二多传感器信息.ppt

2 检测融合; 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。 ; 分布式检测融合系统以造价低、可靠性高、生存能力强等特点，成为多传感器检测融合的主要结构模型。; 目标检测实际上是一种假设检验问题，例如，在雷达信号检测问题中，假设有“目标不存在”和“目标存在”两种假设，分别用H0、H1表示。对于二元假设检验问题，记;式中：r(t)为观测信号；n(t)为噪声；s(t)为待检测信号（雷达的回波信号）。; 采用假设检验进行统计判决，主要包含如下几步：;（4）根据给定的最佳准则，利用接收样本进行统计判决。; 对于二元假设问题，判决问题实质上是把观测空间分割成R0和R1两个区域，当x属于R0时，判决H0为真；当x属于R1时，判决H1为真。区域R0和R1称作判决区域。;用Di表示随机事件“判决假设Hi为真”（i=0，1），这样，二元假设检验有4种可能的判决结果：;实际H0为真，判决为H1；;实际目标存在而判为目标存在的概率称为检测概率或发现概率，用Pd表示。; 考虑二元检测问题：设观测样本为x，后验概率P(H1|x)表示在得到样本x的条件下H1为真的概率，P(H0|x)表示在得到样本x的条件下H0为真的概率，需要在H0和H1两个假设中选择一个为真。; 一个合理的判决准则就是选择最大可能发生的假设，所以，;（2.1）;定理：设实验E的样本空间为S。A为E的事件，B1。B2，…，，Bn为S的一个划分，且P（A）〉0，P（Bi）〉0（i=1，2， …，，n），则;式中：f(x|H1)及f(x|H0)是条件概率密度函数，又称似然函数；P（Hi）表示假设Hi出现的概率。;所以MAP可改写为;最大后验概率准则又称为最小错误概率准则。;最大后验概率准则总的错误概率为;由上式可得：; 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。; 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;二元假设检验的平均风险或代价为：;将式（2.13）和（2.14）代入（2.12）可得：;整理（2.15）可得：;所以可得如下判决准则:;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。;式中：v为高斯噪声，均值为0，方差为1。;由上面两式可得; 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。;2.2.1 集中式检测融合结构;传感器1; 集中式检测融合结构的优点是信息的损失小。;2.2.2 分布式检测融合结构;传感器1; 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。;2.3 并行分布式检测融合;传感器1; 为了研究该问题，做如下的假设：;（3）各个局部检测器的判决结果为ui（i=1，2，… ，N）， 构成判决向量 ，融合中心的判决结果为u0；局部检测器和融合中心的判决均为硬判决，即当判决结果为无目标时，ui=0，反之，ui=1（i=0，1，2，…，N）。;2.3.2 并行分布式最优检测; 由于; 在实际应用中，假设错误判决付出的代价比正确判决付出的代价要大，即。;式中: 表示在判决向量u的所有可能取值上求和。将式（2.23）、（2.24）代入 （2.22）;由式（2.25）可知，融合系统的贝叶斯风险由融合中心的判决准则和局部检测器的判决准则共同决定，融合检测系统的优化涉及上述两类判决准则的联合优化。通过极小化R来获得判决，进而设计融合系统。该优化问题可采用“逐个优化”方法来解决。;“逐个优化”方法：;可通过极小化来获得局部检测器k（k=1，2，…，N）的判决准则。在假定融合中心和k以外的所有其他局部检测器都已设计好并保持固定的前提下，对式（2.25）极小化，可得局部检测器k的判决准则;若;为了获得融合中心的判决准则，假定所有局部检测器已设计好并固定，条件分布 已知，则融合规则可表示为;2.4 串行分布式检测融合;在串行分布式融合系统中，不存在唯一的融合中心，融合过程由各个传