第二讲多传感器信息.ppt

2021/9/12 * （3）各个检测器的判决均为硬判决,即当判决结果为无目标时,ui=0,反之,ui=1（i=1,2,…,N）。 （4）各个检测器的虚警概率、漏警概率和检测概率分别为Pfi、Pmi和Pdi（i=1,2,…,N）,且Pdi〉Pfi。 2021/9/12 * 在MAP中,没有考虑错误判决所付出的代价或风险,即认为两类错误判决所付出的代价或风险是相同的。而实际上,两类错误所造成的损失一般是不一样的。就雷达信号检测的两类错误来说就是如此。 最小风险Bayes判决准则 漏警的后果比虚警的后果要严重得多。 2021/9/12 * 为了反映这种不同判决代价的不同,引入代价函数 ,表示当假设Hj为真时,判决假设Hi成立所付出的代价（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 （2.11） 2021/9/12 * 二元假设检验的平均风险或代价为: （2.12） 而 （2.13） （2.14） 2021/9/12 * 将式（2.13）和（2.14）代入（2.12）可得: （2.15） 2021/9/12 * 整理（2.15）可得: 要使（2.16）达到最小,必须使: （2.16） 整理可得 （2.17） 2021/9/12 * 所以可得如下判决准则: 如果令门限 （2.18） 则最小风险Bayes判决准则归结为似然比检验。 如果 则判H1为真;否则判H0为真。 2021/9/12 * 则最小风险Bayes判决准则变为MAP准则,也就是说,MAP是最小风险Bayes判决准则的特例。 如果 =1 2021/9/12 * 式中:v为高斯噪声,均值为0,方差为1。 例:一二元假设检验: （目标存在） （目标不存在） 解:由已知条件可得两种条件下x的概率密度函数为: 2021/9/12 * 由上面两式可得 判决规则为: 如果: 则判H1为真;否则判H0为真。 2021/9/12 * 检测融合是对多个传感器的信息进行融合处理,消除单个或单类传感器的不确定性,提高目标的检测概率。多传感器检测融合系统的结构主要有集中式检测融合结构和分布式检测融合结构。 2.2 检测融合系统的结构模型 2021/9/12 * 2.2.1 集中式检测融合结构 在集中式检测融合结构中,每个传感器将观测数据直接传送到融合中心,融合中心按照一定的融合准则和算法进行假设检验,实现目标的检测融合。如图2-1所示。 2021/9/12 * 传感器1 传感器2 传感器N … 全局观测空间 全局判定 全局检测结果 图2-1 集中式检测融合结构 2021/9/12 * 集中式检测融合结构的优点是信息的损失小。 缺点是对系统的通信要求较高,融合中心的负担重,系统的生存能力较差。 2021/9/12 * 2.2.2 分布式检测融合结构 在分布式检测融合结构中,各个传感器首先对自己的观测数据进行处理,作出本地判决,然后将各自的判决结果传送到融合中心,融合中心根据这些判决结果进行假设检验,形成系统判决。如图2-2所示。 2021/9/12 * 传感器1 传感器2 传感器N … 融合判定 检测融合结果 图2-2 分布式检测融合结构 传感器预处理1 传感器预处理2 传感器预处理3 … 传感器判定1 传感器判定2 传感器判定3 2021/9/12 * 分布式检测融合系统不需要传输大量的原始观测数据,因此不需要很大的通信开销,对传输网络的要求低,提高了系统的可行性。另外,融合中心处理时间缩短,响应速度提高。所以分布式检测融合结构是传感器检测融合的主要结构。 分布式检测融合系统常用的拓扑结构有并行结构、串行结构、树状结构。 2021/9/12 * 2.3 并行分布式检测融合 2.3.1 并行分布式检测融合系统结构 并行分布式检测融合系统结构如图2-3所示。 2021/9/12 * 传感器1 传感器2 传感器N … 融合中心 u0 图2-3 并行分布式检测融合系统结构 u1 u2 uN y1 y2 yN N个传感器的观测数据为yi（i=1,2,… ,N）,每个传感器先作出局部判决ui（i=1,2,… ,N）,然后融合中心再对判决结果进行融合处理得到全局检测结果u0。 2021/9/12 * 为了研究该问题,做如下的假设: （1）H0表示“无目标”假设,H1表示“有目标”假设,其先验概率分别为P0和P1。 （2）分布式检测融合中有N个局部检测器和一个融合中心。局部检测器的观测数据为yi（i=1,2,… ,N）,其条件概率密度为f（yi|Hj）（j=0,1）,局部检测器观测量的联合条件概率密度函数为f（y1,y2,… ,yN|Hj）（j=0,1）。 2021/9/12 * （3）