版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、本文主要提出了四種新的適用于雷達(dá)傳感器網(wǎng)絡(luò)(radar sensor networks,RSN)的分簇算法及相應(yīng)的恒虛警(constant false alarm rate,CFAR)融合判決方法,旨在延長網(wǎng)絡(luò)生命周期的同時(shí)提高系統(tǒng)的目標(biāo)檢測性能。然后綜合這四種分簇算法的優(yōu)勢,提出了RSN的最佳分簇方案。與經(jīng)典分簇算法the cluster-head election mechanism using fuzzy logic(CHEF)相
2、比,該方案不僅延長了網(wǎng)絡(luò)40.94%的生命周期,而且在系統(tǒng)不同的信噪比(signal-to-noise ratio,SNR)及基站不同的虛警概率下都有較高的目標(biāo)檢測概率。具體工作及成果如下:
1、本文分別針對簇內(nèi)單跳和簇內(nèi)多跳,各提出了兩種適用于RSN的分簇算法。本文首先使用模糊C均值聚類算法對RSN進(jìn)行分簇。然后針對簇頭選擇,設(shè)計(jì)了兩種模糊邏輯系統(tǒng)計(jì)算各個雷達(dá)傳感器的簇頭選擇概率:具有兩個輸入(雷達(dá)傳感器的剩余能量,雷達(dá)傳感
3、器與基站之間的距離)的模糊邏輯系統(tǒng)(two-antecedent fuzzy logic system,F(xiàn)2)和具有三個輸入(F2的兩個輸入以及由雷達(dá)傳感器向基站傳輸信號時(shí)的信道增益)的模糊邏輯系統(tǒng)(three-antecedent fuzzy logic system,F(xiàn)3)。若簇內(nèi)采用單跳傳輸,本文提出了基于模糊C均值和奇異值分解(fuzzy c-means combined with singular value decompos
4、ition-QR,F(xiàn)CMSVDQR)的簇頭選擇算法,該算法考慮了由簇內(nèi)非簇頭節(jié)點(diǎn)向簇頭傳輸信號時(shí)的信道增益,提高了簇頭融合數(shù)據(jù)時(shí)的接收SNR。若簇內(nèi)采用多跳傳輸,具有簇頭選擇最大概率的雷達(dá)傳感器將成為簇頭,并提出了基于圖論的路由選擇算法(graph-based optimal routing selection,GORS)。GORS算法考慮了簇內(nèi)節(jié)點(diǎn)多跳傳輸時(shí)的信道增益,減少了多跳路由傳輸時(shí)的信道損耗。將F2、F3分別和FCMSVDQR
5、、GORS相結(jié)合,提出了四種分簇算法:基于F2和FCMSVDQR的分簇算法(clustering algorithm using F2 and FCMSVDQR,F(xiàn)2&FCMSVDQR)、基于F3和FCMSVDQR的分簇算法(clustering algorithm using F3 and FCMSVDQR,F(xiàn)3&FCMSVDQR)、基于F2和GORS的分簇算法(clustering algorithm using F2 and GO
6、RS,F(xiàn)2&GORS)和基于F3和GORS的分簇算法(clustering algorithm usingF3 and GORS,F(xiàn)3&GORS)。這四種分簇算法與現(xiàn)有分簇算法相比,創(chuàng)新點(diǎn)在于首次研究了信道對基于分簇結(jié)構(gòu)的RSN目標(biāo)檢測性能的影響。
2、本文針對目標(biāo)檢測,研究了RSN在本文提出的分簇算法下的CFAR融合判決方法。針對單跳結(jié)構(gòu),提出了小SNR下基于中心極限定理的似然比融合判決方法(low-SNR and like
7、lihood-ratio-based decision fusion in the central limit theory,LLDFCLT)和大SNR下基于Kaplan-Meier估計(jì)器的似然比融合判決方法(high-SNR and likelihood-ratio-based decision fusion in Kaplan-Meier estimator,HLDFKE),并通過蒙特卡羅仿真分析了經(jīng)典單跳分簇算法,the low
