衰落信道下的传感器网络局部容错目标检测

针对衰落信道下的目标检测问题,提出了一种基于局部容错机制的决策融合算法（ LFTDF）。利用邻居节点数据的空间相关性,各传感器节点按照多数原则调整自身决策,实现节点局部容错的目的。在瑞利分布的衰落信道模型下,对最优似然比融合规则进行近似处理,提出了次优的简单平均融合规则。仿真结果表明,该算法可以有效地提高系统检测性能。     

总发射功率约束条件下分布式相干检测融合

针对传感器融合系统总发射功率约束条件下的相干检测融合问题,利用偏移系数极大化理论优化系统检测性能.建立了基于多址接入信道传输的多传感器分布式相干检测融合模型,根据融合中心对信道增益信息的获取程度,提出了信道增益信息完美已知时的总发射功率约束相干检测融合方法(TPC-DCM方法)和信道增益统计信息已知时的总发射功率约束相干检测融合方法(TPC-DCM-CS方法),上述两种方法分别将总发射功率约束分布式检测融合问题转化为一个秩为1的最大特征值问题,获得了最优加权乘性系数的闭合解.蒙特卡洛仿真试验表明:在低虚警概率条件下,当信噪比大于等于0dB时,文中提出的方法的性能优于传统的基于并行网络拓扑结构的最优似然比方法.     

应用免疫策略的多传感器决策融合设计

使用基于改进型人工免疫策略的优化算法,在统计相关的观测条件下,对固定融合规则的基于奈曼-皮尔逊准则的分布式多传感器决策融合系统进行优化设计。算法首先以筛选算子进行预搜索缩小范围,然后使用人工免疫策略方法进行全局搜索,计算过程无须使用目标函数的导数信息。对分布式多传感器决策融合系统的优化设计结果表明,优化算法在收敛性和精度上均优于传统梯度算法,并在此基础上对不同信号期望值下的最优融合规则进行了讨论。     

一种基于无线传感器网络的分布式检测系统性能优化算法

研究一种基于无线传感器网络的分布式检测融合系统的性能优化问题。融合系统由N部传感器构成,系统配置结构采用串行结构。在连接各部传感器的无线信道为非理想信道的条件下,推导了融合系统检测性能的全局最优化融合算法。采用该融合算法对系统性能进行优化,可获得明显高于单部传感器的检测性能。     

Bayes决策理论在分布式多源信息融合中的应用

论述基于Ｂａｙｅｓ决策理论的分布式多传感器检测系统的多源信息融合方法,给出统一的判决规则,并以最小错误概率判决准则为例,介绍融合决策方程的建立及系统性能的表达式。最后通过两种情况的仿真计算结果,分析基于信息融合技术的多传感器检测系统的工作性能。     

局部传感器发射功率约束条件下部分相干检测融合方法

针对局部传感器发射功率约束部分相干检测融合问题,利用偏移系数极大化理论优化系统检测性能,建立了基于多址接入信道传输的多传感器分布式部分相干检测融合模型,该模型将融合中心处相位同步误差建模为服从吉洪诺夫概率分布的随机变量.将局部发射功率约束部分相干检测融合问题转化为一个非线性非凸优化问题,利用非线性优化理论,得到了问题的一维搜索闭合解.蒙特卡洛仿真结果表明:当环路信噪比大于等于10时,文中方法能在低信噪比和低虚警概率情况下显著提高融合系统对目标的检测概率,其检测性能优于传统的基于并行网络拓扑结构的最优似然比方法.     

双路径MIMO中继网络预编码盲干扰抑制

针对放大转发的双路径多进多出中继网络由于信道估计误差带来严重的剩余中继间干扰问题,提出了一种未知信道状态下基于行空间预编码的盲干扰抑制方案。新方案通过对发送信号进行交替行空间预编码,将期望接收信号和中继间干扰信号映射到不依赖信道状态信息的正交子空间,从而实现在未知信道状态信息下中继间干扰信号和中继噪声的盲干扰抑制,并从最大化信噪比角度给出最佳预编码设计。仿真结果表明,该方案可以有效地避免链路信道估计误差对中继间干扰抑制算法的影响,在系统性能和容量上优于传统基于信道状态信息的干扰抑制方案。     

基于格基约减的多天线预编码处理机制

针对闭环多天线系统提出一种基于格基约减（LR）的预编码处理机制. 接收端对估计出的信道衰落矩阵进行LR量化处理,并向发送端反馈量化信息;发送端据此对发送信号进行预编码. 该机制一方面可以使得接收端线性检测,即获得满分集;另一方面,可使等效信道的多个子链路性能接近,避免发送端进行多次调制编码方式选择,有效降低系统复杂度. 仿真结果表明,基于LR的预编码在系统吞吐量性能上优于现有的相同码本大小的预编码方案,在信噪比为16dB时,吞吐量的增益为28%.     

