LSFR算法在多传感器分布式检测中的优化研究

发布时间：2018-05-28 11:44

  本文选题：最小二乘融合规则算法 + 多传感器　； 参考：《传感器与微系统》2017年03期

【摘要】：在多传感器分布式检测系统中,常规融合规则算法要求传感器误差概率已知,且系统中传感器和融合中心同时优化存在一定困难。提出最小二乘融合规则(LSFR)算法,算法不依赖噪声环境稳定性以及传感器的虚警概率与检测概率,融合中心根据各个传感器的硬决策,得到全局的硬决策,并在传感器和融合中心处理达到最优时,获得最佳全局性能。仿真结果表明:对比似然比融合决策算法与Neyman Pearson融合规则(NPFR)算法,LSFR算法全局检测概率显著提高,且在不同数量规模传感器和更多类型的分布式检测系统中具有较好兼容性。
[Abstract]:In the multi-sensor distributed detection system, the conventional fusion rule algorithm requires that the sensor error probability is known, and it is difficult to optimize the sensor and fusion center simultaneously in the system. The LSFR algorithm is proposed. The algorithm does not depend on the stability of the noise environment and the false alarm probability and detection probability of the sensor. The fusion center obtains the global hard decision according to the hard decision of each sensor. The optimal global performance is obtained when the sensor and fusion center processing reach the optimum. Simulation results show that compared with the likelihood ratio fusion decision algorithm and the Neyman Pearson fusion rule algorithm, the global detection probability of the LSFR algorithm is significantly improved, and it has better compatibility in different number of sensors and more types of distributed detection systems.
【作者单位】： 昆明理工大学信息工程与自动化学院;
【基金】：国家自然科学基金资助项目(61262040)
【分类号】：TP212

【参考文献】

相关期刊论文 前5条

1 张晓;王红;;一种改进的基于大数据集的混合聚类算法[J];计算机工程与科学;2015年09期

2 李如平;王勇;徐珍玉;;基于能量约束的多传感器故障非线性最优化规划决策机制[J];传感器与微系统;2014年11期

3 张步忠;程玉胜;王则林;;基于片上多核的频繁项集并行挖掘算法[J];计算机科学;2014年03期

4 张军;杨子晨;;多传感器数据采集系统中的数据融合研究[J];传感器与微系统;2014年03期

5 廖国琼;吴凌琴;万常选;;基于概率衰减窗口模型的不确定数据流频繁模式挖掘[J];计算机研究与发展;2012年05期

【共引文献】

相关期刊论文 前10条

1 刘云;陈昌凯;崔自如;;LSFR算法在多传感器分布式检测中的优化研究[J];传感器与微系统;2017年03期

2 常艳芬;王乐;王辉兵;;不确定数据流中频繁模式的并行挖掘算法[J];计算机应用与软件;2016年09期

3 董静;王君君;陈天恩;;前向模糊推理的菇房异常环境预警系统[J];传感器与微系统;2016年09期

4 马力;;一种基于预裁剪的不确定数据流频繁项集挖掘算法[J];科学技术与工程;2016年23期

5 梁s，

本文编号：1946579