[发明专利]基于尼曼皮尔森准则下的噪声增强分布式检测方法及系统

说明书

技术领域

本发明涉及一种噪声增强分布式检测方法及系统，尤其涉及一种基于尼曼皮尔森准则下的噪声增强分布式检测方法及系统。 

背景技术

在分布式多传感器处理系统中，每个传感器对得到的观测数据先进行一定的预处理，然后将压缩的数据传送给其它传感器，最后汇总到融合中心。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。随着这种分布式检测系统应用越来越广泛，如何进一步优化分布式检测系统成为备受关注的问题。现有优化技术一般从以下几个方面进行： 

    局部判决准则的优化 ：分布式检测系统首先对于传输到每个传感器的信息做一个初  步的判断，再送到融合中心。局部最优化准则，就是通过改善各局部检测器的判决准则，来提高系统的检测能力。

    融合准则的优化 ：融合中心根据接收的压缩信息，形成总的判决。若利用贝叶斯准则优化分布式检测问题，一般令融合中心的代价函数最小，进而寻求最优的融合准则，使融合中心的检测错误最小化。 

    分布式网络结构设计：针对用户需求设计不同的分布式网络结构及信号传输方式，提高系统的信号检测能力，最终达到用户目的。 

目前已有技术多为假设本地观察值是条件独立的，并且融合中心接收到的本地传感器的输出没有任何损失，则在尼曼皮尔斯准则下，可以得出最优似然比检测的本地传感器的判决规则。在本地传感器和融合中心的信道为独立非理想情况下，最优本地似然比检测可知。大量本地检测器的最优策略是基于不同程度信道统计的知识而发展起来的。 

由此看来，已有技术和研究多着眼于理想情况：本地检测器和融合中心的信道为独立情况下开展。然而，随着无线通信和无线传感器网络的快速发展，产生更多的实际的约束条件和需要开发不同的信道模型。例如，由于有限的带宽和大量的用户，所以信道间的干扰也作为接收信号不能被忽略，故它是部分本地传感器的输出的函数。例如：高斯干扰信道模型。因此，在许多方法中，似然比检测法则仍然在本地传感器中得到广泛应用。但是，对于分布式检测系统，即使在融合中心采用最优融合规则，整个系统的性能仍然是次最优的。 

  

发明内容

本发明解决的技术问题是：构建一种基于尼曼皮尔森准则下的噪声增强分布式检测方法及系统，克服现有技术中对于分布式检测系统，当本地检测器和融合中心的信道非相互独立时,其性能相对低下的技术问题。 

本发明的技术方案是：提供一种基于尼曼皮尔森准则下的噪声增强分布式检测方法，包括进行信号处理的传感器、进行信号传输的传输信道、对多路信号进行判断的融合中心，所述多路观测数据分别构成多路观测向量，所述检测方法包括如下步骤：所述多路观测向量经传感器经所述传感器初步判定后经所述传输信道传输到所述融合中心进行最终判定，进行最终判定前在尼曼-皮尔森准则下加入噪声，所述噪声的概率密度函数为： ，其中， 表示噪声的概率密度函数，，其中,为利用粒子群优化方法通过迭代找到使适应度值最小的粒子位置的矢量，。 

本发明的进一步技术方案是：所述噪声在初步判定前作用于所述传感器。 

本发明的进一步技术方案是：所述噪声在初步判定后最终判定前作用于所述融合中心。 

本发明的进一步技术方案是：所述噪声在初步判定前作用于所述传感器，同时在初步判定后最终判定前作用于所述融合中心。 

本发明的技术方案是：构建一种基于尼曼皮尔森准则下的噪声增强分布式检测系统，包括进行信号处理的传感器、进行信号传输的传输信道、对多路信号进行判断的融合中心、加入噪声的噪声模块，所述多路观测数据分别构成多路观测向量，所述多路观测向量经所述传感器初步判定后通过所述传输信道传输到所述融合中心进行最终判定，进行最终判定前在尼曼皮尔森准则下所述噪声模块在信号中加入噪声，所述噪声的概率密度函数为：，其中， 表示噪声的概率密度函数，，其中,为利用粒子群优化方法通过迭代找到使适应度值最小的粒子位置的矢量，。 

本发明的进一步技术方案是：所述噪声模块在初步判定前加入噪声作用于所述传感器。 

本发明的进一步技术方案是：所述噪声模块在初步判定后最终判定前加入噪声作用于所述融合中心。 

本发明的进一步技术方案是：所述噪声模块在初步判定前加入噪声作用于所述传感器，同时在初步判定后最终判定前加入噪声作用于所述融合中心。