發(fā)布時(shí)間：2018-05-28 11:44

  本文選題：最小二乘融合規(guī)則算法 + 多傳感器��； 參考：《傳感器與微系統(tǒng)》2017年03期

【摘要】：在多傳感器分布式檢測(cè)系統(tǒng)中,常規(guī)融合規(guī)則算法要求傳感器誤差概率已知,且系統(tǒng)中傳感器和融合中心同時(shí)優(yōu)化存在一定困難。提出最小二乘融合規(guī)則(LSFR)算法,算法不依賴噪聲環(huán)境穩(wěn)定性以及傳感器的虛警概率與檢測(cè)概率,融合中心根據(jù)各個(gè)傳感器的硬決策,得到全局的硬決策,并在傳感器和融合中心處理達(dá)到最優(yōu)時(shí),獲得最佳全局性能。仿真結(jié)果表明:對(duì)比似然比融合決策算法與Neyman Pearson融合規(guī)則(NPFR)算法,LSFR算法全局檢測(cè)概率顯著提高,且在不同數(shù)量規(guī)模傳感器和更多類型的分布式檢測(cè)系統(tǒng)中具有較好兼容性。
[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.
【作者單位】： 昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61262040)
【分類號(hào)】：TP212

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 張曉;王紅;;一種改進(jìn)的基于大數(shù)據(jù)集的混合聚類算法[J];計(jì)算機(jī)工程與科學(xué);2015年09期

2 李如平;王勇;徐珍玉;;基于能量約束的多傳感器故障非線性最優(yōu)化規(guī)劃決策機(jī)制[J];傳感器與微系統(tǒng);2014年11期

3 張步忠;程玉勝;王則林;;基于片上多核的頻繁項(xiàng)集并行挖掘算法[J];計(jì)算機(jī)科學(xué);2014年03期

4 張軍;楊子晨;;多傳感器數(shù)據(jù)采集系統(tǒng)中的數(shù)據(jù)融合研究[J];傳感器與微系統(tǒng);2014年03期

5 廖國(guó)瓊;吳凌琴;萬(wàn)常選;;基于概率衰減窗口模型的不確定數(shù)據(jù)流頻繁模式挖掘[J];計(jì)算機(jī)研究與發(fā)展;2012年05期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉云;陳昌凱;崔自如;;LSFR算法在多傳感器分布式檢測(cè)中的優(yōu)化研究[J];傳感器與微系統(tǒng);2017年03期

2 常艷芬;王樂(lè);王輝兵;;不確定數(shù)據(jù)流中頻繁模式的并行挖掘算法[J];計(jì)算機(jī)應(yīng)用與軟件;2016年09期

3 董靜;王君君;陳天恩;;前向模糊推理的菇房異常環(huán)境預(yù)警系統(tǒng)[J];傳感器與微系統(tǒng);2016年09期

4 馬力;;一種基于預(yù)裁剪的不確定數(shù)據(jù)流頻繁項(xiàng)集挖掘算法[J];科學(xué)技術(shù)與工程;2016年23期

5 梁s，

本文編號(hào)：1946579