基于子波滤波的并行分布式检测融合算法分析

将软阈值决策子波域滤波算法与多传感器并行分布式检测融合系统有机地结合在一起,提出了多传感器并行分布式检测系统在Neyman-Pearson(N-P)准则下融合规则和局部判决规则之间相互关系的理论分析方法,完整地给出了两种次最佳系统和全局最佳系统判决规则的理论推导,并藉此理论对以上3种系统进行了瑞利噪声环境下的仿真,结果表明子波域滤波算法和多传感器并行分布式检测融合系统的同时引入明显提高了雷达探测系统的检测性能。     

多雷达组网检测系统技术

基于航迹融合的多雷达组网性能依赖于雷达单体的能力。基于多传感器信息融合理论,研究多雷达组网系统检测级融合,通过信号层的能量积累,改善对弱小目标的发现能力;为此,首先研究多雷达组网检测的系统架构,重点研究集中式和分布式两种多雷达检测方法,结合工程实施,分析性能得益以及存在的不足,并研究相关的同步技术等;结合战争需求分析多雷达联合检测的发展趋势。     

分布式检测系统的模糊有序统计融合算法

为提高基于二元局部判决的分布式检测系统的检测性能，研究了基于模糊隶属度函数的分布式检测系统融合算法，提出了模糊有序统计融合准则。通过对肼传感器进行分布式检测系统仿真，结果表明：模糊有序统计融合准则在均匀环境中能获得比基于二元判决准则更好的检测性能，也好于同样采用模糊隶属度函数的求和准则的检测性能，且在多目标环境下获得了较强的适应性。     

基于DP-TBD的分布式异步粒子滤波融合算法

主要利用检测前跟踪动态规划(DP-TBD)算法解决目标跟踪问题。动态规划(DP)是一种先通过对量测空间栅格化处理,然后对离散的量测空间中所有可能的物理路径进行遍历的算法。但是该算法提供的是一种未经滤波的点迹序列。此外,基于单雷达的DP-TBD算法在信噪比(SNR)较低时跟踪效果不佳,航迹丢失情况较严重,因此利用基于DP-TBD的多雷达协同探测势在必行。然而,由于DP-TBD算法没有状态误差协方差矩阵,导致无法将不同雷达的点迹序列进行基于各种融合准则的融合。另外,由于多个雷达不同的采样周期和通信时延,导致了各个雷达的数据是异步的。为了解决以上问题,文中提出了一种基于DP-TBD的分布式异步粒子滤波融合算法(DP-PFF)。该算法分为两步,第一步提出了一种适用于DP算法的粒子滤波方法;第二步是将不同雷达获得的异步状态估计转化为同步的并进行基于DCI准则的分布式融合。仿真结果说明,和单雷达相比,该算法显著提升了目标跟踪的性能。同时,该算法也减少了航迹丢失率并且可以显著提升系统的鲁棒性。     

分布式检测多目标融合算法研究

雷达分布式检测的融合准则一般采用的是Neyman-Pearson准则,首先简单分析融合规则和各局部传感器判决规则之间的关系,并利用遗传算法实现融合准则和各局部传感器判决规则的最优搜索,但目前分布式检测各种融合算法只适用于单目标,因此,提出利用区域映射法将检测区域进行分区检测,使单目标分布式检测融合算法与多目标区域检测联合检测,同时单个区域分布式检测采用遗传算法进行优化,最终达到对多目标的分布式检测最优融合.最后给出了数值仿真,仿真结果表明,该方法具有一定的可行性.     

一种多基地雷达检测概率的全局优化方法

提出一种多基地雷达检测概率的全局优化方法.首先讨论在多个接收站具有不同接收信噪比的条件下,对接收站判决进行融合后,目标总的检测概率和虚警概率的变化;然后以目标总的检测概率为目标函数,对各个接收站的恒虚警率检测门限进行调整,实现了多基地雷达检测概率的优化.     

基于最小风险准则的多传感器检测策略及应用

基于带宽、延时、计算等因素,传统多传感器检测以分布式为主,其特点是单传感器根据局部观测做出二元判决并传输给融合中心进行融合.单站条件下,高速通信网络和高性能服务器的应用逐步克服了制约集中式检测的约束,通过融合单传感器的局部观测提升检测性能,避免了大量原始信息的损失.基于最小风险准则推导了分布式检测与集中式检测的算法原理,分析了两种策略在实施过程中的特点与难点,结合单站条件下多雷达联合检测探讨了集中式检测在工程实现时所需考虑的因素.     

