Bayes决策理论在分布式多源信息融合中的应用

论述基于Ｂａｙｅｓ决策理论的分布式多传感器检测系统的多源信息融合方法,给出统一的判决规则,并以最小错误概率判决准则为例,介绍融合决策方程的建立及系统性能的表达式。最后通过两种情况的仿真计算结果,分析基于信息融合技术的多传感器检测系统的工作性能。     

Bayes数据融合方法及其在水下目标检测中的数学仿真验证

对基于Bayes判决法的模式分类方法进行了理论分析,将多变量Bayes模式分类方法应用于决策信息融合过程,证明了用多传感器测得的多维信息进行决策融合性能优于用单传感器测得的一维信息。将基于Bayes判决法的数据融合方法用于水下目标检测,能大大提高系统的目标检测能力,理论分析和数学仿真均证明了该方法的有效性。     

多传感器检测系统中的次最佳分布式判决融合

在分布式传感器检测融合系统中，各传感器将其对同一假设的判决传给融合中心，该中心将些判决结合起来形成量终判决，文中提出了使错误概率为最小的次最佳判决融合方案，它包括融合中心的最小错误概率检验和各传感器的似然比检验，基于这种融合方案，文中分析了不带判决可信度和有判决可信度两种情况下的接收机工作特性，结果表明：带有可信度信息的判决融合在高信噪比时其性能优于不带可信度信息的判决融合。     

一种全局最优的多基阵声纳数据融合方法

优化分布式检测系统性能的方法和算法很多,但是,这些方法或是优化传感器的判决规则或是优化融合中心的融合规则,而不是两同时优化。本提出了一种同时优化传感器判决 融合中心融合规则的全局优化算法,它扫描所有可能的解,找出在Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ意义上的最优解,该算法应用于具有三部声纳的分布式检测系统,获得了满意的检测性能证明了算法的有效性。     

分布式CFAR信号检测

带有分布式传感器和融合中心的检测系统已应用于监视系统中．文中提出了多传感器检测空间的划分，以及先分区融合再系统融合的方法，并且在不同的检测区域，多传感器采用不同的门限；已往所有传感器探测同一区域，融合中心采用所有传感器判决的ＡＮＤ、ＯＲ和“Ｋ／Ｎ”规则，和这些规则相比，文中的方法更加合理和实用．利用Ｂｏｏｌｅａｎ代数，文中还推导了多传感器检测系统的检测概率和虚警概率表达式．对于由几个单元平均恒虚警率（ＣＡ－ＣＦＡＲ）检测器组成的系统，通过分区融合和系统融合，可以在融合中心得到总的判决．对于Ｒａｙｌｅｉｇｈ目标和干扰，固定系统的虚警概率为某一要求值，通过使系统的检测概率最大来获得每个ＣＦＡＲ检测器的最佳门限．最后，举例说明了这种方法的应用并分析了其性能．     

多传感器数据融合技术及其应用

针对多传感器融合技术,依据中心分布式判决和非中心分布式判决理论,采用加权融合估计算法,以实现多参数的复杂系统。多传感器融合技术的使用,具有降低噪声干扰、减少信息冗余性、提高精度等优点。为多参数测量的复杂系统提供了有效手段。     

一种分布式水声信号检测系统的融合算法

给出了一种多传感器数据融合的融合算法,并将其用于分布式水声信号检测系统中多部声呐的信息综合。各部声呐的观测可以是相互独立的。也可以是相关的。计算机仿真结果表明,融合后系统的检测性能有明显提高。     

分布式多传感器系统的最佳检测和性能

提出了多传感器分布式检测系统在Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ（Ｎ－Ｐ）准则下融合规则和各局部判决规则之间协调关系的理论分析方法,完整给出了两种 最佳系统和全局最佳系统判决规则的理论推导,并籍此理论上对３种系统进行了瑞利信道的仿真及性能比较,结果表明分布式检测中全局最佳系统的检测性能和机特性均优于两种次最佳系统。     

海洋传感器网络协同目标识别机制研究

海洋恶劣环境下的目标自动识别是海洋技术研究领域的一个难点,基于海洋传感器网络进行水下目标自动识别是一个崭新的研究方向。该文主要研究了如何充分利用海洋传感器网络中多个传感器的数据融合功能,将水下目标辐射噪声信号中携带的目标特性信息进行决策融合,多个传感器进行协同处理获取最优结果。该文提出了一种基于贝叶斯估计的决策融合机制,决策融合中心利用多个传感器的本地决策进行协同判决。     

一种改进型局部检测器决策门限确定算法

分布式检测系统中局部检测器的决策信息会影响融合中心的决策结果。在先验概率和代价函数处于不确知的模糊状态下,提出了一种新型的局部检测器判决阈值算法。在相同案例下进行的计算机仿真结果表明:采用阈值确定算法得到的融合中心的Bayes风险值和Bayes风险隶属度函数更接近真实情况。     

Performance Analysis of Distributed Neyman-Pearson Detection Systems

The performance of a distributed Neyman-Pearson detection system is considered with the decision rules of the sensors given and the decisions from different sensors being mutually independent conditioned on both hypothese. To achieve the better performance at the fusion center for a general detection system of n 〉 3 sensor configuration, the necessary and sufficient conditions are derived by comparing the probability of detec- tion at the fusion center with that of each of the sensors, with the constraint that the probability of false alarm at the fusion center is equal to that of the sensor. The conditions are related with the performances of the sensors and using the results we can predict the performance at the fusion center of a distributed detection system and can choose appropriate sensors to construct efficient distributed detection systems.     

