魏玺章[1]2002年在《分布式CFAR检测理论研究》文中进行了进一步梳理本文研究分布式CFAR检测理论与方法。 首先回顾了分布式检测的研究方法与途径，指出了分布式CFAR检测的研究现状与存在的问题，介绍了本文的研究内容。 第二章针对非参量分布式检测理论进行研究。对于局部采用硬判决的情况，首先研究了基于NP准则、局部判决权值固定情况下融合中心门限的快速搜索算法。在此基础上，提出了基于NP准则的局部最优加权权值的在线学习算法，使其与融合中心门限的求取算法得到了统一，并指出该方法还可以应用到其它场合。在详细分析非参量检测器的理论基础上，提出了叁种基于局部统计量的融合规则，分析了其渐进性能。 第叁章针对局部采用硬判决的分布式CFAR检测理论进行研究。针对任意融合规则，并行和串行分布式检测网络，参考单元采样服从指数分布，局部采用任意常见的ML类和OS类检测器组合的分布式检测系统，提出了一种普遍适用的局部最优固定门限的数值求取方法，指出该方法可以适用于部分参考单元采样不服从指数分布的情形。分析了分布式检测系统在均匀背景、非均匀背景情况下的性能。 第四章针对基于局部统计量的分布式CFAR检测理论进行研究。在局部传感器杂波功率水平相同情况下，针对文献[171]中提出的融合方案，利用Laplace变换的频域微分性质，提出了一种针对局部采用不同CFAR检测器时系统的检测概率和虚警概率关于固定门限的求取方法，并克服了以往需要假设局部信杂比相同的缺憾。深入分析了局部传感器杂波功率水平不同情况下的处理方法，给出了部分有益的结论。 第五章针对局部传感器观测相关情况下的分布式CFAR检测理论进行研究。对局部采用硬判决的情况，深入研究了传统的分析方法，利用经验估计解决了局部观测相关系数未知时存在的困难，分析了系统判决精度与估计样本数量的关系。对于融合中心接收局部统计量的分布式系统，分析了信号相关、杂波不相关的情况，建立了多部双通道接收机的相关信号模型，利用矩阵分解技术求取系统的检测概率。 最后系统地总结了本文的研究内容，给出了进一步研究的建议和设想。
甄小英[2]2010年在《无线传感器网络分布式检测》文中研究说明目前无线传感器网络已成为计算机科学领域一个活跃的研究分支,已经引起了学术界和工业界的高度重视,被认为是将对21世纪产生巨大影响力的技术之一。在不久的将来,传感器节点将遍布到人们要监测的各个区域,但现在无线传感器网络才刚刚兴起,其技术和应用都还不十分成熟。本文在讨论了无线传感器网络的传感器节点及网络特征的基础上,针对无线传感器网络的传感器节点及网络特征,研究了无线传感器网络的分布式信号检测融合算法,对单目标检测,基于统计信号处理对数据融合算法和反馈式的分布式检测算法做了详细的描述;对多目标检测,针对目标的信号能量随着距离衰减的非理想感知模式,介绍了一种基于控制FDR(错误发现概率)的分布式检测算法,仿真表明这是一种有效的检测算法。
倪静[3]2015年在《无线传感网络下基于数据融合的目标检测》文中研究指明无线传感网络由于其方便、自组织性能好等优点被应用到各行各业中;多源数据融合作为其一个分支领域,引来了相当多的关注;而分布式目标检测作为多源数据融合的一项重要应用,也得到许多研究者的青睐。无线传感网络下基于数据融合的目标检测已成为许多学者研究的热点。本文研究了一种用于分布式检测的拓扑网络结构,并基于该结构分析了两种检测融合算法。本文的工作主要如下:本文首先在树形拓扑的基础上,结合最优二元树,研究一种新的拓扑结构,该结构实现多跳网络,提高网络的可靠性。与并行拓扑结构相比,可以减少融合中心的能量消耗;与串行拓扑相比,提高决策反应时间;与传统的树形拓扑相比,传感器节点进行有序排列根据自身权值,这个权值与信号幅值成正比,然后结合Huffman算法生成一颗有序的最优Huffman满二叉树。树根节点即为接收信号最强的节点,由它作为融合中心来做出总判决。其次本文研究了两种分布式检测的方案。第一种方案为动态门限法,即每个传感器做决策时它们的门限值都不是固定的,与子节点发送的决策值有关。第二种方案为比例分配法,即与传感器决策相关的叁个决策因子是以一定比例进行分配的,比例确定后,传感器再以此做出自己的判决。两种方案的结果都以仿真形式呈现。仿真结果表明传感器接收到的信号幅值越高,越靠近树根节点,其检测率也随之增加。最后两种方案也都分别与并行结构和串行结构进行了对比,在一定条件下,本文提出的方法优于其他两种算法。最后,本文描述了最优门限规则的问题。最优门限的设定问题通过引进错误率的概念,它是一个与系统的虚警率和检测率相关的函数。当错误率最小时所得门限的值就是最优值。用传感器的观测值与最优门限做比较,从而就能得出系统决策值。本文证明了最优门限值的存在,并通过仿真找到了最优值。
