多传感器检测系统的 多步反馈融合算法

通过分析分布式检测系统的工作原理，提出了一种新的局部检测器融合方法，该方法利用检测器局部判决结果与融合中心融合结果的误差多步累积平均值对检测器下一步判决进行修正，从而达到提高检测器检测概率的目的。分析表明，该算法能有效提高系统的性能。     

分布式多传感器检测系统时间序列数据融合算法研究

本文在Ｃｈａｉｒ和Ｖａｒｓｈｎｅｙ提出的数据融合算法基础上,提出一种分布式多传感器检测系统按时间序列取多组局部决策数据的融合算法及决策规则,并给出系统性能的仿真计算结果。     

多传感器网络中的分布式故障检测算法

在传感器网络中,分布式故障检测算法(DFD算法)通过与所有邻居节点的传感器数据的比较判断,实现节点传感器的故障检测。但是,在故障节点聚集的网络区域,故障节点比例的上升将导致该区域的故障检测精度显著下降。针对多传感器网络,本文利用多传感器在相同区域的故障分布差异及传感器之间关联特性对DFD故障检测算法进行改进,提出适用于多传感器网络的MDFD算法,提高了故障聚集区域的检测精度。性能分析和仿真结果表明:在节点故障率高的网络中,与DFD和IDFD算法相比,MDFD提高了故障检测精度,算法适用于节点分布稀疏和传感器故障率较高的网络。     

分布式累加梯度算法在目标定位问题中的应用

通过对基于能量目标定位问题的分析,建立声源能量衰退模型,并把定位问题转化为非线性最小二乘问题,引入分布式累加梯度算法来求解目标函数的最优值。由于目标函数是严格凸函数,使得算法无论初始点如何选取总能较快地收敛到目标位置,算法执行仅需要相邻传感器信息,是一种分布式算法。数值实验表明：分布式累加梯度算法不仅收敛速度快,而且定位更精准。     

分布式多传感器数据融合

介绍经典统计推理理论的分布式多传感器数据融合的概念、形式和方法，以及目前在这一领域研究中已取得的进展及今后的发展趋势．     

基于数据融合多传感器的分布式入侵检测系统研究

提出了一个新的概念——发展计算机空间态势估计的分布式融合系统及信息抽象分布级别和逻辑抽象层次的知识。在此基础上给出了一个多传感器入侵检测数据融合的合作模型,系统能分析各类信息,有高精确的入侵检测、高效的决策、资源消耗低。系统的容错性和合作能力也有所提高。     

多传感器异步线性测量系统的数据融合

由于采样速率和传送数据到融合中心的通信延迟的不同,现代工业生产过程中用于对未知的常值或缓变参数进行估计的多传感器通常是异步工作的,且受到加性测量噪声的干扰。在最小二乘估计意义下,对于测量噪声互不相关的多传感器异步线性测量系统,提出了集中式和分布式递推参数估计数据融合算法,两种算法完全等价,且都是全局最优的。数值仿真实验的结果表明,通过利用多传感器的测量数据,增大了对参数测量的数据流和数据率,传感器测量参数的估计准确度得到明显改善。     

基于最小二乘准则的多传感器参数估计数据融合

为了从含有加性测量噪声的线性测量数据中更加准确地估计未知的常值参数,测量噪声互不相关的多传感器测量系统得到广泛使用。在最小二乘准则下,提出了多传感器测量系统在多次同步测量时的集中式和分布式参数估计数据融合算法,两种算法完全等价,且都是全局最优的。数值仿真实验的结果表明,新算法可以明显改善传感器测量参数的估计精度。     

多符号差分球形译码在无线传感器网络分布式检测中的应用研究

在无线传感器网络分布式检测中,信道条件复杂,难于估计.比较相关检测,差分检测的优势是不需要信道估计,但总是付出一定的性能损失.为了缩短这一差距,本文提出多符号差分检测,并结合低复杂度球形译码算法,对多符号差分球形检测的迭代搜索过程进行了详细分析.算法检测性能和复杂度的分析表明,该检测算法不仅能有效降低计算复杂度,而且能保证较好的检测性能.结果证明该算法可作为一种有效检测算法应用于无线传感器网络分布式检测中.     

基于多传感器信息融合的分布式气体检测系统

现有的气体检测仪在技术上无法准确检测现场发生的有毒或可燃气体的泄漏;为了保证安全生产和科学管理,开发并应用适合有毒或可燃气体泄漏的检测系统,具有重要意义;提出了一种分布式多传感器气体检测系统的通用结构,研究了可用于该检测系统的自适应加权数据融合算法;最后介绍了一个应用实例,实验结果显示该检测系统识别准确,不仅能够解决气体传感器交叉敏感问题,而且具有智能化和多功能化等优点。     

分布式检测系统的一种软决策融合算法

在分布式检测系统中,为了进一步提高系统的性能,各传感器可以向融合中心发送多位二进制判决信息.对于这种发送多位判决信息的软决策融合系统,提出了一种对各传感器观测空间进行再划分的方法,它将各传感器的观测空间按照其检测概率和虚警概率进行再划分.这种划分方法能够简化融合中心的计算,且计算机仿真结果表明,应用该方法后融合系统的检测性能有明显的提高.     

