[發明專利]適用于無線傳感網的基于互相關的分布式信號檢測實現方法

無效

• 申請號: 201110387587.2
• 申請日: 2011-11-29
• 公開（公告）號: CN102404061A
• 公開（公告）日: 2012-04-04
• 發明（設計）人: 蔣慧娟;楊克虎;張少侃;趙杭生;柳永祥;許金勇;張余
• 申請（專利權）人: 中國人民解放軍總參謀部第六十三研究所
• 主分類號: H04B17/00
• 分類號: H04B17/00;H04W24/08;H04W84/18
• 代理公司: 南京天華專利代理有限責任公司 32218
• 代理人: 夏平

1.一種適用于無線傳感網的基于互相關的分布式信號檢測實現方法，其特征是它包括以下步驟：

第一步，歷遍無線傳感網中的所有節點，根據傳感節點的處理能力、所處位置、分配任務選取一個匯聚節點，該匯聚節點分別和其余各普通節點分別兩兩組成一組；

第二步，無線傳感網中的所有節點均對同一區域內的任一待監測目標的電磁信號進行監測，經過一段觀測時間后，匯聚節點將自己接收到的電磁信號廣播出去，各普通節點接收到匯聚節點發出的信號后，將其與普通節點自身接收的電磁信號做互相關處理，計算互相關模值的峰值或互相關實部的峰值；

第三步，選定檢測值的類型，采用互相關模值的峰值或互相關實部的峰值，各普通節點根據檢測值的類型，將其相應的數據發回給匯聚節點，匯聚節點根據這些信息，估計各組節點檢測值的均值和協方差矩陣即互相關模值的峰值或互相關實部的峰值的均值和協方差矩陣，從而得到其相應的概率密度函數；

第四步，在第三步得到的檢測值概率密度函數的基礎上，匯聚節點將各組節點的檢測值在整個實數范圍內劃分成一個個離散的區間，對每組節點而言，其檢測值在其離散區間上的概率相等，然后匯聚節點在這些離散的檢測值區間上采用Gauss-Seidel迭代方法來搜索貝葉斯準則下的最佳本地檢測規則；

第五步，匯聚節點將搜索到的最佳本地檢測規則發送給各普通節點，各普通節點重復步驟二，依據最佳檢測規則來對其檢測值即互相關模值的峰值或互相關實部的峰值進行判決，以對未知發射機的活動與否進行檢測。

2.根據權利要求1所述的適用于無線傳感網的基于互相關的分布式信號檢測實現方法，其特征是它具體包括以下步驟：

(a)、某電磁環境中有一個待監測目標T₁，某頻譜監測傳感網中N_p+1個節點{S₀，S₁，S₂，S₃，S₄，...，S_Np}，根據節點的處理能力、所處位置、分配任務等，設置節點S₀為匯聚節點，節點{S₁，S₂，S₃，S₄，...，S_Np}為普通節點，然后，再由匯聚節點分別和每個普通節點兩兩組成一組，即S₀和S₁、S₀和S₂、S₀和S₃、S₀和S₄、...、S₀和S_Np分別組成N_p組，假設N_p＝4；

(b)、從某一時刻起，頻譜監測傳感網開始監測某區域內的電磁環境，經過一段時間后，匯聚節點S₀將其接收信號廣播給普通節點S₁，S₂，S₃，S₄，普通節點S₁，S₂，S₃，S₄再將廣播信號與其接收信號做互相關處理，然后找到互相關模值的峰值或互相關實部的峰值，

