精度约束下决策融合主用户检测的检测时间分析

在认知无线电中,次级用户对特定频段的主用户信号进行检测,以判断该频段是否能为自己复用。对主用户检测而言,检测精度和检测时间均是重要的性能指标。本文在保证所需检测精度的约束下,以基于AND准则和OR准则的主用户检测为例,分析了决策融合主用户检测的检测时间,并推导出了两种准则下平均检测时间的解析表达式。通过对比两种准则下的平均检测时间,本文还证明了,检测精度相同时,OR准则在检测时间方面优于AND准则。数值仿真验证了上述结论,并显示OR准则检测时间的优势在高检测精度约束或低信噪比的场景中更明显。

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。

一种基于证据推理的视频运动目标融合检测算法

为了解决复杂场景下传统的运动目标检测问题,利用证据推理—–谨慎有序加权平均方法(COWA-ER),提出一种综合使用混合高斯、均值滤波和码本的多方法融合的检测方法.该融合检测算法以上述3种检测方法为准则建立一个多准则决策框架,通过双阈值检测法来表征检测过程中的不确定性,最终利用COWA-ER方法进行决策级融合,实现多种方法的优势互补.实验表明,所提出的融合检测算法具有更理想的目标检测效果,能有效应对诸如阴影及光照突变等问题对检测性能的影响.

基于特征融合与软判决的遥感图像飞机检测

提出了一种特征融合结合软判决的飞机检测方法。以区域卷积神经网络为基本框架,依次采用L2范数归一化、特征连接、尺度缩放和特征降维来融合多层特征。为了降低网络在目标高度重叠时的漏检率,引入软判决来改进传统的非极大值抑制方法。实验结果表明,所提方法能够准确快速地检测到飞机,得到检测率为94.25%、虚警率为5.5%、平均运行时间为0.16 s的实验结果。与现有的其他检测方法相比,所提方法的各项指标均得到显著提升。