CN103746754B - 基于概率统计的检测可靠性估计方法 - Google Patents

Abstract

本发明公开了一种用于情报侦察网络中基于概率统计的检测可靠性估计方法。该方法用于由多个检测节点协作对无线信号进行检测的情报侦察网络。该方法利用信息融合中心存储的历史的本地和全局检测结果，对各个检测节点的本地检测结果可靠性进行估计，使得信息融合中心能够在信息融合中考虑本地检测结果可靠性对全局检测可靠性的影响。现有技术相比，本发明的技术优势在于：（1）降低了报告信道的设计复杂度；（2）减小了报告信道的数据开销，提高了系统的效率。因此本发明特别适用于采用无线报告信道的侦察网络。

Description

基于概率统计的检测可靠性估计方法

技术领域

本发明涉及情报侦察网络对无线信号探测中的一种检测可靠性估计方法，特别是一种基于概率统计的检测可靠性估计方法。

背景技术

无线电信号是重要的情报来源，采用电子技术和设备检测并发现空中的无线信号是情报侦察的关键技术之一。在情报侦察中，为了提高无线电信号检测的可靠性，通常采用多节点协作的方式，将多个检测节点组成侦察网络，通过信息融合中心将各个检测节点的本地检测结果经过融合后，给出全局检测的结果，如图1所示。相对与单一检测节点的侦察方式，多节点组网充分利用各个节点地理位置差异带来的空间分集增益，能够有效提高检测结果的可靠性。

但是，检测节点地理位置的差异也带来了传播环境的差异。当目标信号出现时，各个检测节点接收到的是同一目标信号经历不同传播环境后的副本，因此各个检测节点的检测可靠性必然存在差异。在信息融合中，必须充分考虑检测节点可靠性的差异对融合结果的影响，使得可靠性高的节点在融合中能够获得更大的权重。为此，融合中心在融合时必须能够获得检测节点的本地检测结果可靠性指标。

为了实现对本地检测结果可靠性的估计，目前的侦察网络主要通过检测节点接收到目标信号的平均信噪比估计检测节点的可靠性，其实现方法主要由两种：

1)由各个检测节点根据目标信号的平均信噪比估计检测可靠性后，将可靠性指标通过报告信道上传至融合中心

2)各个检测节点将目标信号的平均信噪比通过报告信道上传至信息融合中心后，由融合中心估计各个检测节点的可靠性。

现有的两种实现方式都需要由检测节点通过报告信道向信息融合中心传输额外的数据信息，这两种方式都存在以下问题：（1）增加报告信道设计的复杂度；（2）显著增大报告信道的数据开销，降低系统的整体效率。尤其对于采用无线报告信道的侦察网络来说，报告信道的频谱资源是受限的，因此上述方法在采用无线报告信道的网络中是难以实现的。

发明内容

本发明的目的在于提供一种基于概率统计的检测可靠性估计方法，实现信息融合中心对检测节点可靠性指标的估计。

实现本发明的技术解决方案为：

步骤1：信息融合中心融合本检测周期内各个检测节点的本地检测结果，得到本检测周期的全局检测结果。

步骤2：更新融合中心缓存，将本检测周期的本地和全局检测结果存入缓存。

步骤3：利用缓存内历史的本地和全局检测结果，以及缓存内的全局检测结果的可靠性指标，估计本地检测结果的可靠性指标。

步骤4：利用缓存内的本地检测的可靠性指标，计算全局检测结果的可靠性指标。

步骤5：将步骤3计算所得的本地检测结果可靠性指标和步骤4计算所得的全局检测结果可靠性指标存入缓存，覆盖缓存内原有数据。

步骤6：返回步骤1，等待开始下一检测周期。

本发明中，检测节点的可靠性估计由信息融合中心执行，信息融合中心对本地检测可靠性指标的估计主要依赖缓存中历史的本地和全局检测结果，因此不需要在报告信道中传输额外数据信息。现有技术相比，本发明的技术优势在于：（1）降低了报告信道的设计复杂度；（2）减小了报告信道的数据开销，提高了系统的效率。因此本发明特别适用于采用无线报告信道的侦察网络。

