论文部分内容阅读
无线传感器网络(WSN)在军事侦察、环境监测和医疗卫生等领域具有广阔的应用前景,受到了研究者们的广泛关注。基于WSN的检测技术作为WSN应用的一个重要分支,有潜力实现非合作目标、频谱空隙以及非合作信号等对象的高效可靠检测,具有重要的研究意义。本文针对无反馈并行拓扑结构WSN中的分布式检测问题,提出了分布式固定样本数(FSS)检测和分布式序贯检测的相关算法,为基于WSN的检测应用奠定了理论基础。本文的主要贡献总结如下:(1)以FSS条件下非合作目标的分布式主动检测为算法的研究背景,考虑了(目标存在时)节点观测值与未知的目标反射角和位置都相关的特点,提出了基于均匀量化和广义似然比检测(GLRT)的分布式FSS检测算法。首先通过最大化备选假设与零假设之间的Kullback-Leibler距离,优化设计了均匀量化的门限,提高了检测性能。然后将提出的分布式FSS检测算法推广到了节点信息经二元对称信道(BSC)传输的场景,扩展了算法的应用范围。最后设计了节点观测值的自适应量化方案,显著降低了节点所需传输的信息比特数。(2)在简单假设检验背景下研究了基于幅度触发采样(LTS)的分布式序贯概率比检测(SPRT)算法。推导得到了该算法的误判概率近似表达式,并在此基础上改进了SPRT判决门限的设计方法。与现有的瓦尔德公式相比,推导的表达式更准确地描述了基于LTS的分布式SPRT算法的误判概率。因此,提出的SPRT判决门限设计方法能够在满足误判概率指标的前提下,选择更有利于降低检测时延的判决门限。随后,分析了非理想信道对基于LTS的分布式SPRT算法的影响,给出了一种基于信息传输误码率(BER)的分布式SPRT算法。(3)以非合作高斯随机信号的分布式检测为算法的研究背景,提出了基于改进LTS的分布式截断单边序贯(TOS)检测算法。设计了基于改进LTS的节点观测值预处理方案,在此基础上推导了融合中心的广义似然比(GLR)统计量并提出了TOS检测规则。与FSS检测相比,提出的TOS检测规则能极大地加快备选假设下的检测速度。同时,TOS检测规则避免了检测停止时间过长的问题。与基于传统均匀采样和1比特量化的分布式TOS检测相比,提出的基于改进LTS的分布式TOS检测算法不仅明显降低了节点与融合中心之间的通信开销,而且显著提高了检测算法的性能,这得益于改进LTS的自适应采样机制。为避免求解计算复杂度较高的GLR统计量,进一步提出了采用广义局部最佳检测(G-LOD)统计量的分布式TOS检测算法。(4)针对非合作确定性信号的分布式检测,重新设计了节点观测值预处理的LTS方法并推导了GLR统计量,在此基础上给出了分布式TOS检测算法。随后,考虑到GLR统计量的计算复杂度较高,提出了一种基于改进LTS和广义Rao(G-Rao)检测统计量的低计算复杂度分布式TOS检测算法。