多传感器分布式信号检测理论与方法PDF电子书下载

第1章 概述 1

1.1 背景与意义 1

1.2 多传感器信号检测的分类 2

1.3 多传感器分布式信号检测的意义 3

1.4 信号检测 4

1.4.1 两类错误 5

1.4.2 参数检测和非参数检测 5

1.5 多传感器分布式信号检测的研究现状 5

1.5.1 多传感器信号检测系统的典型网络结构 6

1.5.2 基于NP准则的最优化 7

1.5.3 基于贝叶斯准则的最优化 8

1.5.4 局部最优分布式信号检测 9

1.5.5 分布式恒虚警率检测 10

1.5.6 非参数分布式信号检测 11

1.5.7 分布式信号检测的融合准则研究 12

1.5.8 非理想信道下的分布式信号检测 12

1.5.9 基于随机谐振的分布式信号检测 15

1.5.10 基于MIMO雷达的分布式信号检测 15

1.5.11 利用多个常规雷达实现多雷达协同检测 16

1.6 本书主要内容 17

第2章 多传感器分布式信号检测基础 19

2.1 引言 19

2.1.1 条件独立 19

2.1.2 充分统计量 19

2.1.3 简单假设检验和复合假设检验 20

2.2 分布式信号检测系统的优化目标 20

2.3 各个传感器观测信号统计独立时似然比量化的最优性 20

2.3.1 问题描述 20

2.3.2 NP准则 22

2.3.3 贝叶斯准则 23

2.3.4 最大互信息准则 24

2.3.5 Ali-Silvey距离最大化准则 24

2.4 各个传感器观测相关时的最优信号检测 25

2.5 基于NP准则的最优化 28

2.6 基于贝叶斯准则的最优化 33

2.7 软判决 36

2.8 二元累积检测 36

第3章 分布式CFAR检测 39

3.1 引言 39

3.2 基于二元判决的分布式CFAR检测 40

3.2.1 分布式CA-CFAR检测 41

3.2.2 分布式OS-CFAR检测 42

3.2.3 基于小生境遗传算法的分布式OS-CFAR检测器优化 44

3.3 多传感器CFAR检测在NP意义上的最优形式 47

3.4 R类分布式信号检测方案 51

3.4.1 CA-R的统计特性 53

3.4.2 OS-R的统计特性 54

3.5 S类分布式信号检测方案 54

3.5.1 CA-S的统计特性 55

3.5.2 OS-S的统计特性 57

3.5.3 S类局部检测统计量在SUM融合准则下的基本模型 59

3.6 P类分布式信号检测方案 61

3.6.1 OS融合形成的G2的统计特性 62

3.6.2 Max-OS和Min-OS 63

3.6.3 Max-CA和Min-CA 64

3.7 三类局部检测统计量比较 65

第4章 非参数分布式信号检测 66

4.1 引言 66

4.2 广义符号检测器 68

4.3 广义符号检测器在各种杂波模型中的检测性能 69

4.3.1 瑞利分布 70

4.3.2 成布尔分布 70

4.3.3 K分布 70

4.3.4 G？分布 71

4.3.5 广义符号检测器的性能分析 71

4.4 基于局部二元判决的非参数分布式信号检测 73

4.4.1 分布式广义符号检测器 73

4.4.2 基于局部二元判决的分布式Mann-Whitney检测器 74

4.5 删除求和融合准则 78

4.5.1 直接求和融合 79

4.5.2 删除求和融合 80

4.5.3 仿真实验及结果 81

4.6 基于删除求和的加权融合 84

4.6.1 算法 84

4.6.2 仿真实验及结果 87

4.7 基于Bootstrap的分布式信号检测 90

4.7.1 基于Bootstrap的检测 91

4.7.2 基于局部二元判决的分布式Bootstrap检测 93

4.7.3 基于局部检测统计量的分布式Bootstrap检测 99

第5章 基于无线传感器网络的分布式信号检测 104

5.1 引言 104

5.2 问题描述 105

5.3 基于信道统计量的似然比检验 106

5.4 基于删除的混合融合 106

5.4.1 算法描述 106

5.4.2 检测阈值的确定 108

5.4.3 仿真实验及结果 109

5.5 基于同指数分布检验的删除求和融合 111

5.5.1 算法描述 111

5.5.2 检测阈值的确定 113

5.5.3 数据选择阈值tk的确定 114

5.5.4 仿真实验及结果 114

第6章 基于探测和通信功率分配的分布式信号检测系统优化设计 118

6.1 引言 118

6.2 合适的信道传输质量及其确定方法 119

6.3 信道信噪比对WSN检测性能的影响 121

6.3.1 检测模型 121

6.3.2 采用的融合准则 121

6.3.3 性能分析 122

