[发明专利]一种异构传感网目标检测的能量分配方法

摘要

本发明属于传感网目标检测领域，涉及一种异构传感网目标检测的能量优化分配方法OEA-LR。该OEA-LR方法包括融合系统建模与异构传感网能量优化分配方案。利用大噪声条件下，似然比LR(likelihood ratio)服从高斯分布的特性，给出了一种在异构传感网目标检测融合环境下的能量优化分配方案OEA-LR(optimized energy allocation-likelihood ratio)。与等能量分配方案EEA-LR(the equal energy allocation-likelihood ratio)相比，本发明有效地提高了检测性能。

主权项

一种异构传感网目标检测的能量分配方法，具体包括以下步骤：步骤1、融合系统建模，根据各个传感器发送到融合中心的信息建立最终的判决方法；1.1、每个雷达传感器根据自己的局部判决信息，独立地生成假设H₀即没有目标或者H₁即有目标，并将检测判决信息以PAM调制方式发送到融合中心；检测为有目标，发送信息u_k＝+v_k，反之，发送信息u_k＝‑v_k；1.2、在融合中心收到的来自第k个传感器节点发来的信息为y_k＝h_ku_k+n_k其中，h_k为第k个锐利信道的衰落包络，n_k为均值为0，方差为σ²的加性高斯白噪声；1.3、当u_k确定时，y_k服从均值为h_ku_k，方差为σ²的高斯分布，根据y_k的此性质及各个传感器互相独立的假设，得到似然函数比为$\begin{array}{c}\mathrm{\Λ}\left(y\right)=\frac{f\left(y/H_1\right)}{f\left(y/H_0\right)}\\ =\underset{k=1}{\overset{K}{\mathrm{\Π}}}\frac{P_{dk}{e}^{-\frac{{\left(y_k-v_k{h}_k\right)}^2}{2{\mathrm{\σ}}^2}}+\left(1-P_{dk}\right)e^{-\frac{{\left(y_k+v_k{h}_k\right)}^2}{2{\mathrm{\σ}}^2}}}{P_{fk}{e}^{-\frac{{\left(y_k-v_k{h}_k\right)}^2}{2{\mathrm{\σ}}^2}}+\left(1-P_{fk}\right)e^{-\frac{{\left(y_k+v_k{h}_k\right)}^2}{2{\mathrm{\σ}}^2}}}\end{array};$1.4、在大噪声的条件下，似然比取对数形式的近似表达式为$\underset{{\mathrm{\σ}}^2\→\mathrm{\∞}}{\lim }\log \mathrm{\Λ}=\underset{{\mathrm{\σ}}^2\→\mathrm{\∞}}{\lim }\frac{2}{{\mathrm{\σ}}^2}\underset{k=1}{\overset{K}{\Σ}}(P_{dk}-P_{fk})y_k{h}_k{v}_k;$1.5、系数不影响最终的判决，所以最终的近似融合统计表达式为$X=\underset{k=1}{\overset{K}{\Σ}}(P_{dk}-P_{fk})y_k{h}_k{v}_k$其中，P_dk、P_fk分别为第k个传感器对目标的检测概率与虚警概率；1.6、基于判决门限τ，判决过程为当P_dk、P_fk、h_k、v_k确定时：变量X/H_i，i＝0,1服从高斯分布，均值和方差分别为t^TB_it+c^Tt，其中，t＝[t₁,...,t_K]^T,c＝[c₁,...,c_K]^T,a_i＝[a_i1,...,a_iK]^T,b_i＝[b_i1,...,b_iK]^T，$t_k=v_k^2,c_k={(P_{dk}-P_{fk})}^2{\mathrm{\σ}}^2,a_{1k}=(P_{dk}-P_{fk})(2P_{dk}-1),a_{0k}=(P_{dk}-P_{fk})(2P_{fk}-1),$$b_{1k}={(P_{dk}-P_{fk})}^2(1-4P_{dk}^2+4P_{dk}),b_{0k}={(P_{dk}-P_{fk})}^2(1-4P_{fk}^2+4P_{fk});$步骤2、能量优化分配方案，在系统总能量一定的情况下，优化不同传感器节点发送到融合中心的能量，来提高检测性能；2.1、根据融合变量X的特性可得系统的检测概率P_d0与虚警概率P_f0分别为$\begin{array}{cc}\begin{array}{c}{P}_{d0}=P\{X\>\mathrm{\τ}/H_1\}\\ =Q\left\{\frac{\mathrm{\τ}-a_1^{T}t}{\sqrt{t^T{B}_{1}t+c^{T}t}}\right\}\end{array},& \begin{array}{c}{P}_{f0}=P\{X\>\mathrm{\τ}/H_0\}\\ =Q\left\{\frac{\mathrm{\τ}-a_0^{T}t}{\sqrt{t^T{B}_{0}t+c^{T}t}}\right\}\end{array}\end{array};$2.2、根据Q函数的单调递减性与NP准则，当P_f0＝α时，为了最大化检测概率P_d0，则优化目标函数为$\underset{t}{\min }\frac{Q^{-1}\left(\mathrm{\α}\right)\sqrt{t^T{B}_{0}t+c^{T}t}+a_0^{T}t-a_1^{T}t}{\sqrt{t^T{B}_{1}t+c^{T}t}};$$\begin{array}{cc}s.t& t_k\>0,\underset{k=1}{\overset{K}{\Σ}}{t}_k\≤E\end{array}$其中，E为所有K个传感器节点发送到融合中所需的总能量；2.3、采用MATLAB工具箱的fmincon函数来求解目标函数。