[发明专利]一种适用于RSN的节点分簇方法及其融合判决方法

说明书

本发明属于雷达传感器网络目标检测领域，公开了一种适用于RSN的节点分簇方法及其融合判决方法。其中，FF节点分簇算法将雷达传感器网络根据雷达传感器节点的分布情况划分为各个簇，并在每个簇中根据簇内节点的自身条件选出簇头作为簇内信息融合和资源调动、控制中心。融合判决方法将多个雷达传感器的信息分别在簇头和基站进行二次融合并以恒虚警的概率综合判决。FF分簇方法可有效地延长网络的生命周期并提高网络的检测概率；融合判决方法把融合方法和分簇后的雷达传感器网络结合起来，将整个网络的雷达传感器网络的检测结果进行融合，并保证最后的判决结果具有恒定的虚警概率。

技术领域

本发明涉及一种雷达传感器网络的节点分簇方法及其融合判决方法，用于雷达传感器网络拓扑结构和信息融合领域，旨在提高网络的目标检测性能的同时延长网络的生命周期，属于雷达传感器网络目标检测领域。

背景技术

雷达传感器网络(radar sensor networks,RSN)是一种由多个雷达传感器节点组成的无线传感网络(wireless sensor networks,WSN)。目的主要是探测和跟踪目标。RSN可以通过发射电磁波从不同的方向来探测目标，根据目标的回波信号获取目标的信息。这些信息经嵌入式系统处理后，通过随机自组织RSN以多跳中继方式送到用户终端。RSN通过对小型雷达传感器的组网主动式地对待检测区域实施监测。RSN的应用前景受到了很多国家和科研机构的重视。

模糊逻辑系统(fuzzy logic systems,FLS)是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。模糊控制算法是基于启发性的知识及语言决策规则设计的,这有利于模拟人工控制的过程和方法,增强控制系统的适应能力,使之具有一定的智能水平。

模糊c均值聚类算法(fuzzy-c-means clustering approach,FCM)是一种用模糊理论对重要数据分析和建模的方法。在众多模糊聚类算法中，FCM算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。

节点分簇算法：目前现有的分簇算法主要是针对WSN而提出，出发点主要是降低网络的能量消耗、延长网络寿命和减少数据开发等。在节点分簇算法中，根据簇内非簇头节点(non-cluster-head nodes,NCH)到簇头节点(cluster heads,CH)的跳数，可分为簇内单跳与簇内多跳算法，即可采用单跳算法的NCH直接与CH进行通信，而多跳算法中的NCH可通过其他中继NCH与CH进行通信。目前针对RSN对的节点分簇算法的的研究还没有。

信息融合是指多传感器的数据在一定准则下加以自动分析、综合以完成所需的决策和评估而进行的信息处理过程。信息融合最早用于军事领域，定义为一个处理探测、互联、估计以及组合多源信息和数据的多层次多方面过程，以便获得准确的状态和身份估计、完整而及时的战场态势和威胁估计。信息融合的常用方法基本上可概括为随机和人工智能两大类,随机类算法有加权平均法、卡尔曼滤波法、多贝叶斯估计法、证据推理、产生式规则等；而人工智能类则有模糊逻辑理论、神经网络、粗集理论、专家系统等。

发明内容

针对上述存在问题或不足，本发明提出了一种适用于RSN的节点分簇方法(a nodeclustering approach using FLS and FCM)即NCAFF，主要包括RSN如何分簇以及如何选择CH作为融合中心。并且针对分簇后的RSN提出了一种融合判决方法(a constant-false-alarm-rate decision fusion approach,CDFA)，旨在提高网络的目标检测性能的同时延长网络的生命周期。

一种适用于RSN的节点分簇方法NCAFF包括以下步骤：

步骤一、RSN分簇，首先使用FCM根据雷达传感器(radar sensors，RS)的位置分布情况将RSN分簇，簇的个数为c，c≥2；