附图说明

图1为采用多节点协作检测的侦察网络示意图；

图2为侦察网络对信号的周期性检测方式示意图；

图3为信息融合中心的信息融合过程示意图

具体实施方式

下面结合说明书附图对本发明进行进一步详述：

本发明涉及的侦察网络中，进行协作的N个检测节点保持时间同步，采用周期性检测的方式不间断的进行侦察活动，如图2所示。

一个检测周期分为三个时隙：检测时隙、报告时隙和信息融合时隙。

在检测时隙，各个检测节点进行信号检测，并给出各自的本地检测结果l_i(i=1,2,…,N)。其中，i为检测节点编号，N为侦察网络中参与协作的检测节点个数，l_i的取值为

在报告时隙，各个检测节点通过报告信道向信息融合中心上报各自的本地检测结果。

在信息融合时隙，信息融合中心根据本地检测结果的可靠性对来自不同检测节点的本地检测结果进行加权，并根据加权结果最后得出本检测周期的全局检测结果g。

全局检测结果g是l_i的函数，因此信息融合的方案可以表示为

其中，[□]_1×N表示下标从1到N的全体元素构成的向量，[l_i]_1×N为N个本地检测结果构成的向量。f(□)根据具体情况选取，其表达式的确定不在本专利的技术方案之内。

在融合过程中，本地检测结果l_i的可靠性主要由两个指标来衡量：本地检测正确检出率P_d,i和误检率P_f,i，其定义为

$\left\{\begin{array}{c}{P}_{d,i}=P\{l_i=1|H_1\}\\ P_{f,i}=P\{l_i=1|H_0\}\end{array}\right.---\left(2\right)$

其中，H₀表示目标信号实际不存在，H₁表示目标信号实际存在。

类似的，可以定义全局检测结果g的可靠性指标：全局检测正确检出率P_d和误检率P_f

$\left\{\begin{array}{c}{P}_d=P\{g=1|H_1\}\\ P_f=P\{g=1|H_0\}\end{array}\right.---\left(3\right)$

在本发明中，融合中心的缓存包括一个(N+1)×M的二进制数缓存和一个(N+1)×2的浮点数缓存。其中，二进制数缓存用来存储历史的本地和全局检测结果，浮点数缓存用来存储本地和全局检测的可靠性指标。

二进制数缓存的第i(i=1,2,…,N)行存储了第i个检测节点上传的本地检测结果，第N+1行存储了全局检测结果。缓存每一列存储的是同一周期内的本地和全局检测的结果。因此，(N+1)×M的二进制数缓存共能存储M个周期内的本地和全局检测结果。

浮点数缓存第i(i=1,2,…,N)行的两列分别存储第i个检测节点的本地检测正确检出率P_d,i和误检率P_f,i，第N+1行的两列存储全局检测正确检出率P_d和误检率P_f。

结合图3，下面详细说明本发明的实施过程：

步骤1：信息融合中心融合本检测周期内N个检测节点的本地检测结果，得出本检测周期的全局检测结果g。

步骤2：更新信息融合中心缓存，将本检测周期的本地和全局检测结果存入二进制数缓存。

更新缓存中的过程如下：

1)丢弃二进制数缓存中最早的一个周期的N个本地检测结果和全局检测结果，对应于图中缓存第1列；

2)二进制数缓存剩余数据左移一位，空出最后一列的存储空间；

3)将本检测周期内检测节点i(i=1,2,…,N)的本地检测结果l_i存入二进制数缓存的第i行第M列的存储空间内；将全局检测结果存入第N+1行第M列的存储空间内。

步骤3：利用缓存内历史的本地和全局检测结果，以及全局检测正确检出率P_d和误检率P_f，估计本周期本地检测结果的可靠性指标P_d,i和P_f,i。

通过对比每个周期内二进制缓存中存储的历史的本地和全局检测结果，融合中心可以对每个检测节点i统计事件{l_i=1|g=1}和事件{l_i=1|g=0}发生的次数，进而得到概率P{l_i=1|g=1}和P{l_i=1|g=0}。根据全概率公式，上述概率可以表示为