A new multiple decisions fusion rule for targets detection in multiple sensors distributed detection systems with data fusion

Currently, multiple sensors distributed detection systems with data fusion are used extensively in both civilian and military applications. The optimality of most detection fusion rules implemented in these systems relies on the knowledge of probability distributions for all distributed sensors. The overall detection performance of the central processor is often worse than expected due to instabilities of the sensors probability density functions. This paper proposes a new multiple decisions fusion rule for targets detection in distributed multiple sensor systems with data fusion. Unlike the published studies, in which the overall decision is based on single binary decision from each individual sensor and requires the knowledge of the sensors probability distributions, the proposed fusion method derives the overall decision based on multiple decisions from each individual sensor assuming that the probability distributions are not known. Therefore, the proposed fusion rule is insensitive to instabilities of the sensors probability distributions. The proposed multiple decisions fusion rule is derived and its overall performance is evaluated. Comparisons with the performance of single sensor, optimum hard detection, optimum centralized detection, and a multiple thresholds decision fusion, are also provided. The results show that the proposed multiple decisions fusion rule has higher performance than the optimum hard detection and the multiple thresholds detection systems. Thus it reduces the loss in performance between the optimum centralized detection and the optimum hard detection systems. Extension of the proposed method to the case of target detection when some probability density functions are known and applications to binary communication systems are also addressed.     

基于TLS算法三相系统的谐波检测*

将TLS、LMS和约束反Hebbian自学习算法统一起来,指出LMS算法和约束反Hebbian自学习算法是两个特例。研究了TLS自适应学习方法在谐波检测中的应用,并将这种方法推广到三相系统中。所研究的检测方法同时适用于单相和三相对称非对称负载电流的谐波检测,可对谐波电流、无功电流以及负序电流进行分别或综合检测。仿真实验证明,在跟随性能和误差性能方面,单相TLS算法要优于单相LMS和约束反Hebbian算法,而三相TLS检测方法的性能要明显优于按单相的TLS检测方法。     

被动多传感器自适应曲线模型跟踪新算法

针对被动多传感器机动目标跟踪系统中,由于目标机动性能的不确定以及存在的非线性而导致系统模型与目标实际运动模式难以匹配的问题,提出一种新的自适应曲线模型跟踪算法．该算法通过建立新的方向角模型,设计一种自适应的转弯角速度估计方法,实时计算每个采样时刻目标的切向加速度,以获得与目标实际运动模式相匹配的运动模型,并与扩展卡尔曼滤波相结合,有效提高了被动多传感器下机动目标的跟踪精度．     

无线传感网中分布式信号检测的多维特征值算法优化研究

在大规模无线传感网的分布式信号检测中,针对相关性较高并有一定冗余度的数据集,在保证数据采集可信任的情况下,通过高效算法提高精度是重要的研究方向。 提出一种分散功率算法DPM,用于分布式计算样本协方差矩阵的最大特征值,通过将平均共识和迭代功率法相结合,在相对少量样本和有限次数迭代的条件下,实现了协方差矩阵最大特征值的较快收敛速度和较高精度估计。对比MECD算法和DST算法,仿真结果表明,新算法有效减少了信号样本数和迭代次数,收敛速度较快,可获得更高的检测精度。     

入侵检测中一种新的多模式匹配算法

基于模式匹配的检测方法是目前入侵检测系统的一种重要方法,因此作为模式匹配方法核心的字符串匹配算法直接影响入侵检测系统的性能和效率。在AC算法和WuManber算法的研究基础上,提出了一种新的多模式匹配算法——ACWM。该算法能够增加字符跳转距离,比较稳定地减少匹配过程中字符比较的次数,提高匹配的速度和效率。     

多模型方法在多传感器航迹融合中的应用

在多传感器航迹融合环境中,针对各时刻检测到目标的传感器个数不同的情况,设计了一个由4个模型构成的模型集,将跟踪门和曲线拟合理论应用于该模型集中,并针对不同模型用相匹配的滤波器进行滤波,其结果送入融合中心进行统一融合。仿真结果表明：该模型集有效解决了量测野值点的处理和单传感器定位等问题,同时验证了基于多模型多传感器航迹融合方法的有效性。     

分布式系统TTCAN调度优化算法研究

总线技术的发展给线缆测试仪带来了分布式、信息化、网络化的新需求,且在分布式线缆测试仪工作过程中,测试线路的数目增加也对总线数据通讯的稳定性和通讯效率提出了更高的要求;针对分布式系统在线缆测试中的应用需要,设计并优化了分布式线缆测试仪工作的TTCAN应用层协议和其系统矩阵;对于分布式系统通信中的周期性消息形成的系统矩阵先后采用遗传算法、改进型差分进化算法进行优化,对于其中的非周期性消息采用基于松弛度的动态优先级算法;在MATLAB仿真环境中进行实验,实验结果表明,改进型差分算法比遗传算法能够更快、更稳定地计算出优化矩阵,经调度优化后的TTCAN总线工作时数据传输效率有显著提高;文章通过智能优化算法,有效提高了系统总线的通讯效率和稳定性。     

Parallel Algorithm Design on Some Distributed Systems

Some testing results on DAWINING-1000,Paragon and workstation cluster are described in this paper.On the home-made parallel system DAWNING-1000 with 32 computational processors,the practical performance of 1.1777 Gflops and 1.58 Gflops has been measured in solving a dense linear system and doing matrix multiplication,respectively .The scalability is also investigated.The importance of designing efficient parallel algorithms for evaluating parallel systems is emphasized.