一种基于异构雷达传感网的多目标融合检测方法

摘要

本发明属于异构雷达传感器网络目标检测领域，具体涉及一种基于异构雷达传感网的多目标融合检测方法。首先定义多目标检测领域的两个性能评价标准；然后基于异构雷达传感网的多目标融合检测方法ALR-ML、LR-ML与LF-BR，解决了在衰落与加性高斯白噪声信道下的多目标检测融合问题。通过在低信噪比情况下用ALR-ML代替算法LR-ML，LR-ML的平均贝叶斯风险高于LF-BR，但是LF-BR的目标全部正确检测的平均概率低于LR-ML，所以如果想获得更高的目标全部正确判断的概率，可以用LR-ML来代替LF-BR，并且随着目标个数的增多，LR-ML与LF-BR的区别越明显。本发明实现了在衰落与噪声信道下对多目标检测进行建模并分析其性能。

主权项

一种基于异构雷达传感网的多目标融合检测方法，具体包括以下步骤：步骤1、先验知识准备，目标与雷达传感器概率参数的设定，及各假设先验概率P(H_n)与各雷达传感器将假设H_j判为H_i的先验概率P_k,ij的推导；1.1、为每一个目标分配一个比特位，目标出现为1，目标未出现为0，则M个目标检测问题变成2^M个假设检验问题，定义假设H_n代表了第n种假设，向量a_n代表H_n的二进制序列，向量a_n的第m个元素为a_n(m)，表示第m个目标出现与否；1.2、求解步骤1.1定义的假设H_n的概率$P\left(H_n\right)=\underset{m=1}{\overset{M}{\Pi }}{\left(P_m\right)}^{d_1}{\left(1-P_m\right)}^{d_2}$其中，d₁＝a_n(m)，d₂＝1‑a_n(m)，P_m为第m个目标出现的概率，P_dk,m与P_fk,m分别为第k个雷达对第m个目标的检测概率与虚警概率；1.3求解第k个雷达传感器把假设H_j判为H_i的概率为$\begin{array}{c}{P}_{k,ij}=P_k\left(H_i/H_j\right)\\ =\underset{m=1}{\overset{M}{\Pi }}{\left(1-P_{fk,m}\right)}^{b_1}{P_{fk,m}}^{b_2}{\left(1-P_{dk,m}\right)}^{b3}{P_{dk,m}}^{b_4}\end{array}$其中，b₁＝(1‑a_j(m))(1‑a_j(m))，b₂＝(1‑a_j(m))a_j(m)，b₃＝a_j(m)(1‑a_j(m))，b₄＝a_j(m)a_j(m)；步骤2、数据传输信道建模，多个雷达传感器将局部的判决信息，经过衰落噪声信道发送到融合中心进行处理；2.1、每个雷达传感器根据自己的局部判决信息，独立地生成假设H_n，并以PAM调制的方式将幅度为n的信号u_k发送到融合中心，如果检测到没有一个目标出现即H₀，则不发送任何信号；2.2、在融合中心收到的来自第k个雷达传感器的信号为y_k＝h_ku_k+n_k其中，h_k为第k个锐利信道的衰落包络，n_k为均值为0，方差为σ²的加性高斯白噪声；步骤3、融合中心根据收到的雷达传感器发送的信号y＝[y₁,...,y_K]，采用最小贝叶斯风险系统融合检测方法LF‑BR、最大似然函数系统融合检测方法LR‑ML或最大近似似然函数系统融合检测方法ALR‑ML进行判决。