$\left\{\begin{array}{c}P\{l_i=1|g=1\}=\frac{P\left\{H_1\right\}{P}_d{P}_{d,i}+P\left\{H_0\right\}{P}_f{P}_{f,i}}{P\left\{H_1\right\}{P}_d+P\left\{H_0\right\}{P}_f}\\ P\{l_i=1|g=0\}=\frac{P\left\{H_1\right\}(1-P_d)P_{d,i}+P\left\{H_0\right\}(1-P_f)P_{f,i}}{P\left\{H_1\right\}(1-P_d)+P\left\{H_0\right\}(1-P_f)}\end{array}\right.---\left(4\right)$

其中，P{H₁}和P{H₀}分别表示目标信号出现和不出现的先验概率，取决于目标信号本身的特征，是可以预先获得的已知量。

令

$a_1=\frac{P\left\{H_1\right\}{P}_d}{P\left\{H_1\right\}{P}_d+P\left\{H_0\right\}{P}_f}---\left(5\right)$

$b_1=\frac{P\left\{H_0\right\}{P}_f}{P\left\{H_1\right\}{P}_d+P\left\{H_0\right\}{P}_f}---\left(6\right)$

c₁=P{l_i=1|g=1}(7)

$a_2=\frac{P\left\{H_1\right\}(1-P_d)}{P\left\{H_1\right\}(1-P_d)+P\left\{H_0\right\}(1-P_f)}---\left(8\right)$

$b_2=\frac{P\left\{H_0\right\}(1-P_f)}{P\left\{H_1\right\}(1-P_d)+P\left\{H_0\right\}(1-P_f)}---\left(9\right)$

c₂=P{l_i=1|g=0}(10)

将公式(5)-(9)代入公式(4)可得

$\left\{\begin{array}{c}{P}_{f,i}=\frac{c_1{a}_2-c_2{a}_1}{b_1{a}_2-b_2{a}_1}\\ P_{d,i}=\frac{c_1{b}_2-c_2{b}_1}{a_1{b}_2-a_2{b}_1}\end{array}\right.---\left(11\right)$

利用公式(11)即可求出各个检测节点的本地检测结果可靠性指标。

步骤4：利用步骤3求得的本地检测结果可靠性指标P_d,i和P_f,i，计算全局检测结果的可靠性指标。

定义本地检测向量空间L，记为

L={[l_i]_1×N|l_i=1或0,1≤i≤N}(12)

本地向量检测空间给出了各个检测节点本地检测结果l_i所有可能的组合。

当目标信号实际存在，且全局检测结果为1时，全局检测正确。相应的全局检测正确概率可以记为

$P_d=P(f\left({\left[\stackrel{\‾}{l_i}\right]}_{1\×N}\right)=1|H_1)=\underset{{\left[\stackrel{\‾}{l_i}\right]}_{1\×N}\∈L,f\left({\left[\stackrel{\‾}{l_i}\right]}_{1\×N}\right)=1}{\mathrm{\Σ}}P\left({\left[\stackrel{\‾}{l_i}\right]}_{1\×N}\right|H_1)---\left(13\right)$

为了区别于本检测周期内实际的本地检测结果l_i，此处用来表示满足全局检测结果为1的特定的本地检测结果取值。

其中，为H₁条件下，N检测节点的本地检测结果为的概率，该概率表示为

$P\left({\left[\stackrel{\‾}{l_i}\right]}_{1\×N}\right|H_1)=\underset{i:\stackrel{\‾}{l_i}=1}{\mathrm{\Π}}{P}_{d,i}\underset{i:\stackrel{\‾}{l_i}=0}{\mathrm{\Π}}(1-P_{d,i})---\left(14\right)$

类似的，当目标信号实际不存在，且全局检测结果为1时，全局检测误检概率可以记为

$P_f=P(f\left({\left[\stackrel{\‾}{l_i}\right]}_{1\×N}\right)=1|H_0)=\underset{{\left[\stackrel{\‾}{l_i}\right]}_{1\×N}\∈L,f\left({\left[\stackrel{\‾}{l_i}\right]}_{1\×N}\right)=1}{\mathrm{\Σ}}P\left({\left[\stackrel{\‾}{l_i}\right]}_{1\×N}\right|H_0)---\left(15\right)$

