無(wú)線傳感器網(wǎng)絡(luò)分布式目標(biāo)檢測(cè)研究.pdf

1、對(duì)客觀物理世界的監(jiān)測(cè)是無(wú)線傳感器網(wǎng)絡(luò)的最重要的應(yīng)用之一，目標(biāo)檢測(cè)問(wèn)題即是要判斷被監(jiān)測(cè)目標(biāo)的發(fā)生與否，是所有監(jiān)測(cè)應(yīng)用的前提。在理想環(huán)境中，對(duì)目標(biāo)是否發(fā)生的判斷是根據(jù)有無(wú)信號(hào)值，然而無(wú)線傳感器網(wǎng)絡(luò)環(huán)境復(fù)雜，其監(jiān)測(cè)環(huán)境往往夾雜著大量的隨機(jī)噪聲對(duì)系統(tǒng)性能造成影響，因此如何能夠在噪聲背景下成功檢測(cè)到目標(biāo)成為本文的研究重點(diǎn)。
　　本文在總結(jié)分析了相關(guān)研究工作與建立無(wú)線傳感器網(wǎng)絡(luò)分布式目標(biāo)檢測(cè)數(shù)學(xué)模型的基礎(chǔ)上，從經(jīng)典分布式目標(biāo)檢測(cè)的決策融合算法

2、能耗，基于分簇結(jié)構(gòu)的決策融合算法以及基于串行結(jié)構(gòu)的分布式檢測(cè)路徑優(yōu)化三個(gè)方面對(duì)該問(wèn)題進(jìn)行了深入研究與探討，主要工作如下:
　　(1)分析了兩種經(jīng)典0-1決策融合方法Counting Rule與Local Vote的能耗情況，對(duì)兩種方法在無(wú)線傳感器網(wǎng)絡(luò)中的應(yīng)用做了能耗方面的討論補(bǔ)充。在大規(guī)模隨機(jī)部署網(wǎng)絡(luò)中，得出不論在目標(biāo)發(fā)生還是未發(fā)生的條件下，每一次系統(tǒng)判決的能耗均可近似為僅關(guān)于其判決為1的節(jié)點(diǎn)個(gè)數(shù)之和，且與其線性相關(guān)。通過(guò)仿真實(shí)驗(yàn)

3、可知得出以下結(jié)論，對(duì)于兩種方法系統(tǒng)判決閾值的設(shè)置，其與每個(gè)節(jié)點(diǎn)的虛警容忍度相關(guān)性較大，而與系統(tǒng)虛警容忍度相關(guān)性較小。與此同時(shí)，盡管Local Vote作者認(rèn)為系統(tǒng)判決所需節(jié)點(diǎn)的個(gè)數(shù)較少，但是由于其較Counting Rule多了鄰居節(jié)點(diǎn)的決策修正過(guò)程，在實(shí)際能耗模型中，其能耗要大于Counting Rule。通過(guò)能耗誤差的仿真實(shí)驗(yàn)可以看出，本章所提出的兩種方法的能耗近似公式是較為準(zhǔn)確的。
　　(2)分析了基于二維平面的0-1決策融

4、合方法應(yīng)用于大規(guī)模無(wú)線傳感器網(wǎng)絡(luò)不足，給出了一般分簇結(jié)構(gòu)網(wǎng)絡(luò)模型下，基于權(quán)值的0-1決策融合模型，提出了基于權(quán)值的分簇決策融合算法W-CDFA，子簇將該簇決策上傳給父親簇時(shí)，將該簇的判決閾值作為該簇的權(quán)重進(jìn)行融合。在恒定虛警概率的前提下，通過(guò)中心極限定律計(jì)算了每個(gè)簇的判決閾值。與此同時(shí)，為了在大規(guī)模網(wǎng)絡(luò)中縮小目標(biāo)的檢測(cè)區(qū)域，提出了一種基于隸屬度概念的有效簇選取策略M-CSS。通過(guò)蒙特卡羅隨機(jī)實(shí)驗(yàn)可以看出，W-CDFA算法較之基于Coun

5、ting Rule的分簇決策融合算法C-CR有著一定的優(yōu)勢(shì)。基于M-CSS的W-CDFA算法通過(guò)估計(jì)目標(biāo)的發(fā)生位置，能夠快速選取有效簇進(jìn)行決策融合，其性能較W-CDFA要優(yōu)。
　　(3)目標(biāo)檢測(cè)源節(jié)點(diǎn)需通過(guò)路由機(jī)制將判決傳輸?shù)饺诤现行模疚姆治隽嘶诖芯W(wǎng)絡(luò)結(jié)構(gòu)下，0-1決策融合的局限性，在基于數(shù)值融合的前提下，將目標(biāo)檢測(cè)性能轉(zhuǎn)換成無(wú)線傳感器網(wǎng)絡(luò)路由鏈路上的權(quán)值，從而能夠根據(jù)權(quán)值選擇使得檢測(cè)概率最大的路徑。由于無(wú)線傳感器網(wǎng)絡(luò)拓?fù)鋭?dòng)