第二章 多传感器目标检测的融合.pptVIP

多传感器目标检测的基本理论; 多传感器检测融合是信息融合理论的一个重要研究内容。检测融合就是将来自多个不同传感器的数据或判决结果进行综合，从而形成一个关于同一环境或事件的更完全、更准确的判决。;在集中式融合方式下，各个传感器将其观测数据直接传输到融合中心，融合中心根据所有传感器的观测数据进行假设检验，从而形成最终的判决。 ;在分布式融合方式下，各个传感器首先基于自己的观测进行判决，然后将判决结果传输到融合中心；融合中心根据所有传感器的判决进行假设检验，从而形成最终的判决。;预备知识;;;;P(Hi/E)：在给定E的情况下，假设事件Hi发生的后验概率； P(E / Hi)：在假设事件Hi发生的条件下，E出现的概率，也称为假设事件Hi的似然函数； P(Hi)：假设事件Hi发生的先验概率； ：出现E的全概率，即在个假设事件Hi都可能发生的情况下，E出现的概率。 ;1.假设检验问题描述;当局部观察得到处理后，决策ui被送到数据融合中心，数据中心将根据每一个局部决策确定系统的全局决策： 所得Pf =P(u=0/H0)称为融合中心的虚警率； Pm =P(u=1/H1)称为融合中心的漏探率；;采用假设检验进行统计判决的步骤： 1.给出各种可能的假设。分析所有可能出现的结果，并分别给出一种假设。（二元假设检验问题可省略） 2.选择最佳判决准则。 3.获取所需的数据材料。统计判决所需要的数据资料包括观测到的信号数据、假设的先验概率以及各种假设下接收样本的概率密度函数。 4.根据给定的最佳准则，利用接收样本进行统计判决。;对应于各种假设，假设观测样本u是按照某一概率规律产生的随机变量。 统计假设检验的任务就是根据观测样本u的测量结果，来判断哪个假设为真。 对于二元假设问题，判决问题实质上是把观测空间分割成Z0和Z1两个区域： 当u属于Z0时，判决H0为真； 当u属于Z1时，判决H1为真。 区域Z0和Z1称作判决区域。;合理的准则是：;上述准则可写为： 应用贝叶斯法则得： ;以这个比值为根据的检验也称为似然比检验。;举例：;;;;采用最大后验概率准则，没有考虑错误判决所付出的代价或风险，这样或多或少假定了各类错误是同样危险的，但许多实践中各类错误的后果并非同等严重。 例如：在雷达系统中，把实际上目标不存在说成是存在，与目标存在而说成不存在，其后果大不相同，为了反应其差别，给出各类错误的代价函数。;2.2 贝叶斯方法;判决准则的作用在于对4种可能的选择相应地给予不同的重视。 雷达中漏探的后果比虚警的后果要严重得多 ! 为了反映这种不同判决代价的不同 ， 引入代价函数Cij ， 表示当假设Hj为真时， 做出判决Di所付出的代价( i=0，1) 。 一般地， 认为错误判决的代价大于正确判决的代价，即 C10 C00 , C01 C11 ;设P(Di , Hj)表示假设Hj为真同时判决Di的联合概率。 则平均代价为： C= C00 P(D0, H0)+ C10 P(D1, H0)+ C01 P(D0, H1)+ C11 P(D1, H1);对于二元检验问题，判决是把观测空间划分成两个区域Z0 和Z1 ，对Z0中的每一点赋予假设H0，对Z1中的每一点赋予假设H1 ，则; C= C00 P(D0, H0)+ C10 P(D1, H0)+ C01 P(D0, H1)+ C11 P(D1, H1) = C00 P(D0/H0) P(H0)+ C10 P(D1/H0) P(H0) + C01 P(D0/H1) P(H1)+ C11 P(D1/H1) P(H1) ;平均代价： 由于Z= Z0 +Z1 ，故 ;;因为C10 C00 , C01 C11 ;判决规则为：;例题;由上面两式得：;举例2：;举例3：;用贝叶斯方法可以得到实际患病的概率为： ;0.95 0.005 ;;采用更高准确度的检查方法 能有效提高后验概率的一种方法是减少虚报率，例如检测率不变，仍为95%，而虚报率降低到0.4%，则 另一种方法是提高检验率，例如检验率为99.9%，虚报率扔为4%，则 若提高检测率并降低虚报率，即整体误诊率下降，例如检验率为99.9%，虚报率为0.4%，则 ;提高后验概率的一种方法是减少虚报率，另一种方法是提高检验率，即降低误诊率;使用贝叶斯准则需要知道先验概率和代价因子。 仅知道先验概率而不知道代价因子，可以使用最大后验概率准则。 在实际工程中常会出现相反的情况，即仅知道代价因子而不知道先验概率。如在雷达观测中，