关键[4]2000年在《多传感器分布式恒虚警率（CFAR）检测算法研究》文中研究指明多传感器分布式恒虚警（CFAR）检测是CFAR处理和多传感器分布式检测的 结合点，它兼有二者的优点。许多学者己经对这两个领域进行了深入和广泛的 研究。由于这它们的深度和广度，在它们的结合点上仍然还有大量问题尚未解 决。本文深入研究了这方面的问题，主要研究了利用并行结构的分布式检测网， 在高斯杂波背景中对Swerling Ⅱ型起伏目标进行多传感器分布式CFAR检测的 问题，提出了一系列分布式CFAR检测算法，进行了大量的理论分析。主要内 容有： 研究了集中式CFAR检测在局部传感器背景噪声功率水平间的相对比 例系数ρ变化情况下的检测性能，推导出了集中式OS-CFAR检测在ρ≠1且局 部观测信噪比λ_1≠λ_2条件下在非均匀杂波背景中检测性能的解析表达式。分析结果表明，集中式CFAR检测受ρ变化和失配的影响非常严重，多传感器CFAR 检测的CFAR处理应该在局部处理中完成。本文提出了一种适用于分布式CFAR 检测的基于检测单元采样秩的局部多位量化方法。新的多位量化方法获得了相 对于二元量化增强的性能。研究了基于局部多位量化的分布式CFAR检测在 Neyman-Pearson意义上的检测性能上限，考虑了局部处理器检测单元采样间相 关性的影响，讨论了基于局部检测统计量的分布式CFAR检测的必要性。 提出了叁类新的局部检测统计量：R、S和P类，研究了基于这叁类新 的局部检测统计量的分布式CFAR检测的性能，推导出了CA-R-SUM和OS-R- SUM、CA-S-SUM和 OS-S-SUM、Max-OS和Min-OS以及Max-CA和 Min-CA 在ρ≠1、λ_1≠λ_2条件下在非均匀杂波背景中检测性能的解析表达式。对于R 类局部检测统计量还研究了在似然比融合和广义似然比融合条件下的性能，提 出了一种估计局部观测信噪比的方法。分析了上述方案在ρ≠1、λ_1≠λ_2以及 ρ值失配等多种情况下的性能。结果表明，在ρ=1时，基于S类局部检测统计 量的方案（如OS-S-SUM）是较好的选择；在ρ未知或变化的环境中，基于R类 局部检测统计量的方案不受ρ的任何影响，因此是最好的选择。然而集中式 CFAR检测和Min-OS受ρ变化或失配的影响非常严重。所以要求CFAR处理在局部处理中完成。若考虑数据通信量，R类和S类方案优于P类方案。 ＠研究了分布式CFAN检测在多脉冲非相干积累条件下的性能，推导出了分布式OS－CFn检测在多脉冲视频积累条件下在非均匀杂波背景中检测性能的解析表达式。分析表明，在多脉冲非相干视频积累条件下，多传感器分布式CFAR检测仍然是必要的。提出了两类适用于多脉冲非相于积累条件下的多传感器分布式CFn检测的局部检测统计量，以及两种在多脉冲条件下利用检测单元采样秩的方法，得到了评价上述方案检测性能的解析表达式。结果表明，新方案可以获得相对于二元积累和视频积累的性能改善。 ＠研究了具有反馈机制的分布式检测，提出了一种新的反馈方案厌TFC卜推导出了其检测性能与反馈步数关系的解析表达式，证明了其检测性能收敛性的定理。相对于以往的FTLP方案，FTFC方案降低了对通信带宽的要求，但是仍具有与FTLP方案很接近的性能和收敛速度。 ＠研究了利用不变检验概念证明恒虚警性质的方法，讨论了在雷达自动检测中常见的不变统计量和不变分布，这包括了高斯杂波背景以及非高斯杂波，如Weibull、Log呗ormal和K分布杂波背景中的许多典型的CFAR检测算法。深刻地揭示了恒虚警处理的机理。
