目标检测定理

通过引入目标存在状态变量,建立了结合目标检测与参数估计的统一系统模型。给出目标探测信息、检测信息和空间信息的严格定义,并证明探测信息是检测信息与已知目标存在状态的空间信息之和,从理论上解决了探测信息和检测信息的定量问题。推导出目标匹配和非匹配条件下检测信息的理论公式。提出了随机目标检测方法,并证明了目标检测定理。目标检测定理指出,检测信息是可达的,反之,任何检测器的经验检测信息不大于检测信息。本文提出的目标检测信息理论打破了纽曼-皮尔逊准则一统天下的局面,为目标检测的系统理论和设计方法开辟了新的方向。     

一种高效的协作频谱感知架构

为了有效利用协作频谱感知中的上传时隙以改善感知性能,该文设计一种新的协作频谱感知(CSS)架构。其核心思想是：当一个次用户上传信息时,后面的次用户继续执行本地感知直至轮到其上传时才停止,该方法合理地将一半的空闲上传时隙用于感知,因而更为高效。同时,该文基于Neyman-Pearson准则,研究了AND准则和OR准则下的最优调度策略问题,并讨论了该架构带来的感知性能增益。仿真结果表明：所提架构可以有效改善协作频谱感知性能,而不带来额外的感知时延。     

一种基于多传感器决策融合的新颖监控方法

提供一种基于多传感器决策融合的新颖监控模型和方法.该方法在传感器层实现分布式判断过程,即每个传感器产生一个局部判断结果后,送到全局决策融合中心,由融合中心做出最终判断结果,从而实现大型工控系统的监控目的.将该方法在水电站监控系统平台上进行具体的实验和测试,结果表明融合模型和方法是可信且可用的,其控制与决策方式是通用的.     

基于改进型D-S证据理论的决策层融合滤波算法

本文针对线性和非线性混合滤波技术的不足,提出了一种基于改进型D-S证据理论的融合滤波算法.本算法首先分析了基本D-S证据理论组合准则缺陷的产生原因,从而采取消去证据间相关性、自适应地分配矛盾信息给与冲突有关的焦元等措施,改进了基本D-S证据理论的组合准则,提高了其融合性能.在此基础上,本算法又根据混合滤波器单源判别边界点误报风险大、可靠性和容错性差的弊端,增加了多子源判决准则,利用改进了的D-S证据理论的组合准则,实施融合判决.后续实验证明了本算法的有效性,为图像滤波的技术发展提供了一个新的探索途径.     

复高斯白噪声背景下贝叶斯检测前跟踪的检测阈值设置方法

在Neyman-Pearson准则下,对于贝叶斯检测前跟踪算法,为了能够按照系统要求的虚警概率实时地设置检测阈值,该文在观测噪声为复高斯白噪声的情况下推导得到了检测阈值的近似闭式解。对于贝叶斯检测前跟踪算法,该文从似然比检测形式入手,推导了检测统计量的表达式,得到了系统虚警概率同检测阈值之间的关系,并在观测噪声为复高斯白噪声的情况下给出了检测阈值的近似闭式解。计算机仿真实验表明,利用该检测阈值的近似闭式解,可以按照系统要求的虚警概率实时地计算检测阈值,从而使得实际系统的虚警概率满足要求。     

基于决策级融合的多波段SAR目标检测方法

为了提高SAR图像目标检测性能,提出了一种目标检测方法。该方法首先利用智能索引变量恒虚警和二次检测对多波段SAR图像进行目标检测,然后利用Neym an-Pearson准则对检测结果进行决策级融合,在保证融合前后虚警概率一致的前提下,可大幅度提高检测概率。给出了应用该方法的具体步骤,并通过实际数据证明了该方法的有效性。     

周期前导结构OFDM帧信号的检测

该文研究了具有多周期前导字WLAN OFDM帧信号在多径弥散信道、存在载波频偏条件下的检测。考虑到接收机自动增益控制(AGC)的影响,帧检测可以看作一个含未知参数的假设检验问题。根据广义似然比检验原理,并利用信号周期性的特点,导出一个具有恒虚警特性、对载波频偏不敏感的帧检测器。文中用广义Lambda分布描述帧检测器在无信号时的统计特性,并根据Neyman-Pearson准则给出一定虚警概率下的判决阈值,最后通过计算机仿真得到帧检测性能。     

类奈曼-皮尔逊检验加权lp相关的干扰鲁棒同步算法

为实现正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）系统的时域同步,本文利用ZC（Zadoff-Chu）序列提出了类奈曼-皮尔逊检验加权的l_p（p=1或2）相关（Neyman-Pearson-like test Weighted l_p-Correlation,l_p-NPWC）同步算法.分析表明：该算法利用类奈曼-皮尔逊检验能有效抑制多径效应对l_p相关同步的影响,特别地,当取p=1时,它对重尾分布噪声及循环前缀导致的伪峰具有极强的鲁棒性.实验及仿真结果均证明了理论分析的正确性和有效性,并表明本文算法相较于现有算法在各种干扰环境中均具有更高的同步精度和性能.     

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.     

基于二元传感器网络的多源定位研究

针对多源定位模型计算比较复杂的情况,基于Neyman-Pearson准则对二元传感器网络的多源探测模型进行了研究,然后在2个信号源的情况下,提出利用Fisher准则将传感器分为两部分,每部分传感器与相应信号源对应,并在此基础上提出利用加权减负加正(WSNAP,weighted subtract on negative add on positive)算法对多信号源进行定位计算。仿真结果表明:Fisher准则能以较高的正确率的将报警传感器分为两部分;与质心算法和加正(AP,add positive)算法相比较,所提出的方法计算复杂度较低、定位精度更高,并利用数据库对文中的结论进行了验证。