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。

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。

基于聂曼-皮尔逊准则和无线信道的一种次最优分布式检测算法

在实际检测中,从本地检测器至融合中心的无线信道通常无法保证为理想传输信道,于是传统的基于理想信道的优化检测算法要做相应调整。基于非理想信道该文研究了一种次优检测算法,应用聂曼-皮尔逊(NP)规则推导出各节点的判决形式,根据概率知识求出各节点的虚警概率和检测概率,然后用迭代的方法得到虚警概率在一定范围内系统检测概率最大时各个节点的检测门限。最后通过仿真说明了信道的非理想性确实影响了系统的检测性能。

分布式检测中基于恶劣检测环境的反馈融合算法

针对本地检测器的检测环境比较恶劣和本地检测器至融合中心的传输信道为非理想信道的情况,提出一新的反馈算法。将融合中心的判决信息反馈至融合中心,用来剔除工作不正常的本地检测器或性能恶劣的信道,基于性能正常的本地判决信息,应用聂曼-皮尔逊(NP)规则来推出融合中心的最优化判决形式。最后通过三检测器的系统仿真表明:在此情况下,融合中心应用反馈使检测性能得到了改善。

一种全局最优的多感测器检测融合算法

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,另外由于本地检测器和融合中心的距离比较远,会加剧信道的非可靠性和增加信道的传输能量,于是就在本地检测器和融合中心之间增加中继节点。然后利用贝叶斯规则对所有节点的判决规则进行联合最优化。最后通过仿真对系统的检测性能进行了比较。

基于自适应训练的一种新的软决策融合算法

为了提高系统的检测性能,本地检测器应用了软决策算法,提出一种新的结构框图。将本地判决送至自适应训练器来估计本地检测器的性能参数,然后将得到的性能参数反馈至本地检测器来控制本地的检测门限。另外又将本地判决和可信度送至融合中心进行融合判决得到最终的判决,随后给出了迭代算法。最后通过三检测器系统仿真说明了算法的可行性,检测性能比硬判决有所改善。

非理想信道条件下树型结构的最优贝叶斯检测算法

由于本地检测器和融合中心的距离比较远,会加剧信道的非可靠性和增加信道的传输能量,基于非理想信道,研究了增加中继节点的分布式检测的最优化算法。为了使系统检测性能达到最优,需要对所有节点的判决规则进行联合最优化。最后对使用和不使用中继节点的系统进行性能比较。