陈璐[5]2018年在《协同探测系统分布式检测算法研究》文中研究表明现代战争中,为了提高雷达对战场空域内隐身目标的持续探测能力,协同探测系统应运而生。由于协同探测系统集中式检测算法能将所有信息均传送至处理中心进行处理,故为最优处理算法。但在对集中式检测算法研究的过程中发现其存在系统各通道检测单元失配和“鬼影”淹没真实目标的问题。同时,在实际应用中,由于系统站点间通信带宽和站点本身性能的限制,无法直接传送所有信息至处理中心处理,使得集中式检测算法无法适用。本文针对以上问题,研究了协同探测系统分布式检测算法,本文的主要工作和贡献如下:1、针对集中式检测时检测单元空时不匹配导致无法确定检测单元的问题,提出了基于固定栅格空间搜索、基于平均栅格空间搜索和基于最大值栅格空间搜索叁种检测单元确定方法,以此确定系统各个通道的检测单元并获取其量测值。仿真证明这叁种方法均能达到确定检测单元的目的,但需要根据实际需求具体选用合适的方法。2、针对检测时会在多通道交迭和强目标能量覆盖位置出现的“鬼影”淹没真实目标的问题,提出了“鬼影”消除算法,有效地解决真实目标受“鬼影”的影响的问题,降低虚警,保证了系统检测的正确性。仿真证明该方法除了能有效消除“鬼影”外还能大致获得目标的位置信息。3、针对受协同探测系统带宽和站点性能限制而无法将各通道所有数据完全传送至处理中心集中处理和一般的分布式检测算法是以大量牺牲系统检测性能为代价来降低系统通信量的问题,提出了基于栅格空间搜索的检测信息辅助分布式检测算法,该方法在基于检测信息辅助的分布式检测算法基础上引入了栅格空间搜索方法,以确保在减小系统通信量的同时尽量使系统的检测性能损失最小。仿真证明该算法能够在系统检测性能几乎没有损失的条件下明显降低系统通信量。同时,还能够大致估计出目标所在的位置。本文提出的算法均通过仿真实验予以验证,仿真结果证明了协同探测系统分布式检测算法的有效性。
关键, 何友, 彭应宁[6]2000年在《多传感器分布式检测综述》文中研究说明综述了多传感器分布式检测研究的发展、现状和最新进展。首先讨论了一些经典问题 :基于Neyman -Pearson和Bayes准则的分布式检测系统的优化 ,这包括局部判决的优化、融合准则的优化和全局优化。主要考虑了并行和串行结构 ,并且假设各传感器观测统计独立。给出了基于似然比检验 (LikelihoodRatioTest ,LRT)的最优准则。最后进一步讨论了分布式检测中的一些前沿方向 :渐近最优检测 ,非参数检测和CFAR检测以及序贯检测。
李涛[7]2015年在《多源传感器数据融合及其在目标检测中的应用》文中研究表明多源传感器数据融合技术在目标检测中应用广泛,能够很大程度提高目标检测的可靠性,准确性,对跨学科领域如目标跟踪,目标识别具有很大作用。目前,世界各国都在研究多源传感器数据融合,积极研究其理论和实践应用,特别是战场环境的应用、灾害区的应用等。本文主要研究了多源传感器数据融合下的目标检测融合规则,主要工作如下:1、研究了多源传感器数据融合模型,研究了多源传感数据融合下的目标检测问题,分析了集中式目标检测和分布目检测框架的优缺点,重点研究了分布式目标检测中的并行拓扑结构;分析了经典Chair-Varshney融合规则和Counting Rule融合规则的原理和影响因素。2、研究了基于传感器失效的融合规则,深入分析了传统的目标检测融合问题,大部分文献考虑了能量消耗问题,信道噪声问题,传感器区域覆盖问题,安全问题,很少有考虑传感器失效的问题。本文考虑了传感器失效的问题,引入了可靠性理论中的Bathtub-Shaped的失效率,建立了传感器失效的概率,修改了经典Chair-Varshney的目标检测融合规则,得到了扩展的似然比融合规则,并对其做了数值仿真,可以发现随着传感器失效的增加,融合中心的性能逐渐下降,而扩展的似然比融合规则能够优于传统的融合规则的性能。3、研究大数据处理方法中的机器学习方法,将其应用到多源传感器数据融合中,深入探讨了Counting Rule融合规则和K/N融合规则的本质,挖掘出其共同的特征,研究了基于逻辑斯回归的融合规则(Logistic Regression Fusion Rule,LRFR)和基于逻辑斯回归的融合规则的算法(Logistic Regression Fusion Algorithm,LRFA),最后通过数值仿真,研究了LRFR的性能和目标信号的功率变化对采用LRFR的融合中心系统性能的影响,比较了LRFR和K/N融合规则的性能,以及LRFR和Counting Rule融合规则的性能,得出了LRFR的优点是有一套完善的优化算法,能够容易地得到模型的参数,同时也发现了其缺点是需要样本,样本的数量和质量对其有着非常大的影响。
