多传感器分布式检测综述.pdfVIP

多传感器分布式检测综述 关键’ 何友” 彭应宁‘ 曹 的优化，融台准则的优化和全局优化。讨论了在不确定环境中的分布式检测方法：渐近最优检测，非参数 检测和CFAR检测以及序贯检测。 。 【关键词】：分布式检测．Neymann-Pearson．Bayes，融合，CFAR，序贯检测 ● 1日!考 i JJ口 分布式多传感器系统可应用于军事指挥、控制、通信、气象预报、医疗诊断、组织管 理决策。在雷达系统中，可以提高反应速度和生存能力、增加覆盖区域和监视目标数，提 高系统在单个传感器故障情况下的可靠性，提供更高的总的信噪LL[i1。在分布式多传感器 处理系统中，每个传感器对得到的观测先进行一定的预处理．然后将压缩的数据传送给其 它的传感器，最后汇总到被称为融合中心。对数据的压缩性预处理降低了对通信带宽的要 求。分布式多传感器结构可以降低对单个传感器的性能要求，降低造价。分散的信号处理 方式可以增加计算容量。但是，由于融合中心只能得到压缩的观测信息，相对于集中式检 测会有性能损失。然而，通过对传感器信息的最优局部处理和融合可以减小性能损失。 2基于14eyman—PeatSOn准则的最优化 分布式检测的典型网络结构直口图l至图4所示。每个传感器观测在传给融合中心前做 压缩性处理，例如形成二元局部判决或多位判决。由传感器和压缩处理算法构成局部处理 器(LP，localprocessor)。 ● 图1有融合的并行结构 圈2没有融合的并行结构 ● 2．1并行结构 对于图l所示的并行结构，假设x，是第i个传感器的观测数据向量，第，个局部处理器 LPi的压缩处理实际上是一种映射。在量化处理时，映射结果“，=甲，(x，)是离散量化信息。 台准则。 --335-- 图3串行结构 圈4树状结构 利用NP准则优化分布式检测需要将融合中心的虚警概率限定在～定水平a，寻求使 § 融合中心检测概率最大化的最优局部判决准则和融台准则。还有两种特殊形式的优化：一 是在给定融合准则的条件下优化局部判决准则；另一种是在给定局部判决准则的条件下优 化融合准则。在各传感器观测相互统计独立时，NP意义上的最优局部判决准则和融合准卿 都是基于适当似然比检验(LRT，like}ihoodratiotest)的阈值准则。 对于二元假设检验问题，用H。代表信号不存在假设(原假设)和H。代襄信号存在假话： 是合理的)，最优融台准则是单调性准则。(2)对于任意单调的融合准则和固定的检测阈值， 总的检测概率Pd是P，．(f=1．…，￡)的增函数。由此可以证明NP意义上的最优解为融合c， 心的NP检验和局部LRT。该结论对局部多位量化情形也是成立的。求解最优解的过程j§ ．r 很繁琐的。对于二元局部判决，要对22种融台准则的每一种联立地求解j二十1个阐值。然 而融合准则的单调性使最优准则数目大大减小，可以在较小的范围内搜索(3】。当在白噪，窘 中检测随机信号或者在相关噪声检测确定信号时．各传感器观测不独立。传感器的最优：佥 验不再是只基于单个传感器观测的似然比的闽值型判决。最优解通常很复杂。当传感器观 测的联合分布具有某种形式对，可以比较容易地确定某种分布式判决的检测性能[41。 2 2串行结构 在串行结构(见图3)中，假设所有传感器观测相互统计独立，文献[5]iiEB掘了当串行结构 的每一级都做NP检验时，则系统可以获得NP意义上的全局最优。对于臼两个传感器植成 的分布式检测网，擐优串t：结构的性能优于或等同于最优并行结构的性能[5】。对于两叩以 上的的串行和并行网络没有相似的结论。就渐近性能而言，串行结构的漏报概率趋于霉：的 速