6.4 信道误码对WSN检测性能的影响 127

6.4.1 存在信道误码时的融合准则 128

6.4.2 信道误码对全局检测概率的影响 130

6.4.3 二元非对称信道条件下全局检测概率的变化情况 130

6.5 WSN中节点功率联合优化问题研究 131

6.5.1 传感器节点功耗模型 133

6.5.2 节点与融合中心之间的通信模型 135

6.5.3 融合准则 138

6.5.4 传感器节点的功率消耗情况分析 138

6.5.5 功率优化 140

6.5.6 性能分析 140

6.6 基于信息论的分布式信号检测系统功率优化设计 146

6.6.1 基于信息论的系统优化设计 146

6.6.2 问题描述 147

6.6.3 基于J散度的功率分配策略 149

6.6.4 数值仿真和结果 150

第7章 信杂比未知时的分布式信号检测 155

7.1 引言 155

7.2 问题描述 156

7.3 信杂比不相等条件下一致最大功效校验不存在的证明 157

7.3.1 瑞利杂波、Swerling Ⅱ目标和平方律检波 157

7.3.2 单传感器样本分布属于MLR族时UMPT的不存在性 160

7.3.3 单传感器检测时存在UMP检验但样本分布不属于MLR族 160

7.4 UMPT不存在条件下的检测策略 161

7.5 分布式信号检测算法的检测性能度量 162

7.5.1 定义 162

7.5.2 单传感器信号检测 163

7.5.3 两传感器信号检测 165

7.5.4 检测性能函数的蒙特卡罗模拟 167

7.5.5 检测性能函数和检测性能密度函数的一些性质 170

7.6 基于局部多元判决的分布式信号检测 171

7.6.1 基于局部二元判决的分布式信号检测 172

7.6.2 基于局部N阈值判决的分布式信号检测策略 172

7.6.3 基于局部3阈值判决的分布式信号检测 180

7.6.4 局部传感器利用CA-CFAR形成局部多元判决 183

7.6.5 局部传感器利用广义符号统计量形成多元判决 188

7.7 自适应删除求和融合准则 191

7.7.1 问题描述 191

7.7.2 自适应删除求和融合 193

7.7.3 仿真实验及结果 198

第8章 基于常规雷达的分布式信号检测 203

8.1 引言 203

8.2 检测级可融合区域的确定方法 203

8.3 雷达站的位置对检测级可融合区域的影响 205

8.3.1 举例 206

8.4 基于局部雷达分辨单元质心的数据关联算法 210

8.5 距离量化间隔对关联算法性能的影响 213

8.6 目标的位置估计 214

8.6.1 各个分辨单元完全重合时目标的位置估计 214

8.6.2 各个分辨单元部分重合时位置估计 214

8.7 系统设计方面的考虑 215

第9章 MIMO雷达分布式信号检测及其优化设计 217

9.1 引言 217

9.2 AD-MIMO雷达及其LRT检测器 220

9.2.1 MIMO雷达信号模型和空间分集条件 220

9.2.2 AD-MIMO雷达及其信号模型 223

9.2.3 AD-MIMO雷达的LRT检测器 224

9.3 最优AD-MIMO雷达及其配置参数设计 228

9.3.1 AD-MIMO雷达优化问题概述 228

9.3.2 针对三个优化问题的最优均匀AD-MIMO雷达 229

9.4 AD-MIMO雷达性能验证 232

9.4.1 优化问题（1）中随L变化的最小可检测SNR 232

9.4.2 优化问题（1）中随PD变化的最优分集自由度 233

9.4.3 优化问题（2）中随L变化的最大检测概率 234

9.4.4 优化问题（2）中随PF变化的最优分集自由度 234

9.4.5 优化问题（2）中随目标SNR变化的最优分集自由度 234

9.4.6 优化问题（2）中随系统自由度变化的最优分集自由度DOF 235

9.4.7 优化问题（3）中随孔径数L变化的最小系统自由度Ds 236

9.5 小结 237

第10章 分布式信号检测的部分高级主题 239

10.1 引言 239

10.2 局部最优分布式信号检测 240

10.2.1 两传感器局部最优随机信号检测 241

10.2.2 窄带信号 243

10.3 稳健分布式信号检测 244

10.4 分布式序贯检测 246

10.4.1 序贯检测基本概念 246

10.4.2 问题描述 247

10.4.3 融合中心做序贯检验的分布式信号检测 249

10.4.4 局部传感器完成序贯检验的分布式信号检测 251

10.5 分布式最快速检测 252

10.5.1 问题描述 252

10.5.2 贝叶斯最优解 253

10.5.3 数值计算方法 256

第11章 总结与展望 258

参考文献 262

缩略语 287