魏利华[8]2005年在《面向入侵检测的网络处理器原型研究与实现》文中研究表明网络处理器芯片原型系统开发是为国产网络处理器的研制进行前期技术性探索，目标是缩小与国外在网络处理器技术方面的差距。本文网络处理器芯片原型的设计基于SOPC(System On Programmable Chip)技术，采用了多处理器并行处理结构、可扩充指令集和协处理器加速耗时算法等设计思想。 本文分析了入侵检测系统中检测速度瓶颈的原因和模式匹配算法，提出了基于网络处理器实现入侵检测系统的策略。在本系统中用硬件代替传统入侵检测系统中的软件实现主要功能部件：如数据采集和过滤、多模式匹配及数据包调度等，硬件实现比软件实现的速度能提高几个数量级。 网络处理器技术是近几年发展的针对网络数据处理特征的新技术，其核心内容是采用多级并行处理技术和专用功能部件代替复杂费时算法，以获得极大的数据包处理性能。为使系统中各PE(Processor Element)、协处理器、存储资源及带宽得到合理而充分的利用，网络处理器中的调度策略非常重要，通过分析研究得出，其中关键因素PE数目由协处理器性能与处理单元性能之比来决定，而PE中的线程数目为2比较合理。 本文设计了一个面向入侵检测的网络处理器系统原型，该原型采用基于网络处理器的硬件策略取代传统入侵检测的软件策略解决了入侵检测速度问题。原型系统将入侵检测的主要工作，如数据采集及过滤、多模式匹配、数据包在多处理单元上的分派等用硬件实现，而数据包的分析检测也用多个处理单元进行并行处理。该原型系统包括一个主控模块、一个硬件采集数据模块、4个Nios Ⅱ软核并行处理单元、一个多模式匹配协处理器。它们都是在Quartus Ⅱ开发环境中基于FPGA上实现的，并根据实际需要增加了自定义指令来提高系统性能。 最后我们建立了原型系统的验证平台，进行了原型系统的吞吐率测试和在FPGA上执行多模式匹配的性能测试。
向军[9]2010年在《网络处理器并行线速处理关键技术研究》文中研究指明目前Internet主干网络带宽呈指数性增长,网络带宽的急剧增长要求网络设备具有极高的包处理能力,同时网络协议的多样性和不断更新又要求网络设备具有极大的灵活性,网络设备对分组的深度处理能力将成为制约网络性能的主要瓶颈,即性能与速度之间存在着矛盾。基于GPP和ASIC的传统网络设备方案已经不能同时满足高性能和高可编程性两方面的要求,为此基于ASIP技术的网络处理器(NP)应运而生,并得到了迅速发展。以NP为核心的网络设备体系结构对2~7层的数据分组采用“存储-处理-转发”处理模式,从而可以实现更加复杂的网络处理功能。NP的出现改变了网络设备的体系结构,已成为研发新一代高性能网络设备的核心技术之一,NP是目前公认最有可能实现数据分组线速处理的器件和技术,因此研究基于NP的高性能网络设备核心技术对于加强我国信息基础设施建设具有十分重要的战略意义。NP并行线速处理的复杂应用程序关键性能影响因素可归结为并行处理模型与并行处理算法两方面,并行处理模型决定系统的稳定、高效、灵活、升级和扩展等性能,而并行处理算法则决定系统的分组处理速度,进而影响系统的准确性和有效性。本课题围绕NP并行处理模型与线速处理算法进行了系统而深入的研究,提出了高速网络环境下并行线速分组处理的有效模型与体系结构,给出了一系列高效的并行分组处理算法与实现方法,较好地解决了线速网络处理中性能与速度之间的矛盾。本研究工作取得了以下的主要创新性成果:(1)提出了一种基于NP的并行线速处理模型NPWM。NPWM由五个不同抽象级别的层次组成,从而将并行线速处理需要解决的若干核心问题及分组处理流程转化为基本独立的问题。NPWM覆盖了NP的各种软硬件资源及并行处理机制,考虑了并行线速处理相关的任务分配、资源调度和负载均衡等基础性问题,并为网络设备开发提供抽象的统一编程接口,可以满足网络设备在性能和灵活性两方面的要求,适合解决NP的各种网络应用问题,并能够达到并行线速处理要求。