其中

$P\left({\left[\stackrel{\‾}{l_i}\right]}_{1\×N}\right|H_0)=\underset{i:\stackrel{\‾}{l_i}=1}{\mathrm{\Π}}{P}_{f,i}\underset{i:\stackrel{\‾}{l_i}=0}{\mathrm{\Π}}(1-P_{f,i})---\left(16\right)$

上述计算过程可以用流程详细描述如下：

1)在目标信号实际存在的假设H₁下，遍历本地检测向量空间L，对空间中每一种可能的本地检测结果向量计算全局检测结果；

2)从向量空间L中选出满足以下条件的本地检测结果向量

$f\left({\left[\stackrel{\‾}{l_i}\right]}_{1\×N}\right)=1---\left(17\right)$

3)根据公式(14)计算每个符合公式(17)的发生的概率；

4)将3)中计算所得的所有概率相加即全局检测的正确检出P_d；

5)在目标信号实际存在的假设H₀下，遍历本地检测向量空间L，对空间中每一种可能的本地检测结果向量计算全局检测结果；

6)从向量空间L中选出满足(17)条件的本地检测结果向量

7)根据公式(16)计算每个符合公式(17)的发生的概率；

8)将7)中计算所得的所有概率相加即全局检测的误检率P_f；

上述流程中，3)和7)计算过程中需要的本地检测可靠性指标P_d,i和P_f,i，来自于浮点数缓存中存储的值。

步骤5：将步骤3计算所得的各个检测节点的本地检测结果可靠性指标P_d,i和P_f,i，存入浮点数缓存的1～N行，覆盖缓存内原来存储的数据；将步骤4计算所得的全局检测结果可靠性指标P_d和P_f，存入浮点数缓存的第N+1行，覆盖缓存内原来存储的数据。

步骤6：返回步骤1，等待开始下一个检测周期。

Claims (4)

1.基于概率统计的检测可靠性估计方法，其特征在于，包括如下步骤：

步骤1：各个检测节点将本地检测结果经过信息融合中心融合，得出本检测周期的全局检测结果；

步骤2：更新融合中心缓存，将本检测周期的本地和全局检测结果存入信息融合中心设置的缓存中；

步骤3：利用缓存内历史的本地和全局检测结果，以及缓存内的正确检出率和误检率，估计本地检测结果的可靠性指标；

步骤4：利用缓存内的本地检测可靠性指标，计算全局检测结果的可靠性指标；

步骤5：将步骤3计算所得的本地检测结果可靠性指标和步骤4计算所得的全局检测结果可靠性指标存入缓存，覆盖缓存内原有数据；

步骤6：返回步骤1，等待开始下一检测周期。

2.根据权利要求1所述的基于概率统计的检测可靠性估计方法，其特征在于：所述缓存够存储若干个检测周期内的本地和全局检测结果，及本地检测和全局检测的可靠性指标。

3.根据权利要求1所述的基于概率统计的检测可靠性估计方法，其特征在于，步骤3中本地检测结果的可靠性指标的计算方法包括如下步骤：

1)N个参与协作的检测节点的本地检测结果记为l_i(i＝1,2,…,N)；其中，i为检测节点编号，N为侦察网络中参与协作的检测节点个数，l_i的取值为

2)全局检测结果g是l_i的函数，因此信息融合的方案可以表示为

其中，[l_i]_1′N为N个本地检测结果构成的向量；

3)在融合过程中，本地检测结果l_i的可靠性由本地检测正确检出率P_d,i和误检率P_f,i两个指标来衡量，其定义为

$\left\{\begin{array}{c}{P}_{d,i}=P\{l_i=1|H_1\}\\ P_{f,i}=P\{l_i=1|H_0\}\end{array}\right.$

其中，H₀表示目标信号实际不存在，H₁表示目标信号实际存在；

4)定义全局检测结果g的可靠性指标：全局检测正确检出率P_d和误检率P_f

$\left\{\begin{array}{c}{P}_d=P\{g=1|H_1\}\\ P_f=P\{g=1|H_0\}\end{array}\right.$

5)通过对比每个周期内缓存中存储的历史的本地和全局检测结果，融合中心可以对每个检测节点i统计事件{l_i＝1|g＝1}和事件{l_i＝1|g＝0}发生的次数，进而得到概率P{l_i＝1|g＝1}和P{l_i＝1|g＝0}，根据全概率公式，概率P{l_i＝1|g＝1}和P{l_i＝1|g＝0}可以表示为