分布式MIMO雷达双门限GLRT CFAR检测

在分布式多输入多输出雷达目标检测中,为降低融合中心与局部雷达站之间的数据传输率,提出了一种双门限广义似然比恒虚警率检测算法.首先对局部广义似然比检验统计量进行第一门限判断,将过门限的局部检验统计量传送给融合中心.然后在融合中心进行融合检测,与第二门限比较得到判决结果.推导了双门限广义似然比检测器的虚警概率闭式解.仿真结果表明,双门限广义似然比检测算法在降低数据传输率的同时能保证较好的检测性能.     

衰落信道下的传感器网络局部容错目标检测

针对衰落信道下的目标检测问题,提出了一种基于局部容错机制的决策融合算法（ LFTDF）。利用邻居节点数据的空间相关性,各传感器节点按照多数原则调整自身决策,实现节点局部容错的目的。在瑞利分布的衰落信道模型下,对最优似然比融合规则进行近似处理,提出了次优的简单平均融合规则。仿真结果表明,该算法可以有效地提高系统检测性能。     

莱斯衰落信道下的筛选传感器网络决策融合

针对莱斯衰落信道下的事件检测问题,在传感器网络中引入三级量化筛选策略,得出了基于信道实时状态信息的似然比融合规则. 考虑到信道实时状态信息往往难以获得,进一步提出了基于莱斯信道统计分布信息的决策融合规则. 并分别在低信噪比和高信噪比条件下给出了2种融合规则的简化形式. 仿真结果表明,三级量化筛选策略不仅可以降低系统传输能耗,而且可以改善系统检测性能. 综合分析发现,上述决策融合规则在检测性能、计算复杂度和耗费系统资源方面各有优劣. 针对资源受限的无线传感器网络,在选取融合规则时,需要折中考虑.     

信息估计融合中的观测量化解决方案

在分布式无线传输网络中的估计问题,由于诸多限制条件,传输量十分有限,传感器只能传送有限的几个0-1码（bit）到融合中心,在此情况下完成多传感器估计融合。采用将区间划分,每一区间形成一个假设,规定假设之间合适的损失系数,将估计融合问题化为决策融合问题,运用成熟的决策融合的方法,对于现在研究还不成熟的估计融合传感器量化问题设计了一个解决方案,将决策融合的决策结果作为最终的估计,从而在观测被量化的条件下达到较优的估计效果。并用计算机模拟的例子对分析进行了验证。     

分布式目标检测融合决策优化算法

现有分布式目标检测系统的优化一般采用穷举法、SFFO算法或SOFF算法,计算复杂,且优化结果强烈依赖初值。该文采用蚁群算法和爬山变异算法结合,提出爬山变异蚁群算法及同步优化传感器判决门限和融合中心决策规则,理论上是一种全局最优算法。数值试验的结果表明,和相关算法相比,融合系统的贝叶斯风险降低了15%～20%,且优化结果不依赖初值,计算复杂度低于其他算法。     

基于融合主成分匹配的异常检测方法

针对数据存储规模的扩大,提出了一种基于融合主成分匹配FPCM(fusion principal components match)的异常检测方法。首先将各子节点数据通过聚类去除孤立点以提高主成分分析的稳定性,将各子节点的聚类中心传送到中心节点,减少节点间传送数据的通信量并且实现求主成分的数据融合;用聚类中心的主成分转换矩阵建立的正常行为模型能够体现整体的数据特征;最后使用决策树方法提高匹配速度。实验结果表明,FPCM方法能保持较高的DOS检测率,在保证整体检测率为97%的同时将误报率控制在10%以下。通过与已有方法比较表明,该方法能使分布式存储的数据在检测结果上达到数据集中存储的检测水平。     

Cooperative detection algorithm of spectrum holes in cognitive radio

To improve the detection performance of sensing users for primary users in the cognitive radio, an optimal cooperative detection algorithm for many sensing users is proposed. In this paper, optimal decision thresholds of each sensing user are discussed. Theoretical analysis and simulation results indicate that the detection probability of optimal decision threshold rules is better than that of determined threshold rules when the false alarm of the fusion center is constant. The proposed optimal cooperative detection algorithm improves the detection performance of primary users as the attendees grow. The 2 dB gain of detection probability can be obtained when a new sensing user joins in, and there is a 17 dB improvement when the accumulation number increases from 1 to 50.