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。

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。

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。