$\left\{\begin{array}{c}P\{l_i=1|g=1\}=\frac{P\left\{H_1\right\}{P}_d{P}_{d,i}+P\left\{H_0\right\}{P}_f{P}_{f,i}}{P\left\{H_1\right\}{P}_d+P\left\{H_0\right\}{P}_f}\\ P\{l_i=1|g=0\}=\frac{P\left\{H_1\right\}(1-P_d)P_{d,i}+P\left\{H_0\right\}(1-P_f)P_{f,i}}{P\left\{H_1\right\}(1-P_d)+P\left\{H_0\right\}(1-P_f)}\end{array}\right.$

其中，H₀表示目标信号实际不存在，H₁表示目标信号实际存在，P{H₁}和P{H₀}分别表示目标信号出现和不出现的先验概率，取决于目标信号本身的特征，是可以预先获得的已知量；

6)令 $a_1=\frac{P\left\{H_1\right\}{P}_d}{P\left\{H_1\right\}{P}_d+P\left\{H_0\right\}{P}_f}$

$b_1=\frac{P\left\{H_0\right\}{P}_f}{P\left\{H_1\right\}{P}_d+P\left\{H_0\right\}{P}_f}$

c₁＝P{l_i＝1|g＝1}

$a_2=\frac{P\left\{H_1\right\}(1-P_d)}{P\left\{H_1\right\}(1-P_d)+P\left\{H_0\right\}(1-P_f)}$

$b_2=\frac{P\left\{H_0\right\}(1-P_f)}{P\left\{H_1\right\}(1-P_d)+P\left\{H_0\right\}(1-P_f)}$

c₂＝P{l_i＝1|g＝0}

则检测节点i的本地检测可靠性指标为

$\left\{\begin{array}{c}{P}_{f,i}=\frac{c_1{a}_2-c_2{a}_1}{b_1{a}_2-b_2{a}_1}\\ P_{d,i}=\frac{c_1{b}_2-c_2{b}_1}{a_1{b}_2-a_2{b}_1}\end{array}\right.$

4.根据权利要求1所述的基于概率统计的检测可靠性估计方法，其特征在于，步骤4中全局检测结果的可靠性指标的计算方法如下：

步骤4-1：在目标信号实际存在的假设H₁下，遍历本地检测向量空间L，对空间中每一种可能的本地检测结果向量计算全局检测结果；

其中本地检测向量空间L的定义为：

L＝{[l_i]_1×N|l_i＝1或0,1≤i≤N}

本地向量检测空间给出了各个检测节点本地检测结果l_i所有可能的组合；

步骤4-2：从向量空间L中选出满足的本地检测结果向量

表示满足全局检测结果为1的本地检测结果取值；

步骤4-3：根据 $P\left({\[\stackrel{\‾}{l_i}\]}_{1\×N}\right|H_1)=\underset{i:\stackrel{\‾}{l_i}=1}{\Π}{P}_{d,i}\underset{i:\stackrel{\‾}{l_i}=0}{\Π}(1-P_{d,i})$ 计算每个满足的发生的概率，其中，本地检测可靠性指标P_d,i来自于融合中心缓存中存储的值；

步骤4-4：将上一步计算所得的所有概率相加，得到全局检测的正确检测概率P_d；

步骤4-5：在目标信号实际存在的假设H₀下，遍历本地检测向量空间L，对空间中每一种可能的本地检测结果向量计算全局检测结果；

步骤4-6：从向量空间L中选出满足的本地检测结果向量

步骤4-7：根据 $P\left({\[\stackrel{\‾}{l_i}\]}_{1\×N}\right|H_0)=\underset{i:\stackrel{\‾}{l_i}=1}{\Π}{P}_{f,i}\underset{i:\stackrel{\‾}{l_i}=0}{\Π}(1-P_{f,i})$ 计算每个符合的发生的概率，其中，本地检测可靠性指标P_f,i来自于融合中心缓存中存储的值；

步骤4-8：将上一步计算所得的所有概率相加，得到全局检测的误检概率P_f。