合检测系统,提出了一种非理想信道条件下在线决策融合的目标检测方法。该方法依据解调后数据构建了节点未知虚警概率、检测概率以及节点与融合中心信道平均传输错误概率等未知参数求解模型,并采用非线性最小二乘方法在线地估计出这些未知参数。进而通过选择性能优的节点参与融合,最大化融合检测系统检测概率。仿真结果表明:这种在线决策融合方法能够准确地估计出传感器节点的概率参数以及信道的平均传输错误率;相比于已知先验的最优似然比融合规则,在线决策融合规则检测性能相当。     

多跳无线传感器网络决策融合

研究了衰减信道下多跳无线传感器网络的决策融合规则,推导出了瑞利分布的信道模型下性能最优的似然比融合规则。该规则需要预知信道的实时状态信息,计算复杂,不适合资源受限的无线传感器网络。为此,提出了仅需要预知信道的统计分布信息的次优似然比融合规则,并分别在大信噪比和小信噪比情况下推导出了该规则的简化形式。理论分析和实验表明,次优规则性能损失轻微,显著降低运算量和信息消耗,适合在资源受限的多跳无线传感器网络决策融合系统中使用。     

多跳筛选无线传感器网络决策融合

为了在保证传感器工作效果的同时控制系统能耗,在资源受限的无线传感器网络决策融合系统中同时引入传感器信息的多跳传输方式和筛选传输策略。在瑞利分布信道模型下,推导出该系统的最优融合规则。但该规则需要信道的实时状态信息,实用性差。为此提出基于信道统计分布信息的次优似然比融合规则,并给出了小信道信噪比情况下的简化形式。理论分析和仿真表明,次优规则性能损失较小,运算量更低,信息需要更少,符合资源受限系统的要求;同时使用筛选策略,降低了系统的传输能耗。     

下行卫星认知无线电门限与功率联合优化

用于卫星通信的频谱资源日益紧缺,但现存卫星系统却存在利用不足的问题。针对该问题,以最大化卫星通信中下行带内数据传输量为目标,提出了基于Underlay认知无线电的卫星信道检测门限与功率分配联合优化算法。首先分析了下行链路中信道融合检测误差、功率分配向量与数据传输量之间的数学关系,给出了信道数量及总功率均受限时信道与功率联合分配的可行性条件。之后,进行了目标模型可行性论证及融合误差分析,并将优化目标函数问题分解为检测门限与功率分配两个子优化问题。针对两个子问题,文中分别证明了加窗粒子群优化算法适用于数据融合后的门限优化,论证了信道与功率联合分配的可行性,在此基础上给出了信道与功率联合分配的最优解。引入中间量在两个子优化算法之间反复迭代,得到了本文目标函数的联合最优解。最后,仿真给出了检测门限优化性能,结果表明,改进型算法在准确度和迭代次数上均优于传统粒子群算法;比较了该联合优化算法与传统卫星通信方式及普通Underlay认知无线电用于卫星通信时的性能差异,结果表明,该联合算法能够有效提高频谱利用率;给出了算法复杂度。     

多基阵分布式估计融合新方法

针对水下多基阵分布式估计融合问题,为了解决常规方法中存在的获取完全水下信道特性难度大、算法实现复杂度高以及占用大量通信资源的缺点,在分布式等判决门限估计融合方法的基础上,建立了水下多基阵分布式估计融合模型,提出了多基阵分布式不等门限估计融合方法。理论分析和仿真试验表明：新方法在目标参数估计精度以及抗噪等方面优于等门限估计融合方法;在基阵数目较大时,其估计性能与似然估计方法相当。这种方法考虑了水声信道通信带宽的限制,满足了实际分布式估计融合系统对于计算量小、复杂度低以及实时性强的要求,能够应用于水下目标探测领域。     

分布式检测系统的幂求和融合准则

在基于局部检测统计量的分布式检测系统中,传统的直接求和融合准则在面对局部信噪比差异较大时,检测概率下降明显。在详细分析性能损失的原因之后,扩展出一类新融合准则。新准则通过对局部统计量的幂求和,实现对高信噪比数据的更有效利用。对一个双传感器并行分布式检测系统的仿真表明,高次幂求和在局部信噪比差异明显时,性能好于低次幂,当差异减小时则相反,低次幂求和的性能更好些。高次幂融合准则的鲁棒性更强。面对不同使用环境,应该综合考虑各局部传感器脉冲积累数目和局部信噪比的可能取值范围,从而选择合理的幂阶数进行融合。     

在衰减信道中基于最小贝叶斯风险的检测算法

针对实际检测过程中本地检测器至融合中心传输信道的非理想性,提出了基于两种非理想信道模型的分布式检测算法:第一种为融合中心已知非理想信道的瞬时状态信息;第二种为融合中心已知非理想信道的统计特性。通过最小化平均贝叶斯风险来设计本地检测器和融合中心的优化判决算法,其判决形式都可简化为似然比判决。最后通过仿真表明第二种模型的检测性能略低于第一种模型,但其计算量却大大降低。     

基于贝叶斯网络的不确定环境下多属性决策方法

融合贝叶斯网络推理技术来求解不确定多属性决策问题,根据问题的决策变量、环境变量和多个属性之间的依赖关系构造贝叶斯网络,通过推理求解在各个方案下每个属性取值的概率分布,从而把问题转化成风险决策问题.采用此方法求解不确定环境下多属性决策问题时,决策者只需考虑节点与其父节点之间的依赖关系,降低了思考的复杂程度,适用于大规模的复杂问题求解.算例表明基于贝叶斯网络的求解方法对不确定环境下的多属性决策问题是有效的.     