假設待監測目標T₁發出的信號是直接到達接收節點的，節點S_i的接收信號為

xi(t)=αis~(t-τi)+n~i(t),i=0,1,···,4]]>

其中，為待監測目標T₁發出的信號，α_i為待監測目標T₁發出的信號到節點S_i的路徑損耗，為第i條信道的加性高斯白噪聲，i表示節點的序號，t表示時間，

依據下述表達式，將匯聚節點S₀的接收信號與普通節點S_i的接收信號做互相關處理，即

ri(τ)=Σk=1Kx0(k)xi*(k+τ)]]>

其中，上標“*”表示取共軛，k表示采樣信號的時間序號，τ表示延時，K表示參與互相關運算的采樣個數，

檢測值y_i的選取可以有兩種情況，一種是選取互相關模值的峰值，即

yi=maxτ|ri(τ)|,]]>τi=argmaxτ|ri(τ)|]]>

另一種是選取互相關實部的峰值，即

yi=maxτreal(ri(τ)),]]>τi=argmaxτreal(ri(τ))]]>

其中，|·|表示取模值，real(·)表示取實部，max(·)表示取最大值，arg(·)表示其對應的參數；

(c)、普通節點S₁，S₂，S₃，S₄將找到的檢測值即互相關模值的峰值或互相關實部的峰值，發回給匯聚節點S₀，匯聚節點S₀根據這些信息，估計每組節點檢測值的均值和協方差矩陣，從而得到其相應的概率分布，

1)如果選擇互相關實部的峰值作為檢測值y_i，即

yi=maxτreal(ri(τ))]]>

則可知y₁，y₂，y₃，y₄服從聯合高斯分布，且在給定H₀和H₁的情況下其均值向量u₀，u₁與協方差矩陣C₀，C₁可通過下式來估計，即

ui=(1MΣm=1Myj(m)|Hi)4×1,i=0,1j=1,...,4]]>

Ci=(1MΣm=1M(yj(m)-[ui]j)(yk(m)-[ui]k)|Hi)4×4,i=0,1j,k=1,...,4]]>

其中，y_j^(m)表示第j組節點檢測量的第m個檢測值，[u_i]_j表示向量u_i的第j個元素，M表示參與統計特性估計的檢測值個數；

2)如果選擇互相關模值的峰值作為檢測值y_i，即

yi=maxτ|ri(τ)|=|ri(τi)|=|y^i|]]>

τi=argmaxτ|ri(τ)|,]]>y^i=ri(τi)]]>

其中，|·|表示取模值，max(·)表示取最大值，arg(·)表示其對應的參數，

在H₀成立的情況下，y₁，y₂，y₃，y₄的聯合分布為

p=(y1,y2,y3,y4|H0)=16y1y2y3y4|C^0|exp(-Σi=14yi2[B]ii(R))]]>

其中，[·]_ij表示矩陣第i行第j列元素，|·|表示矩陣的行列式，上標R和I分別表示復變量的實部和虛部，且

[B]ij=[C^0-1]ij=[B]ij(R)+j[B]ij(I)]]>

其中，j表示虛數單位，，向量分別表示向量在給定H₀和H₁情況下的均值，矩陣分別表示向量在給定H₀和H₁情況下的協方差，在H₁成立的情況下，y₁，y₂，y₃，y₄的聯合分布為

p(y|H1)=y1y2y3y4π4|C^1|∫02π∫02π∫02πexp(-y42[B]44(R)-Σi=13Σj=13yiyjρijcos(θi-θj-ψij))]]>

×exp(2Σj=13Σi=14([u^1]i(R)[B]ij(R)+[u^1]i(I)[B]ij(I))yjcosθj)]]>

×exp(2Σj=13Σi=14([u^1]i(I)[B]ij(R)-[u^1]i(R)[B]ij(I))yjsinθj-Cc)]]>

×2πBesselI(0,Ca2+Cs2)dθ3dθ2dθ1]]>

其中，|·|表示矩陣的行列式，[·]_ij表示矩陣第i行第j列元素，[·]_i表示向量第i個元素，上標R和I分別表示復變量的實部和虛部，BesselI(0，x)表示輸入變量為x的第一類修正零階貝塞爾函數，且

[B]ij=[C^1-1]ij=[B]ij(R)+j[B]ij(I)]]>

ρij=([B]ij(R))2+([B]ij(I))2,]]>ψij=tan-1([B]ij(R)[B]ij(I))]]>

θi=tan-1(y^i(R)y^i(I)),]]>φ_ij＝y_iy_jρ_ij

ξj=-2Σi=14([u^1]i(R)[B]ij(R)+[u^1]i(I)[B]ij(I))yj]]>

γj=-2Σi=14([u^1]i(I)[B]ij(R)-[u^1]i(R)[B]ij(I))yj]]>

C_a＝φ₁₄cos(θ₁-ψ₁₄)+φ₂₄cos(θ₂-ψ₂₄)+φ₃₄cos(θ₃-ψ₃₄)+ξ₄

C_s＝φ₁₄sin(θ₁-ψ₁₄)+φ₂₄sin(θ₂-ψ₂₄)+φ₃₄sin(θ₃-ψ₃₄)+γ₄

Cc=[u^1]i(R)[B]ij(R)[u^1]j(R)+[u^1]i(I)[B]ij(R)[u^1]j(I)-[u^1]i(R)[B]ij(I)[u^1]j(I)+[u^1]i(I)[B]ij(I)[u^1]j(R)]]>

