基于图模型的受限网络检测算法研究

论文摘要

无线传感器网络作为微型化设备和无线通信相结合的产物,已在地理、生物、监视、故障检测等科学领域和工程应用中得到了广泛的探索和研究。由于节点的能量供应有限,能量约束问题的研究具有重要的理论意义和较高的应用价值。图模型理论是概率论和图论密切结合的产物,为涉及到概率推论的问题提供了有效的解决方法。本文通过引入图模型,有望改进检测算法,提高检测性能。为此,本文开展了如下研究工作:（1）推导了在P-B-P最优条件下的队决策方法。由于传统决策方法没有完全考虑节点间的因果关系,以及队决策求解（Team decision solution）方法的局限性,给定一些模型假设,从最小化风险函数出发,按照贝叶斯公式和相关的图模型理论方法,进行详细的推导。通过仿真分析了相关性和信噪比等参数对该算法的影响,验证了其有效性。（2）建立基于信道模型的队决策方法。由于环境的复杂,信号在信道的传输中会发生衰减或者产生各种偏差,对此建立信道模型,推导决策方法,从而扩展了队决策方法的应用范围,并以机动目标跟踪为背景展开分析。（3）提出一种新的机动目标跟踪问题跟踪方法——N-KF。该方法是基于全局风险最小准则设计的,旨在提高机动目标的跟踪精度。通过求解残差的类条件概率分布,计算得到残差的阈值,确定目标的运动模型以及发生机动的时刻,再运用Kalman滤波进行跟踪算法研究。最后通过仿真分析和性能对比,说明该方法的有效性和优越性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景及选题意义
• 1.2 无线传感器网络简介
• 1.3 图模型简介
• 1.4 基于多传感器网络检测算法综述
• 1.5 多传感器目标跟踪简述
• 1.6 当前研究热点、难点与未来的研究方向
• 1.7 本文的主要内容及章节安排
• 1.8 本章小结
• 第2章 基础知识
• 2.1 图论基础知识
• 2.2 二元检测基础
• 2.3 图模型基础知识
• 2.4 常见的贝叶斯决策
• 2.4.1 最小错误率贝叶斯决策
• 2.4.2 基于最小风险的贝叶斯决策
• 2.4.3 Person-By-Person 最优
• 2.5 几种检测方法综述
• 2.6 本章小结
• 第3章 P-B-B 最优准则下的网络检测算法
• 3.1 引言
• 3.2 贝叶斯风险及决策
• 3.2.1 单传感器情形
• 3.2.2 多传感器情形
• 3.3 队决策方法
• 3.4 计算量及能耗分析
• 3.5 仿真验证
• 3.6 本章小结
• 第4章 基于全局风险最小准则的机动目标跟踪算法
• 4.1 引言
• 4.2 问题描述
• 4.3 信道模型
• 4.3.1 单父亲节点信道模型
• 4.3.2 多父亲节点信道模型
• 4.4 队决策方法描述
• 4.5 跟踪算法描述
• 4.6 仿真验证
• 4.6.1 仿真实验1——机动模型
• 4.6.2 仿真实验2——突变模型
• 4.7 本章小结
• 第5章 总结与展望
• 5.1 论文工作总结
• 5.2 论文工作展望
• 致谢
• 参考文献
• 附录
• 详细摘要