基于惯性传感器网络的分布式导航方法

通常的惯性导航冗余配置及其信息融合技术,是基于相同的系统状态模型,不适合分布式惯性传感器网络的应用。针对该问题,给出了一种基于惯性传感器网络的分布式导航方法,将多个惯性测量单元配置在载体不同部位,不仅能提供冗余的导航信息,还能提供局部运动测量。在惯性网络结构分析基础上,建立了惯性网络动态测量模型,采用最大似然估计和信息滤波法,设计了分布式惯性测量融合与导航状态融合的分阶段信息融合算法,通过仿真进行了验证。结果表明,所提方法充分利用了其他节点的惯性传感器信息和同类导航状态信息,可以提高整个惯性传感器网络的估计性能和故障容错能力,在提高低性能节点导航精度的同时实现对高性能节点的自动对准。     

双红外传感器模糊序贯航迹关联算法与仿真

航迹关联是多传感器多目标数据融合系统中的重要部分。本文针对双波段红外传感器的特点和目标航迹存在的连续性，根据影响航迹关联的主要因素和相互关系，提出了基于序贯检测思想的两种整体相似度关联定义和粗、精相关的模糊航迹关联策略，并提出针对未关联航迹的意见一致性决策方法确定航迹真实性。仿真结果表明，在目标密集、噪声较多、交叉分岔航迹较多的情况下，该算法性能良好，稳定，运算速度明显快于传统的统计检验方法。     

低信噪比条件下多基阵检测融合系统建模与性能分析

针对水下目标探测中的分布式检测融合问题,提出了一种低信噪比条件下的多基阵检测融合系统模型。基于水声信道估计和似然比检测原理,研究并比较了NP(Neyman-Pearson)准则下局部基阵判决采用二相相移键控(binary phase shift keying, BPSK)和二进制启闭键控(on-off keying, OOK)两种调制方式时的检测融合性能。理论分析和仿真实验表明：在低信噪比条件下,与单基阵探测系统相比,利用本文提出的多基阵检测融合模型建立探测系统能够有效提高对未知目标的检测概率,模型的提出对于水下分布式目标探测系统的建立具有较高的理论参考价值。     

分布式雷达信号检测

本文将讨论一种分布检测系统,在这种系统中包括一组相互独立的检测器和一个中心处理器。此系统有高可靠性、强的生存能力和较短的判决时间。在对付电子干扰影响方面系统也较单站要好。 每一单站的检测性能(发现概率和虚警概率)都假设为己知,本文得出了分布检测时最佳检测器形式、分布检测器性能。并得出随着单站数目增加而检测性能提高的数字结果。     

多模导引头融合检测研究

主要研究了多模导引头中的融合检测问题。对各子源传感器给出的有、无目标的信度 ,我们利用D-S理论进行融合。考虑到各传感器性能不同而导致各传感器的判决具有不同的可靠性 ,我们采用将子源传感器给出的有、无目标的信度减去一个与传感器性能有关的比率的处理方法。最后给出了仿真实验结果     

New method for detection fusion of MAC based on DCM and NP rule

The problem of distributed detection fusion using multiple sensors for remote underwater target detection is studied. Considering that multiple access channel (MAC) schemes are able to offer high efficiency in bandwidth usage and consume less energy than the parallel access channel (PAC), the MAC scheme is introduced into the underwater target detection field. The model of underwater distributed detection fusion based on MAC schemes is established. A new method for detection fusion of MAC based on deflection coefficient maximization (DCM) and Neyman-Pearson (NP) rule is proposed. Under the power constraint of local sensors, this paper uses the DCM theory to derive the optimal weight coefficients and offsets. The closed-form expressions of detection probability and false alarm probability for fusion systems are obtained. The optimal detection performance of fusion systems is analyzed and deeply researched. Both the theory analysis and simulation experiments indicate that the proposed method could improve the detection performance and decrease the error probability effectively under power constraints of local sensors and low signal to noise ratio.     

基于D-S证据理论的红外小目标融合检测方法

将红外图像中的小目标检测视为基于多图像特征的像素分类问题,提出了一种基于D-S证据理论的红外小目标融合检测方法。该算法首先提取双色红外成像系统中各传感器图像的图像特征,采用D-S证据理论中的基本概率分配函数对传感器图像中的像素进行基于多图像特征的分类,得到各传感器的目标检测基本可信度图;然后应用正交和规则复合来自各传感器的目标检测判决证据,获得整个系统的目标检测基本可信度图;最后根据决策规则输出最终目标检测结果。实验结果显示,该算法能在较大程度上降低目标检测过程中的不确定性,提高了系统的检测性能。     

PUE攻击下基于循环时空平稳特征的主用户协作检测方法

根据模仿主用户攻击(primary user emulation, PUE)信号较难同时模仿主用户(primary user,PU)信号的时、空域平稳特征,提出基于循环时空滤波的PU检测方法。该方法首先利用PU信号的循环时空平稳特征设计滤波器,并对滤波输出信号进行本地判决,再将本地检测二进制结果发送至融合中心(fusion center,FC)进行全局检测,其中FC根据各认知用户(secondary user,SU)检测循环频率的不同将收到的本地检测结果分组,并采用组内组间二次融合方式获取全局检测结果,这种协作分集检测的方式可以有效降低误检率和计算复杂度。仿真结果表明,该方法可实现在低信干噪比环境下对PU信号的检测。