北航多源信息融合20152检测融合报告.ppt

* * * * * * * N个局部节点S1，S2…SN的传感器在收集到原始数据Y1,Y2,…，YN之后，在局部分别作出 局部检测结果U1,U2,…,UN，然后在融合中心进行融合得到全局结果U0。这种结构比较普遍 。 * * * * 在分析并行检测系统问题之前我们先复习一下假设检验的概念。 * * 本章以最常见的并行分布式融合检测系统为例进行详细介绍。所谓并行检测融合系统。。。。。， * 上述问题实际是一个具有N各二元输入和一个二元输出的逻辑函数。一般地说，当有N 个二元输局部判决输入到融合时，就存在2的(2N）次方个融合规则。 * * * * 上图表示了二元假设检验的条件概率密度函数，图中斜线部分（1）和（2）分别表示第一类错误概率 P(D1|H0)和第二类错误概率 P(D0|H1)。 根据如上的检测概率和虚警概率，即可通过多种方法来描述最优融合策略。 * 例如：火灾检测：温度，二氧化碳浓度，烟雾 * * 00000，01010，111111 * * * * * * * * * * * * * * * * * 3.3 表决融合检验准则 * 多源测试信息融合 * 系统的检测概率和虚警概率分别为： 该准则下k的取值很关键，应该在满足一定虚警率的前提下尽可能提高检测率，或在两者之间进行权衡，与实际要求有关。 3.4 最大后验概率融合检测准则（1） * 多源测试信息融合 * 根据已有数据，选择最有可能产生该数据的假设。令 表示在给定全局观测u的前提下， 为真的概率，则取对应于 的一个假设。融合规则为： 两边取对数可得另外一种形式： 3.4 最大后验概率融合检测准则（2） * 多源测试信息融合 * 应用贝叶斯法则： 故： 从而最大后验概率融合检测准则也可写为： 3.4 最大后验概率融合检测准则（3） * 多源测试信息融合 * 一般表示为： 定义为似然比。 、 为似然函数。 因此，式 也称为似然比检验。 3.4 最大后验概率融合检测准则（4） 似然比是假设检验理论中的重要概念，最优处理器由两个基本部分组成，一是似然比计算装置，二是门限装置。 似然比检验检测系统如下图所示： * 多源测试信息融合 * 3.4 最大后验概率融合检测准则（5） * 多源测试信息融合 * 以上给出的是最大后验概率准则的一般原理，下面推导分布式多传感器检测系统中基于最大后验概率准则的融合检测原理。 3.4 最大后验概率融合检测准则（6） * 多源测试信息融合 * 将以上连乘式转化为连加式，两边取对数得： 由 取对数后可得： 且 3.4 最大后验概率融合检测准则（7） * 多源测试信息融合 * 由此得到N个传感器融合的最大后验概率融合检测准则为： 其中： 3.5 Neyman-Pearson融合检测准则（1） * 多源测试信息融合 * 该融合准则的基本原则是在假定虚警概率不超过某个特定上限的前提下，使检测概率最大。即通过选择y空间的R1 区来解决以下问题： Neyman-Pearson引理可精确表达寻找R1的策略。 3.5 Neyman-Pearson融合检测准则（2） Neyman-Pearson引理 对于二元假设检验问题，两个假设分别为H0和H1，已知其密度 P0(y) 和 P1(y) 。那么对于虚警概率 P(D1/H0) ≤ Pf(Pf0) ，具有最大检验概率Pd的区域 R1可由似然比检验得到 其中λ0 是Pf 的函数。在非实际情况下,如果 Pf = 0，那么总是选择 H0，除非当 P0(y) = 0时，才选择 H1 * 多源测试信息融合 * 3.5 Neyman-Pearson融合检测准则（3） * 多源测试信息融合 * λ0值的确定 对于给定值 Pf，应满足： 显然，Neyman-Pearson准则不需要各个假设的先验概率。 3.6 贝叶斯融合检测准则（1） 在最大后验概率融合检测准则中，虚警和漏检两类错误都没有特殊加权，相当于假定它们是同等危险的。 贝叶斯融合检测准则对每一个检测结果分配相应的代价值，基于假设概率得到平均总代价，检测策略是使平均总代价最小。 令Cij 表示当假设 Hj成立时作出决策 Di 的代价，假设错误决策的代价大于正确决策的代价，即满足： * 多源测试信息融合 * 3.6 贝叶