分布式雷达检测数据融合系统及性能分析

研究了基于奈曼一皮尔逊准则的分布式并联融合系统的检测理论，给出了使系统性能达到最优的融合中心的融合规则和传感器的决策规则，提出了一种融合系统性能优化算法，将其应用于雷达网数据融合，并就三部雷达沿直线部署的具体情况进行了计算机仿真。结果表明：相对于单部雷达而言，融合系统的性能有非常显著的改善。     

非理想信道不同量化规则软决策算法性能分析

在分布式检测系统中,为提高系统的检测性能,各传感器向融合中心发送多位二进制判决信息用来表示判决的可信度及判决结果。不同的量化规则及信道条件对融合系统的检测性能都有较大影响。推导出了无记忆非理想信道的条件下概率转移矩阵与误码率的关系,研究了误码率对两种不同量化规则软决策融合检测性能的影响,对比分析了两种不同量化规则的软决策融合在非理想信道条件下检测性能的优劣。最后通过3个传感器组成的网络,量化等级为3的条件下,根据N-P准则仿真对比分析了两种不同量化规则的软决策融合在不同信道条件下检测性能。     

基于分布式检测的浮标信号检测级融合算法研究

针对单枚浮标对目标检测能力有限的问题,为了提高对目标的检测性能,根据多枚空投浮标的位置和信息特点,对多枚浮标的检测级融合进行了研究;在对分布式检测融合理论进行研究的基础上,研究了基于分布式检测的浮标信号检测级融合体系结构、融合规则、融合算法等.通过仿真验证,给出了各浮标及融合系统的检测性能曲线,及相关系数、接收机信噪比等参数与检测性能的关系.仿真分析结果表明:经过融合后的浮标信息检测性能优于单枚浮标的检测性能.     

基于局部检测统计量的分布式CFAR检测及其融合方法研究

本文研究了分布式CFAR检测在Neyman-Pearson(NP)意义上的最优问题,阐述了基于二元局部判决和基于局部检测统计量的分布式CFAR检测在最优化上的差别.提出了R类和S类局部检测统计量,证明了基于这两种局部检测统计量的在NP意义上的最优分布式CFAR检测具有似然比检验形式.研究了它们的次优融合方法(OS-R-GLRT和OS-S-CA).结果表明,次优融合可以达到与相应的最优融合接近的性能.     

相关局部判决下基于N-P准则的分布式检测融合算法

研究了在相关局部判决条件下的基于N-P准则的分布式检测融合算法，给出了利用相关系数来表示的最优融合规则的表达式，解决了相关系数的求解问题，并在实验仿真的基础上，给出了部分有益的结论。     

复杂干扰环境下的分布式多传感器检测

实用多传感器系统应考虑各种环境干扰的复杂性,然而复杂干扰环境下多传感器数据融合的研究是目前尚未开展的领域.为此,本文首先建立了复杂干扰环境下多传感器系统的马尔可夫模型,给出了状态转移图和状态概率,并根据该模型推导出复杂干扰环境下多传感器融合检测的四种判决方法.最后给出了仿真结果,并分析了检测概率和虚警概率.     

分布式CFAR检测系统的最优门限求取新方法

针对并行分布式检测网络结构局部采用CFAR检测器的情形,提出了一种在融合规则给定时,局部CFAR检测器最优门限的求取方法。给出了在任意融合规则下融合中心的检测概率和虚警概率关于局部门限的一阶导数的数值计算公式,并利用Broyden方法求取最优的局部门限。该方法避免了传统方法需要计算二阶导数的复杂性,并且更容易推广到局部采用多类CFAR检测器的情形。实验分析表明了算法的有效性。     

多基地雷达反隐身分布式检测融合算法研究

随着目标隐身技术的发展,单雷达已不能够及时地发现隐身目标.本文首先利用目标的前/侧向散射特性和多传感器分布式检测两个方面的优势建立了两种布站方式的多基地雷达系统,继而提出了基于聂曼-皮尔逊(Neyman-Pearson)准则下的局部决策积累融合算法,给出了系统检测概率和虚警概率的表达式,提出了基于遗传算法(Genetic Arithmetic)的最佳门限计算方法,最后对该系统的检测性能进行了仿真,仿真结果说明了系统反隐身的有效性和融合算法的优越性,本文结论对系统的工程实现具有一定的参考价值.     

基于最小生成树的分簇协作频谱感知改进算法

为减少分簇过程中的时延,基于最小生成树的单向比较优势提出簇首快速推举方法,并提出改进的分簇协作频谱感知算法,分析了算法的时间复杂度。算法首先基于最小划分对所有次用户节点进行分簇,簇内节点根据设置的评价条件进行性能比较,推举簇首。由簇首进行本地簇内频谱检测,并上传检测结果,最后融合中心在簇首间实现协作的频谱检测。在瑞利信道条件下,仿真显示在大信噪比时,融合中心应用AND规则,系统具有较小的虚警率,所提算法检测性能优;小信噪比时,应用OR规则能扩展系统的有效检测区间,所提算法在满足系统要求的前提下检测性能较差,但簇内信道效率提高了n-1倍。