北航多源信息融合2015课件2检测融合

第二讲检测融合万江文本讲内容•1.检测融合概述•2.分布式检测融合系统•3.分布式检测融合策略2020/1/5多源测试信息融合21.概述（1）•为什么要多传感器？利用单个传感器的检测缺乏多源、多维信息的协同利用、综合评价，不能充分考虑检测对象的系统性和整体性。多传感器检测多信息源融合2020/1/5多源测试信息融合3检测融合估计融合按融合的目的属性融合1.概述（2）•检测融合概念多传感器检测融合就是将来自多个不同传感器的观测数据或判决结果进行综合，从而形成一个关于同一环境或事件的更完全、更准确的判决。是信息融合理论中的一个重要研究内容。4多源测试信息融合2020/1/51.概述（3）检测融合的目的:–消除单个或单类传感器检测的不确定性–提高检测系统的可靠性–改善检测性能–更实用5多源测试信息融合2020/1/51.1检测融合系统的分类多传感器检测融合系统由多个传感器及融合中心构成。融合系统的融合方式分为集中式和分布式融合中心传感器节点MCUsensor1sensor2…sensorn能量供给单元6多源测试信息融合2020/1/51.2集中式检测融合系统传感器1传感器N……y1yN0u全局观测空间全局判定2020/1/5多源测试信息融合7集中式：各传感器对同一目标或现象进行独立观测，并将观测数据直接传送至融合中心。融合中心再借助一定的准则或算法，对各传感器的观测数据进行配准、关联、相关、估计，给出融合结果。1.2集中式检测融合系统特点优点：融合中心数据全面最终判决结果理论置信度高缺点：数据量大，通信带宽要求高信息处理时间长融合中心负荷大2020/1/5多源测试信息融合81.2分布式检测融合系统传感器1传感器N……传感器预处理1传感器预处理N传感器判定传感器判定融合判定…………2020/1/5多源测试信息融合9分布式：各传感器首先基于自己的观测进行判决，然后将判决结果传输到融合中心，融合中心根据所有传感器的判决进行检验，形成最终判决。1.3分布式检测融合系统的特点优点：•数据传输量小，通信带宽要求低•分布式计算，融合效率高•融合中心负荷小缺点：缺乏相互之间的关联数据损失大2020/1/5多源测试信息融合10分布式检测结构是目前多传感器检测的主要结构模型本讲内容•1.概述•2.分布式检测融合系统•3.分布式检测融合策略•4.自适应决策融合分布式检测系统11多源测试信息融合2020/1/52.1分布式检测融合系统分类•并行结构•分散结构•串行结构•树形结构12多源测试信息融合2020/1/52.1分布式检测融合系统分类（1）现象S1S2检测融合中心…………SNY1Y2YNU1U2UNU02020/1/5多源测试信息融合13•并行结构2.1分布式检测融合系统分类（2）现象S1SＮS2…………Y1Y2YNU1U2UN2020/1/5多源测试信息融合14•分散式结构2.1分布式检测融合系统分类（3）现象S1SＮS2…………Y1Y2YNU1U2UN-1U02020/1/5多源测试信息融合15•串行结构2.1分布式检测融合系统分类（4）现象S1S3S2S4S5Y4U1U2U3Y5Y1Y2Y3U5=U02020/1/5多源测试信息融合16•树形结构2.2分布式融合检测系统（1）1.假设检验问题？给定一组假设Hi(i=0,1,…,m-1)，通过对已有的数据集y进行处理，确定当前哪一个假设Hi成立，从而作出决策Dj对于只存在两种假设(H0,H1)的检测问题，称为二元假设检验问题对于多假设问题，如何根据已有数据集y得到的最优决策结果Dx，称为最优决策策略问题2020/1/5多源测试信息融合172.2分布式融合检测系统（2）例如：1.雷达监视区内是否存在目标？H0——无目标H1——有目标2.抛硬币，哪（正、反）面朝上？H0——正面H1——反面18多源测试信息融合2020/1/52.2分布式融合检测系统（3）2.并行分布式检测融合系统2020/1/5多源测试信息融合19假设分布式并行检测融合系统：由融合中心及N个传感器构成。每一个局部传感器基于自己的观测值yi完成同一个决策任务，之后将决策值ui传送到融合中心。融合中心的任务是根据接收到的局部决策，利用最优融合规则，作出最终决策u0现象传感器1传感器2传感器n融合中心y1y2…ynu1u2u1unu02.3检测融合中的二元假设检验问题考虑最简单的并行分布式二元假设检验问题：例如，雷达监视区内是否存在目标？解：设每个传感器的决策值ui为二元值，定义如下：P(H0)=P0和P(H1)=P1分别为H0和H1出现的先验概率，且P0+P1=1。2020/1/5多源测试信息融合20010,()(1,2,1()iHuiH假设判定无目标…,N)，假设判定有目标2.3检测融合中的二元假设检验问题将所有雷达的判决结果ui(i=0,1,…,n)输入融合中心，做出最后判决u0：最终判决结果有四种可能性：00100010(1)0;(2)1;(3)1;(4)0HuHuHuHu为真，判决为真，判决为真，判决为真，判决。0010,()1()HuH假设判定无目标，假设判定有目标√√××21多源测试信息融合2020/1/52.3检测融合中的二元假设检验问题011(1|)(0|)(1|)fmdPPuHPPuHPPuH虚警率：漏检率：检测率：2020/1/5多源测试信息融合22•其中：（3）为第一类错误，称为虚警，即没有目标而判决有目标；（4）为第二类错误，称为漏检，即有目标而判决没有目标。定义几个概率：•多传感器检测融合的目的就是尽量降低漏检率和虚警率。2.4一般二元假设检验问题描述•对于一般的多源检测数据融合问题，数据集y可能是标量或多维向量。