其中，j表示虛數單位，均值向量和協方差矩陣可通過一些檢測值估計出來，即

u^i=(1MΣm=1My^j(m)|Hi)4×1,i=0,1j=1,...,4]]>

C^i=(1MΣm=1M(y^j(m)-[u^i]j)(y^k(m)-[u^i]k)*|Hi)4×4,i=0,1j,k=1,...,4]]>

(d)、在第三步得到的檢測值概率密度函數的基礎上，匯聚節點將各組節點的檢測值在整個實數范圍內劃分成一個個離散的區間，對每組節點而言，其檢測值在其離散區間上的概率相等，從而將貝葉斯準則下的最佳本地檢測規則離散化，然后，采用Gauss-Seidel迭代搜索的方法，找到此時的最佳本地檢測規則，

根據貝葉斯準則，平均貝葉斯代價函數可表示為

C_Bayes(I₁(y₁)，…，I₄(y₄)；F)＝C₀₀P₀P(u₀＝0|H₀)+C₀₁P₁P(u₀＝0|H₁)

??????????????????????????????+C₁₀P₀P(u₀＝1|H₀)+C₁₁P₁P(u₀＝1|H₁)

其中，y_i為第i組節點的檢測值，u_i＝I_i(y_i)為第i組節點的檢測結果，I_i(·)為第i組節點的檢測規則，F為融合規則，u₀為融合檢測結果，C_ij(i＝0，1，j＝0，1)表示判決H_i為真而實際H_j為真時所付出的代價，P₁和P₀分表表示兩個假設H₁和H₀的先驗概率，P(u₀＝i|H_j)表示在給定假設H_j情況下融合檢測結果為u₀＝i的概率，

假設融合規則F采用K＝2的K秩序規則，即

F(u₁，u₂，u₃，u₄)＝1-(1-u₁)(1-u₂)(1-u₃)(1-u₄)-u₁(1-u₂)(1-u₃)(1-u₄)

???????????-u₂(1-u₁)(1-u₃)(1-u₄)-u₃(1-u₁)(1-u₂)(1-u₄)-u₄(1-u₁)(1-u₂)(1-u₃)

則，

?????????????????1-F(u₁，...，u₄)＝(1-u₁)P₁₁(u₂，u₃，u₄)+P₁₂(u₂，u₃，u₄)

?????????????????＝(1-u₂)P₂₁(u₁，u₃，u₄)+P₂₂(u₁，u₃，u₄)

?????????????????＝(1-u₃)P₃₁(u₁，u₂，u₄)+P₃₂(u₁，u₂，u₄)

?????????????????＝(1-u₄)P₄₁(u₁，u₂，u₃)+P₄₂(u₁，u₂，u₃)

其中

P₁₁(u₂，u₃，u₄)＝u₂(1-u₃)(1-u₄)+u₃(1-u₂)(1-u₄)+u₄(1-u₂)(1-u₃)

?????????????????P₁₂(u₂，u₃，u₄)＝(1-u₂)(1-u₃)(1-u₄)

P₂₁(u₁，u₃，u₄)＝u₁(1-u₃)(1-u₄)+u₃(1-u₁)(1-u₄)+u₄(1-u₁)(1-u₃)

?????????????????P₂₂(u₁，u₃，u₄)＝(1-u₁)(1-u₃)(1-u₄)

P₃₁(u₁，u₂，u₄)＝u₁(1-u₂)(1-u₄)+u₂(1-u₁)(1-u₄)+u₄(1-u₁)(1-u₂)

?????????????????P₃₂(u₁，u₃，u₄)＝(1-u₁)(1-u₂)(1-u₄)

P₄₁(u₁，u₂，u₃)＝u₁(1-u₂)(1-u₃)+u₂(1-u₁)(1-u₃)+u₃(1-u₁)(1-u₂)