8、energy adaptive clus-tering hierarchy(LEACH)、the hybrid energy efficient distributed clustering approach(HEED),與LLDFCLT、HLDFKE相結(jié)合的RSN的目標(biāo)檢測性能。針對多跳結(jié)構(gòu),提出了絕對CFAR融合判決方法(absolute CFAR fusion decision approach for multi-hop tra
9、nsmission,ACFARFD)和相對CFAR融合判決方法(relative CFAR fusion decision approach for multi-hop transmission,RCFARFD)。在ACFARFD中,所有的雷達(dá)傳感器節(jié)點(diǎn)包括中繼節(jié)點(diǎn)都做CFAR判決;而在RCFARFD中,中繼節(jié)點(diǎn)使用最大似然估計(jì)判決,其它節(jié)點(diǎn)做CFAR判決。本文的CFAR融合判決方法與現(xiàn)有的融合方法相比,創(chuàng)新點(diǎn)在于采用了自適應(yīng)的判決門限
10、使得簇頭和基站的虛警概率保持不變。
蒙特卡羅仿真分析表明:
1)對于單跳融合判決方法,LLDFCLT的檢測概率高于HLDFKE;
2)對于多跳融合判決方法,RCFARDF的檢測概率高于AC-FARDF,但RCFARDF中繼節(jié)點(diǎn)的虛警概率在小SNR下超過了ACFARDF。
3、本文使用LLDFCLT單跳融合判決方法和ACFARDF多跳融合判決方法,通過蒙特卡羅仿真比較了本文提出的四種分簇算法與CHE
11、F的能耗、目標(biāo)檢測性能;研究了不同分簇個數(shù)對這四種分簇算法能耗和檢測性能的影響,進(jìn)而確定了簇頭個數(shù)與網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)的最佳比值;分析了不同基站虛警概率對這些分簇算法檢測性能的影響。
4、RSN的最佳分簇方案為:
1)使用模糊C均值聚類算法分簇的簇頭個數(shù)與網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)的最佳比值為0.08;
2)當(dāng)網(wǎng)絡(luò)中剩余雷達(dá)傳感器個數(shù)超過網(wǎng)絡(luò)初始節(jié)點(diǎn)個數(shù)的50%時(shí),使用F3&FCMSVDQR;
3)當(dāng)網(wǎng)絡(luò)中剩余雷達(dá)傳
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 無線傳感器網(wǎng)絡(luò)層次分簇算法研究.pdf
- 異構(gòu)傳感器網(wǎng)絡(luò)分簇路由算法研究.pdf
- 無線傳感器網(wǎng)絡(luò)分簇優(yōu)化算法研究.pdf
- 無線傳感器網(wǎng)絡(luò)分簇覆蓋算法研究.pdf
- 無線傳感器異構(gòu)網(wǎng)絡(luò)分簇路由算法研究.pdf
- 無線傳感器網(wǎng)絡(luò)協(xié)作MIMO分簇算法研究.pdf
- 無線傳感器網(wǎng)絡(luò)智能分簇路由算法研究.pdf
- 無線傳感器網(wǎng)絡(luò)分簇路由協(xié)議算法研究.pdf
- 無線傳感器網(wǎng)絡(luò)多層分簇路由算法.pdf
- 無線傳感器網(wǎng)絡(luò)分環(huán)分簇路由算法.pdf
- 無線傳感器網(wǎng)絡(luò)智能分簇路由算法研究
- 無線傳感器網(wǎng)絡(luò)分簇路由簇首選擇算法研究.pdf
- 無線傳感器網(wǎng)絡(luò)分簇路由算法優(yōu)化.pdf
- 無線傳感器網(wǎng)絡(luò)智能分簇算法的研究.pdf
- 無線傳感器網(wǎng)絡(luò)分簇路由算法的研究.pdf
- 無線傳感器網(wǎng)絡(luò)分簇算法與仿真研究.pdf
- 無線傳感器網(wǎng)絡(luò)分簇及路由算法研究.pdf
- 無線傳感器網(wǎng)絡(luò)分簇節(jié)能路由算法研究.pdf
- 移動傳感器網(wǎng)絡(luò)分簇路由算法的研究.pdf
- 無線傳感器網(wǎng)絡(luò)分簇算法的改進(jìn)研究.pdf
評論
0/150
提交評論