将数据空间划分为如下两个区域：R0：接受区，认为假设H0成立而作出决策D0R1：拒绝区，认为假设H1成立而作出决策D1•因此所得概率为：2020/1/5多源测试信息融合2310011101(|),(|)(|)1(|)1fmdmPPDHPPDHPPDHPDHP2.4一般二元假设检验问题描述•假设、分别为y关于和的条件概率密度，则虚警和漏检概率分别为：2020/1/5多源测试信息融合240H1H1100(|)()RPDHpydy0011(|)()RPDHpydy0()py1()py3分布式检测融合策略融合中心如何根据各传感器的决策值得到最终决策结果？25多源测试信息融合2020/1/5常见融合策略1“与”融合检测准则2“或”融合检测准则3表决融合检测准则4最大后验概率融合检测准则5Neyman-Pearson融合检测准则6贝叶斯融合检测准则7最小误差概率准则2020/1/5多源测试信息融合263.1“与”融合检测准则00,01,1u存在判决为的传感器所有传感器判决为2020/1/5多源测试信息融合27•“与”融合检测准则为：•系统的检测概率和虚警概率分别为：•可大大降低系统的虚警概率，但系统检测概率也随之降低。N1iddiPP＝N1iffiPP＝3.2“或”融合检测准则00,01,u所有传感器判决为存在判决为1的传感器2020/1/5多源测试信息融合28•“或”融合检测准则为：•系统的检测概率和虚警概率分别为：•可大大提高系统的检测概率，但系统虚警概率也会随之提高。N1(1)iddiPP＝1-N1(1)iffiPP＝1-3.3表决融合检验准则1kn2020/1/5多源测试信息融合29•在具有n个传感器的检测网络中，设定一个阈值k，当存在k个以上的传感器支持某一假设时，则判定该假设成立。融合准则如下：•其中，。当时，为“与”方法；当时，为“或”方法。kn1k1010,1,NiiNiiukuuk3.3表决融合检验准则1(1)iiiinuuidddjkiujPPP2020/1/5多源测试信息融合30•系统的检测概率和虚警概率分别为：•该准则下k的取值很关键，应该在满足一定虚警率的前提下尽可能提高检测率，或在两者之间进行权衡，与实际要求有关。1(1)iiiinuuifffjkiujPPP3.4最大后验概率融合检测准则（1）(/)jPHu2020/1/5多源测试信息融合31•根据已有数据，选择最有可能产生该数据的假设。令表示在给定全局观测u的前提下，为真的概率，则取对应于的一个假设。融合规则为：•两边取对数可得另外一种形式：jHmax(/u)jPH1100(/)1?:(/)PHuHHPHu1100(/)log0?:(/)PHuHHPHu3.4最大后验概率融合检测准则（2）(/)()(/),(0,1)()iiiPuHPHPHuiPu2020/1/5多源测试信息融合32•应用贝叶斯法则：•故：•从而最大后验概率融合检测准则也可写为：111000(/)(/)()(/)(/)()PHuPuHPHPHuPuHPH011001()(/)?:(/)()PHPuHHHPuHPH3.4最大后验概率融合检测准则（3）010()?:uHH2020/1/5多源测试信息融合33•一般表示为：•定义为似然比。、为似然函数。•因此，式也称为似然比检验。10(/)()(/)PuHuPuH1(/)PuH0(/)PuH010()?:uHH3.4最大后验概率融合检测准则（4）•似然比是假设检验理论中的重要概念，最优处理器由两个基本部分组成，一是似然比计算装置，二是门限装置。•似然比检验检测系统如下图所示：2020/1/5多源测试信息融合343.4最大后验概率融合检测准则（5）10101010101100(/)()(/)(1/)(0/)(1/)(0/)(1)(1)iiRRiiRRiimmRRiiffRRPuHuPuHPuHPuHPuHPuHPPPP2020/1/5多源测试信息融合35•以上给出的是最大后验概率准则的一般原理，下面推导分布式多传感器检测系统中基于最大后验概率准则的融合检测原理。3.4最大后验概率融合检测准则（6）00011()()PHPPHP2020/1/5多源测试信息融合36•将以上连乘式转化为连加式，两边取对数得：•由取对数后可得：•且101log()1iimmiiRRffPPuPP010()?:uHH010log()log?:uHH3.4最大后验概率融合检测准则（7）01011log?:NiiPwHHP2020/1/5多源测试信息融合37•由此得到N个传感器融合的最大后验概率融合检测准则为：•其中：1log(),1log(),01imiifiimiifPuPwPuP3.5Neyman-Pearson融合检测准则（1）1111max(/)max()RPDHpydy2020/1/5多源测试信息融合380100(/)()fRPDHpydyP•该融合准则的基本原则是在假定虚警概率不超过某个特定上限的前提下，使检测概率最大。即通过选择y空间的R1区来解决以下问题：•Neyman-Pearson引理可精确表达寻找R1的策略。3.5Neyman-Pearson融合检测准则（2）Neyman-Pearson引理对于二元假设检验问题，两个假设分别为H0和H1，已知其密度P0(y)和P1(y)。那么对于虚警概率P(D1/H0)≤Pf(Pf0)，具有最大检验概率Pd的区域R1可由似然比检验得到其中λ0是Pf的函数。在非实际情况下,如果Pf=0，那么总是选择H0，除非当P0(y)=0时，才选择H12020/1/5多源测试信息融合3910100()?:()pyHHpy3.5Neyman-Pearson融合检测准则（3）101000(/)[()()/]fPDHPpypyHP2020/1/5多源测试信息融合40λ0值的确定对于给定值Pf，应满足：显然，Neyman-Pearson准则不需要各个假设的先验概率。3.6