ch2 分布式检测融合系统(2013-12)

N 0
图3 串行结构
2.2.1 五种模型工作方式及特点
（d）树状结构，信息传递处理流程是从所有的树枝到树 根，最后，在树根即融合节点，融合从树枝传来的局部判决 和自己的检测，作出全局判决。
现象 H Y4 Y3 S3 S4
S1
Y1
Y2 S2
Y5
2
3
1

4 0
S5
图4 树状结构
2.2.1 五种模型工作方式及特点
（e）并行结构中，每个局部检测器在接收到观测之后，
把它们的判决送到融合中心，中心通过某种准则组合这些判
决，然后把获得的全局判决分别反馈到各局部传感器作为下
一时刻局部决策的输人．这种系统可明显地改善各局部节点
的判决质量。
Y1
现 象 H
Y2 YN
S 2 2 SN
S1
1
融合中心
0
N
图5 带反馈的并行结构

最受重视的融合结构仍是基本的并行结构。
分布式检测融合理论的一个重要应用领域，是分布式雷达和 多基地雷达检测融合系统。
2 分布式检测融合系统
2.1 信息检测融合概述 2.1.1 检测融合的内容及其发展 2.1.2 检测融合方式分类及特点 2.2 分布式检测融合结构模型 2.2.1 五种模型工作方式及特点 2.2.2 并行结构中的分布检测融合 2.2.3 串行结构中的分布检测融合 2.3 分布式检测判别准则 2.3.1 “与”融合检测准则 2.3.2 “或”融合检测准则 2.3.3 表决融合检测准则 2.3.4 最大后验概率融合检测准则 2.3.5 Neyman-Pearson融合检测准则 2.3.6 贝叶斯（Bayes）融合检测准则 2.3.7 最小误差概率准则 2.4 自适应决策融合分布式检测系统 2.4.1 概述 2.4.2 求解参数的方程组及解析式 2.4.3 三传感器的自适应决策融合算法 2.4.4 N传感器的自适应决策融合算法 2.4.5 计算机仿真结果
2.1 分布信息检测融合概述
4.信号处理形式

一种是 硬判决融合，即融合中心处理0、1形式的局部判决； 另一种是 软判决融合，即中心处理来自局部节点的统计量 或置信度。 对信息的压缩性预处理降低了对通信带宽的要求。 分布式多传感器结构可以降低对单个传感器的性能要求，降 低造价。 分散的信号处理方式可以增加计算容量。 在利用高速通信网的条件下可以完成非常复杂的算法。
验，形成最终的判决。
特点：由于没有接收到所有的传感器的观测因此其融合 性能有所下降，但其通信量也大为降低；传输数据量要少得 多、对传输网络的要求低、数据融合处理时间短。
2 分布式检测融合系统
2.1 信息检测融合概述 2.1.1 检测融合的内容及其发展 2.1.2 检测融合方式分类及特点 2.2 分布式检测融合结构模型 2.2.1 五种模型工作方式及特点 2.2.2 并行结构中的分布检测融合 2.2.3 串行结构中的分布检测融合 2.3 分布式检测判别准则 2.3.1 “与”融合检测准则 2.3.2 “或”融合检测准则 2.3.3 表决融合检测准则 2.3.4 最大后验概率融合检测准则 2.3.5 Neyman-Pearson融合检测准则 2.3.6 贝叶斯（Bayes）融合检测准则 2.3.7 最小误差概率准则 2.4 自适应决策融合分布式检测系统 2.4.1 概述 2.4.2 求解参数的方程组及解析式 2.4.3 三传感器的自适应决策融合算法 2.4.4 N传感器的自适应决策融合算法 2.4.5 计算机仿真结果
2.2.1 五种模型工作方式及特点
（c）串行结构的每个局部节点分别接收各自的检测后，
首先由节点1作出局部判决，然后将它通信到节点2，而节点
2则将它本身的检测与之融合形成自己的判决，以后，重复 前面的过程，并将最后一个节点的判决作为全局判决。
现象H
Y1 S1 1 Y2 S2 2 YN 1 S N 1 N 1 YN SN
2.1 分布信息检测融合概述
1.广义信息融合功能分级法 多源信息融合所处理的信息具有复杂的形式，信息抽象层次为： 检测层 位置层 属性层 态势层 威胁层 根据这五个信息抽象层次，得到信息融合的五级功能模型。 前三个层次适合于任意的多传感器信息融合系统 后两个层次主要适用于军事应用系统中的信息融合 从功能角度把它分为五个层次，更有利于信息融合技术的研究
2.2.1 五种模型工作方式及特点
（a）分散式的每个局部决策又都是最终决策，可按照某
种规则将这些分离的子系统联系起来，看成一个大系统，并
遵循大系统中的某种最优化准则来确定每个子系统的工作点。
现象H
Y1 S1 Y2 S2 YN 1 S N 1 YN SN
1
2
N 1
N
图1 分散式结构
2.2.1 五种模型工作方式及特点
2.2
分布式检测融合结构模型
集中式检测融合本质上是假设检验问题， 因此主要讨论分布式检测融合。 分布检测融合的结构模型主要有五种，即 （a）分散式结构 （b）并行结构 （c）串行结构 （d）树状结构 （e）带反馈并行结构
2 分布式检测融合系统
2.1 信息检测融合概述 2.1.1 检测融合的内容及其发展 2.1.2 检测融合方式分类及特点 2.2 分布式检测融合结构模型 2.2.1 五种模型工作方式及特点 2.2.2 并行结构中的分布检测融合 2.2.3 串行结构中的分布检测融合 2.3 分布式检测判别准则 2.3.1 “与”融合检测准则 2.3.2 “或”融合检测准则 2.3.3 表决融合检测准则 2.3.4 最大后验概率融合检测准则 2.3.5 Neyman-Pearson融合检测准则 2.3.6 贝叶斯（Bayes）融合检测准则 2.3.7 最小误差概率准则 2.4 自适应决策融合分布式检测系统 2.4.1 概述 2.4.2 求解参数的方程组及解析式 2.4.3 三传感器的自适应决策融合算法 2.4.4 N传感器的自适应决策融合算法 2.4.5 计算机仿真结果