(2)给出基于NPWM模型并采用Intel IXP2850的网络安检机的总体系统设计,并给出本文的实验测试环境。NPWM模型与IXP2850的有机结合,NP多种并行机制的充分发挥,以及多个线速并行处理关键算法的实施,保证了网络安检机既具有强大的综合安全防御功能,又具有线速分组处理的高性能。实验数据说明网络安检机基本达到了线速分组处理的设计目标。(3)提出了网络处理短规则的概念,给出规则的描述和存储组织,并进一步给出规则集在NPWM模型上的并行匹配算法。规则集的并行处理设计了多种并行机制,规则集采用叁维链表的树形逻辑组织,尽量减少了规则的时空冗余;快速匹配算法针对规则集的逻辑结构特点,尽量减少匹配的次数;存储优化算法分叁种情况分别采用不同的优化策略;多核多线程优化采用基于表的间接哈希算法。实验结果说明这些并行方法和算法的采用,大大提高了分组并行处理能力,使得系统的分组吞吐率达到线速水平。(4)提出一种基于紧急度的轮循分组调度UWRR算法。UWRR算法的提出是在分析比较NP分组调度算法在时延性能、公平性、复杂性等叁个方面性能指标的基础之上,并结合了NPWM模型的系统特性。UWRR算法在不过度提高复杂性的情况下,改善了传统算法的时延特性,引入动态改变队列循环调度次序的思想,来实现在变长分组环境下的公平性。实验结果表明与传统算法相比,UWRR算法对系统性能有明显提高,很好地解决了上述公平性问题,而且能实现更精细的队列间的服务速率分配。(5)提出一种并行自适应负载均衡HALB算法。NP负载均衡算法大致可分为哈希和非哈希两大类,其中哈希由于其高效和易于实现而被广泛采用。NP负载均衡要考虑解决分组乱序和流量分配两大问题,基于此给出相关概念和参数描述,并建立了NP负载均衡的数学模型。在此基础上提出HALB算法,算法根据转发平面负载状况动态调整映射权重,算法主要由哈希索引函数、负载分配映射函数和动态调整策略等叁部分组成。根据实验结果表明,算法能够均衡地在PE间分配报文,而且基本保证了分组不乱序。因此,该算法能够提高NP并行处理能力,并减少分组乱序对NP性能的影响。
刘英坤, 冯新喜, 党宏刚, 潘平俊[10]2008年在《基于聂曼-皮尔逊准则和无线信道的一种次最优分布式检测算法》文中认为在实际检测中,从本地检测器至融合中心的无线信道通常无法保证为理想传输信道,于是传统的基于理想信道的优化检测算法要做相应调整。基于非理想信道该文研究了一种次优检测算法,应用聂曼-皮尔逊(NP)规则推导出各节点的判决形式,根据概率知识求出各节点的虚警概率和检测概率,然后用迭代的方法得到虚警概率在一定范围内系统检测概率最大时各个节点的检测门限。最后通过仿真说明了信道的非理想性确实影响了系统的检测性能。
参考文献：
[1]. 分布式CFAR检测理论研究[D]. 魏玺章. 中国人民解放军国防科学技术大学. 2002
[2]. 无线传感器网络分布式检测[D]. 甄小英. 西安电子科技大学. 2010
[3]. 无线传感网络下基于数据融合的目标检测[D]. 倪静. 电子科技大学. 2015
[4]. 多传感器分布式恒虚警率（CFAR）检测算法研究[D]. 关键. 清华大学. 2000
[5]. 协同探测系统分布式检测算法研究[D]. 陈璐. 电子科技大学. 2018
[6]. 多传感器分布式检测综述[J]. 关键, 何友, 彭应宁. 系统工程与电子技术. 2000
[7]. 多源传感器数据融合及其在目标检测中的应用[D]. 李涛. 电子科技大学. 2015
[8]. 面向入侵检测的网络处理器原型研究与实现[D]. 魏利华. 国防科学技术大学. 2005
[9]. 网络处理器并行线速处理关键技术研究[D]. 向军. 华南理工大学. 2010
[10]. 基于聂曼-皮尔逊准则和无线信道的一种次最优分布式检测算法[J]. 刘英坤, 冯新喜, 党宏刚, 潘平俊. 电子与信息学报. 2008
标签：电信技术论文; 分布式算法论文; 并行处理论文; 传感器技术论文; 数据融合论文; 网络模型论文; 网络节点论文; 分布式技术论文; 分布式处理论文; 系统仿真论文; 网络处理器论文; 分布式开发论文; 网络设备论文; 算法论文;