非理想信道条件下天线选择系统的SER性能分析

针对一般的相关检测天线选择系统,分析了Rayleigh衰落信道接收端非理想信道状态信息下发送天线选择(AS)系统的误符号率(SER)性能,给出了数值积分形式的理论表达式。仿真结果表明,无论在理想或有误差的信道信息下,理论结果与实际的仿真结果都保持了一致。数值分析结果表明在低信噪比(SNR)区域提高信道状态信息的准确程度比增加天线数目更能提高天线选择系统的性能。     

多用户线性分散码与空间复用组合系统预处理算法研究

为了更有效地去除多用户下行链路的共道干扰,针对多用户线性分散码与空间复用组合系统,基于球形检测算法原理,在假定基站已知信道状态信息的情况下,依据后验信噪比最大化准则提出一种改进的迫零预处理算法.理论及仿真结果均证明:改进的迫零预处理算法不仅可以彻底去除用户间的共信道干扰,而且当下行链路中发射天线数目增加时可以进一步提高系统性能.     

一种分布式水声信号检测系统的融合算法

给出了一种多传感器数据融合的融合算法,并将其用于分布式水声信号检测系统中多部声呐的信息综合。各部声呐的观测可以是相互独立的。也可以是相关的。计算机仿真结果表明,融合后系统的检测性能有明显提高。     

分布式多传感器系统的最佳检测和性能

提出了多传感器分布式检测系统在Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ（Ｎ－Ｐ）准则下融合规则和各局部判决规则之间协调关系的理论分析方法,完整给出了两种 最佳系统和全局最佳系统判决规则的理论推导,并籍此理论上对３种系统进行了瑞利信道的仿真及性能比较,结果表明分布式检测中全局最佳系统的检测性能和机特性均优于两种次最佳系统。     

删余协作频谱感知性能分析及优化

提出了一种新的基于删余的协作频谱感知方法,通过减少实际发送的本地决策值数来节约控制信道带宽,降低检测性能对认知用户数的依赖; 分析了这种删余协作频谱感知在感知信道和报告信道均存在衰落下的性能,它可以有效解决报告信道衰落所带来的尾感知问题,降低了虚警率; 提出了进一步优化算法,算法在确保主用户受到足够保护的前提下,通过寻找最优的次用户数和相应的检测门限使次用户的接入机会最大化．仿真结果与理论分析相一致．     

Cooperative detection algorithm of spectrum holes in cognitive radio

To improve the detection performance of sensing users for primary users in the cognitive radio, an optimal cooperative detection algorithm for many sensing users is proposed. In this paper, optimal decision thresholds of each sensing user are discussed. Theoretical analysis and simulation results indicate that the detection probability of optimal decision threshold rules is better than that of determined threshold rules when the false alarm of the fusion center is constant. The proposed optimal cooperative detection algorithm improves the detection performance of primary users as the attendees grow. The 2 dB gain of detection probability can be obtained when a new sensing user joins in, and there is a 17 dB improvement when the accumulation number increases from 1 to 50.     

多传感器检测系统的自适应融合算法

通过分析分布式检测系统的工作原理，提出了一种新的基于并行检测系统的全局检测融合方法，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对全局检测器下一步判决所采用的方法与参数进行修正，从而达到提高全局检测系统检测概率的目的．分析表明，该算法能有效提高系统的性能．     

相同概率情况下的分布式检测融合分析

分布式检测融合可以提高检测网络节点的整体检测性能,然而简单地采用某种判决融合方式并不能保证得到最佳的判决结果,必须结合具体的单个节点的检测概率和虚警概率及节点数量采取相应的融合规则. 通过对各节点在相同的检测概率或虚警概率的情况进行分析,得出分布式检测融合判决规则的性质和适用的条件. 最后通过具体的实例表明利用这些性质选择合适的融合规则能够实现提高检测概率,降低虚警概率的目的.     

基于分布式融合的传感器网络拓扑配置

采用2种最优分布式异步航迹融合方法研究异步采样传感器网络的动态拓扑配置策略设计.其主要核心思想是：每一个传感器跟踪节点执行局部Kalman滤波,再将滤波估计结果传输到融合中心;融合中心利用各自不同的融合方式执行预测估计校准和最优递推加权融合,同时利用当前所有传感器信息的全局递推融合估计与系统精度要求的阈值进行实时比较,以决定是否终止或继续进行融合;实现下一时刻网络拓扑的动态配置和网络节能.基于特定的计算准则分析网络能量消耗,并通过计算机仿真验证算法的有效性.结果显示：2种方法都能实现异步采样多传感器网络的动态拓扑配置和节能,且最优异步融合配置方法的效果优于次优异步航迹融合方法.