?????????????????P₄₂(u₁，u₂，u₃)＝(1-u₁)(1-u₂)(1-u₃)

(e)、匯聚節點S₀再將找到的步驟d中搜索到的最佳本地檢測規則發送給普通節點S₁，S₂，S₃，S₄，各普通節點將最佳檢測規則存儲在規則存儲器中，然后，依據最佳檢測規則，利用節點對的互相關值對檢測目標的活動與否進行檢測判決。

3.根據權利要求2所述的適用于無線傳感網的基于互相關的分布式信號檢測實現方法，其特征是步驟d中，最佳本地檢測規則的搜索步驟為：

Step1：設定參數先驗概率P₁和P₀、代價因子C_ij(i＝0，1，j＝0，1)和循環控制因子ε，

Step2：根據聯合概率密度函數p(y₁，y₂，y₃，y₄|H₁)求解邊緣概率密度函數p(y_i|H₁)(i＝1，...，4)，如果檢測值采用互相關實部的峰值，那么

p(y_i|H₁)□N([u₁]_i，[C₁]_ii)，i＝1，2，3，4

如果檢測值采用互相關模值的峰值，那么

p(yi|H1)=yi[B]ii(R)exp[-12[B]ii(R)(yi2+([u1]i(R))2+([u1]i(I))2)]BesselI(0,([u1]i(R))2+([u1]i(I))2yi[B]ii(R)),i=1,2,3,4]]>

Step3：分別確定y₁，y₂，y₃，y₄對應劃分區間的個數N₁，N₂，N₃，N₄，求解等概率劃分區間，即求解方程

∫-∞yimp(yi|Hi)dyi=mNi,m=1,...,Ni-1,i=1,...,4]]>

從而得到相應的區間(-∞，y_i1)，[y_i1，y_i2)，...，[y_i(Ni-1)，+∞)，此時，得到的這組區間序列可使檢測值y_i落在每個區間的概率相同，Δy_im表示檢測值y_i的第m個劃分區間的長度，

Step4：設定一組初始規則，記作

m_i＝1，...，N_i，i＝1，...，4

Step5：設定迭代計數器i＝0，

Step6：根據下述公式迭代更新本地檢測規則，即

I1m1(i+1)=I[Σm2=1N2Σm3=1N3Σm4=1N4P11(I2(i)(y2m2),I3(i)(y3m3),I4(i)(y4m4))L^(y1m1,y2m2,y3m3,y4m4)Δy2m2Δy3m3Δy4m4]]]>

m₁＝1，…，N₁

I2m2(i+1)=I[Σm1=1N1Σm3=1N3Σm4=1N4P21(I1(i+1)(y1m1),I3(i)(y3m3),I4(i)(y4m4))L^(y1m1,y2m2,y3m3,y4m4)Δy1m1Δy3m3Δy4m4]]]>

m₂＝1，…，N₂

I3m3(i+1)=I[Σm1=1N1Σm2=1N2Σm4=1N4P31(I1(i+1)(y1m1),I2(i+1)(y2m2),I4(i)(y4m4))L^(y1m1,y2m2,y3m3,y4m4)Δy1m1Δy2m2Δy4m4]]]>

m₃＝1，…，N₃

I4m4(i+1)=I[Σm1=1N1Σm2=1N2Σm3=1N3P41(I1(i+1)(y1m1),I2(i+1)(y2m2),I3(i)(y3m3))L^(y1m1,y2m2,y3m3,y4m4)Δy1m1Δy2m2Δy3m3]]]>

m₄＝1，…，N₄

其中，y_im(i＝1，...，4，m＝1，...，N_i)是檢測值y_i第m個劃分區間的中間值，

L^(y1,...,y4)=P1(C01-C11)p(y1,...,y4|H1)-P0(C10-C00)p(y1,...,y4|H0)]]>

I[x]=1x≥00x<0]]>

Step7：如果

Σm1,m2,m3,m4(|I1m1(i+1)-I1m1(i)|+...+|I4m4(i+1)-I4m4(i)|)<ϵ]]>

則跳到Step8，否則，i＝i+1，然后跳到Step6，

Step8：得到最終的本地最優判決規則，即

m_i＝1，...，N_i，i＝1，...，4。