全局最优化方法是检测融合理论的核心内容，融合检测系统 性能优于单个传感器的充分必要条件是一个主要问题,即：

多个性能相近的传感器融合能获得较好的效果； 如果一个传感器优于其他传感器太多，融合效果不明显；
2.1.1 检测融合的内容及其发展





1987年，给出了N-P融合系统的最优融合规则。最优融合规则为 似然比判决规则，判决门限则由融合系统的虚警概率决定； 1989年，Bayes融合系统的全局最优化问题:在各部传感器观测 独立的条件下，融合中心及各部传感器的最优判决规则均为似然 比判决规则； 1991年，各部传感器观测相关条件下，N-P融合系统的最优融合 规则问题； 1992年，各部传感器观测相关条件下, Bayes融合系统的最优融 合规则问题； 1994年，分布式Bayes检测融合系统的异步检测问题； 1996年，N-P融合系统的全局最优化问题，并给出了融合中心及 各部传感器的最优判决规则：传感器观测独立的条件下，最优判 决规则可简化为似然比判决规则；而为了求得各部传感器的最优 判决门限，则需要求解一组高度耦合的非线性方程。
2.1.1 检测融合的内容及其发展

除了基本的并行结构以外，分布式融合系统还可采用其它多 种融合结构。 1982年，采用其他融合结构的可行性； 1988年，串行融合系统的全局最优化融合算法； 1991年，给出串行融合系统检测性能达到最优的充分必要 条件； 1993年，串行融合结构推广到树形融合结构。 1996年，带有反馈结构的融合系统的检测性能。
(b)并行结构的每个局部节点的传感器在收到未经处理 原始数据之后，在局部节点分别作出局部检测判决，然后， 它们在检测中心通过融合得到全局决策。这种结构在分布检 测系统中的应用较为普遍。
现象 H
Y1 S1 Y2 S2 YN 1 YN SN S N 1
1
2 0
N 1
N
检测中心
图2 并行结构
5.优点


2 分布式检测融合系统
2.1 信息检测融合概述 2.1.1 检测融合的内容及其发展 2.1.2 检测融合方式分类及特点 2.2 分布式检测融合结构模型 2.2.1 五种模型工作方式及特点 2.2.2 并行结构中的分布检测融合 2.2.3 串行结构中的分布检测融合 2.3 分布式检测判别准则 2.3.1 “与”融合检测准则 2.3.2 “或”融合检测准则 2.3.3 表决融合检测准则 2.3.4 最大后验概率融合检测准则 2.3.5 Neyman-Pearson融合检测准则 2.3.6 贝叶斯（Bayes）融合检测准则 2.3.7 最小误差概率准则 2.4 自适应决策融合分布式检测系统 2.4.1 概述 2.4.2 求解参数的方程组及解析式 2.4.3 三传感器的自适应决策融合算法 2.4.4 N传感器的自适应决策融合算法 2.4.5 计算机仿真结果
2.1.2 检测融合方式分类及特点

融合方式可分为集中式与分布式两种；
集中式融合方式：各部传感器将其观测数据直接 传输到融合中心；融合中心根据各部传感器的观测数 据进行假设检验，并形成最终的判决。 特点：可获得较好的检测性能；数据传输量大； 可提供融合系统检测性能的上限，作为评价各种融合 算法检测性能的标准
2.2.1 五种模型工作方式及特点
下面，我们再着重介绍一下串行结构中的分 布式检测融合和并行结构中的分布式检测融合。
2 分布式检测融合系统
2.1 信息检测融合概述 2.1.1 检测融合的内容及其发展 2.1.2 检测融合方式分类及特点 2.2 分布式检测融合结构模型 2.2.1 五种模型工作方式及特点 2.2.2 串行结构中的分布检测融合 2.2.3 并行结构中的分布检测融合 2.3 分布式检测判别准则 2.3.1 “与”融合检测准则 2.3.2 “或”融合检测准则 2.3.3 表决融合检测准则 2.3.4 最大后验概率融合检测准则 2.3.5 Neyman-Pearson融合检测准则 2.3.6 贝叶斯（Bayes）融合检测准则 2.3.7 最小误差概率准则 2.4 自适应决策融合分布式检测系统 2.4.1 概述 2.4.2 求解参数的方程组及解析式 2.4.3 三传感器的自适应决策融合算法 2.4.4 N传感器的自适应决策融合算法 2.4.5 计算机仿真结果