学位论文 > 优秀研究生学位论文题录展示

无线传感器网络分布式目标检测研究

作　者: 曹啸
导　师: 王汝传
学　校: 南京邮电大学
专　业: 计算机软件与理论
关键词: 无线传感器网络分布式目标检测 Neyman-Pearson准则 0-1决策融合簇间决策融合能耗分析隶属度多径路由蚁群智能优化
分类号: TP212.9
类　型: 硕士论文
年　份: 2012年
下　载: 72次
引　用: 0次
阅　读: 论文下载

内容摘要

对客观物理世界的监测是无线传感器网络的最重要的应用之一,目标检测问题即是要判断被监测目标的发生与否,是所有监测应用的前提。在理想环境中,对目标是否发生的判断是根据有无信号值,然而无线传感器网络环境复杂,其监测环境往往夹杂着大量的随机噪声对系统性能造成影响,因此如何能够在噪声背景下成功检测到目标成为本文的研究重点。本文在总结分析了相关研究工作与建立无线传感器网络分布式目标检测数学模型的基础上,从经典分布式目标检测的决策融合算法能耗,基于分簇结构的决策融合算法以及基于串行结构的分布式检测路径优化三个方面对该问题进行了深入研究与探讨,主要工作如下：(1)分析了两种经典0-1决策融合方法Counting Rule与Local Vote的能耗情况,对两种方法在无线传感器网络中的应用做了能耗方面的讨论补充。在大规模随机部署网络中,得出不论在目标发生还是未发生的条件下,每一次系统判决的能耗均可近似为仅关于其判决为1的节点个数之和,且与其线性相关。通过仿真实验可知得出以下结论,对于两种方法系统判决阈值的设置,其与每个节点的虚警容忍度相关性较大,而与系统虚警容忍度相关性较小。与此同时,尽管Local Vote作者认为系统判决所需节点的个数较少,但是由于其较Counting Rule多了邻居节点的决策修正过程,在实际能耗模型中,其能耗要大于Counting Rule。通过能耗误差的仿真实验可以看出,本章所提出的两种方法的能耗近似公式是较为准确的。(2)分析了基于二维平面的0-1决策融合方法应用于大规模无线传感器网络不足,给出了一般分簇结构网络模型下,基于权值的0-1决策融合模型,提出了基于权值的分簇决策融合算法W-CDFA,子簇将该簇决策上传给父亲簇时,将该簇的判决阈值作为该簇的权重进行融合。在恒定虚警概率的前提下,通过中心极限定律计算了每个簇的判决阈值。与此同时,为了在大规模网络中缩小目标的检测区域,提出了一种基于隶属度概念的有效簇选取策略M-CSS。通过蒙特卡罗随机实验可以看出,W-CDFA算法较之基于Counting Rule的分簇决策融合算法C-CR有着一定的优势。基于M-CSS的W-CDFA算法通过估计目标的发生位置,能够快速选取有效簇进行决策融合,其性能较W-CDFA要优。(3)目标检测源节点需通过路由机制将判决传输到融合中心,本文分析了基于串行网络结构下,0-1决策融合的局限性,在基于数值融合的前提下,将目标检测性能转换成无线传感器网络路由链路上的权值,从而能够根据权值选择使得检测概率最大的路径。由于无线传感器网络拓扑动态变化且目标检测应用往往具有实时性,因此本文基于改进蚁群算法提出了分布式目标检测的多径路由算法DD-ACMRA,通过仿真实验可以看出,其在目标检测性能,路径时延以及网络能耗方面能够根据需求达到较好的性能与平衡。

全文目录

摘要  4-6
ABSTRACT  6-10
第一章绪论  10-21
  1.1 课题研究背景与意义  10-14
    1.1.1 无线传感器网络概述  10-13
    1.1.2 课题研究意义  13-14
  1.2 国内外研究现状  14-18
    1.2.1 无线传感器网络  14-15
    1.2.2 分布式目标检测  15-18
  1.3 论文主要工作  18-19
  1.4 论文组织结构  19-21
第二章分布式目标检测数学基础与网络模型  21-29
  2.1 二元假设检验理论  21-24
    2.1.1 二元假设检验数学模型  21-22
    2.1.2 贝叶斯准则  22
    2.1.3 Neyman-Pearson准则  22-23
    2.1.4 性能评价方法  23-24
  2.2 数学模型与问题定义  24-28
    2.2.1 网络拓扑模型  24-25
    2.2.2 信号感知模型  25-26
    2.2.3 网络能耗模型  26-27
    2.2.4 分布式目标检测问题定义  27-28
    2.2.5 数学符号说明  28
  2.3 本章小结  28-29
第三章经典0-1决策融合能耗分析  29-44
  3.1 Counting Rule  29-30
  3.2 Local Vote  30-31
  3.3 能耗理论分析  31-37
    3.3.1 分析场景  31-32
    3.3.2 论数值计算  32-36
    3.3.3 分析讨论  36-37
  3.4 检测性能与能耗实验  37-43
    3.4.1 实验环境与方法  37
    3.4.2 实验一:检测性能比较  37-39
    3.4.3 实验二:能耗实验  39-43
  3.5 本章小结  43-44
第四章基于簇结构的0-1决策融合性能分析  44-60
  4.1 基于平面拓扑结构的分布式目标检测的不足  44-45
  4.2 基于权值的簇间0-1决策融合算法  45-51
    4.2.1 簇间决策融合模型  45-46
    4.2.2 基于权值的簇间决策融合算法描述  46-51
  4.3 基于隶属度的有效簇选取策略  51-54
    4.3.1 隶属度概念  52
    4.3.2 有效簇选取策略  52-54
  4.4 实验与性能评价  54-59
    4.4.1 实验方法与环境  54-55
    4.4.2 实验一:判决阈值比较  55-56
    4.4.3 实验二:检测性能比较  56-59
  4.5 本章小结  59-60
第五章实时分布式目标检测多径优化方法  60-80
  5.1 问题描述与建模  60-68
    5.1.1 0-1决策融合在串行拓扑中的不足  60-63
    5.1.2 目标检测路由模型与假设  63
    5.1.3 路由中目标检测性能的计算  63-66
    5.1.4 问题定义  66-68
  5.2 实时多径目标检测路由算法  68-71
    5.2.1 经典蚁群优化算法的不足  68
    5.2.2 信息素初始优化  68-70
    5.2.3 多径选择机制  70-71
  5.3 仿真实验与分析  71-78
    5.3.1 实验工具  71
    5.3.2 实验一:算法收敛性比较  71-74
    5.3.3 实验二:检测路径性能比较  74-78
    5.3.4 实验三:多径能耗比较  78
  5.4 本章小结  78-80
第六章总结与展望  80-82
致谢  82-84
攻读硕士学位期间发表(录用,投寄)的学术论文  84
攻读硕士学位期间获得的发明专利  84-85
攻读硕士学位期间参加的科研项目  85-86
缩略词表  86-87
图表清单  87-89
参考文献  89-92

无线传感器网络分布式目标检测研究

内容摘要

全文目录

相似论文