分布式目标检测融合决策优化算法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

分布式目标检测融合决策优化算法

胡学海, 王厚军, 黄建国

文章导航 > 电子科技大学学报 > 2013 > 42(3): 375-379

胡学海, 王厚军, 黄建国. 分布式目标检测融合决策优化算法[J]. 电子科技大学学报, 2013, 42(3): 375-379. doi: 10.3969/j.issn.1001-0548.2013.03.011

引用本文:

胡学海, 王厚军, 黄建国. 分布式目标检测融合决策优化算法[J]. 电子科技大学学报, 2013, 42(3): 375-379. doi: 10.3969/j.issn.1001-0548.2013.03.011

HU Xue-hai, WANG Hou-jun, HUANG Jian-guo. Optimization Algorithm for Distributed Target Detection Integration Decision[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(3): 375-379. doi: 10.3969/j.issn.1001-0548.2013.03.011

Citation:

HU Xue-hai, WANG Hou-jun, HUANG Jian-guo. Optimization Algorithm for Distributed Target Detection Integration Decision[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(3): 375-379. doi: 10.3969/j.issn.1001-0548.2013.03.011

分布式目标检测融合决策优化算法

doi: 10.3969/j.issn.1001-0548.2013.03.011

1.
电子科技大学自动化工程学院成都 610054

作者简介:
胡学海(1973-)，男，博士，副教授，主要从事检测技术网络化、数据融合方面的研究.

中图分类号: TP274;TP212.6

Optimization Algorithm for Distributed Target Detection Integration Decision

1.
School of Automation Engineering,University of Electronic Science and Technology of China Chengdu 610054

摘要: 现有分布式目标检测系统的优化一般采用穷举法、SFFO算法或SOFF算法，计算复杂，且优化结果强烈依赖初值。该文采用蚁群算法和爬山变异算法结合，提出爬山变异蚁群算法及同步优化传感器判决门限和融合中心决策规则，理论上是一种全局最优算法。数值试验的结果表明，和相关算法相比，融合系统的贝叶斯风险降低了15%～20%，且优化结果不依赖初值，计算复杂度低于其他算法。
- 贝叶斯理论 /
- 分布检测 /
- 分布式融合 /
- 传感器 /
- 目标检测
Abstract: Existing distributed object detection systems generally use the enumeration method, SFFO method or SOFF method. These methods are computationally complex, and their optimization results strongly depend on initial value. A climbing variation ant colony algorithm is proposed in this paper. The algorithm is used to simultaneous optimization of sensor decision threshold and the fusion center decision rules. The numerical results show that the fusion system reduces Bayes risk about 15%～20%, the optimization results do not depend initial value, and the computational complexity is lower than the other algorithms.
- Bayes theory /
- distributed detection /
- distributed fusion /
- sensor /
- target identification

[1]	邓佳丽, 龚海刚, 刘明. 基于目标检测的医学影像分割算法 . 电子科技大学学报, 2023, 52(2): 254-262. doi: 10.12178/1001-0548.2022081
[2]	周雪, 梁超, 何均洋, 唐瀚林. 一体化多目标跟踪算法研究综述 . 电子科技大学学报, 2022, 51(5): 728-736. doi: 10.12178/1001-0548.2021349
[3]	候少麒, 梁杰, 殷康宁, 刘学婷, 殷光强. 基于空洞卷积金字塔的目标检测算法 . 电子科技大学学报, 2021, 50(6): 843-851. doi: 10.12178/1001-0548.2021032
[4]	尚飞, 胡潇然, 张千, 刘帅, 向勇. 基于大面积TFT和PVDF薄膜的表面形貌无损探测技术 . 电子科技大学学报, 2020, 49(2): 287-290. doi: 10.12178/1001-0548.2019220
[5]	艾斯卡尔·艾木都拉, 武文成. 基于多尺度局部梯度的点目标检测技术 . 电子科技大学学报, 2019, 48(6): 893-903. doi: 10.3969/j.issn.1001-0548.2019.06.014
[6]	谢光忠, 王斯, 谢法彪, 苏元捷. 自供能气体传感器研究进展 . 电子科技大学学报, 2018, 47(1): 139-146. doi: 10.3969/j.issn.1001-0548.2018.01.021
[7]	刘岩, 欧阳涵, 刘卓, 邹洋, 赵璐明, 田静静, 黎鸣, 江文, 李舟. 基于摩擦纳米发电机的自驱动计步传感器 . 电子科技大学学报, 2017, 46(5): 790-794. doi: 10.3969/j.issn.1001-0548.2017.05.023
[8]	闫钧华, 段贺, 艾淑芳, 李大雷, 许倩倩. 旋转复杂背景中红外运动小目标实时检测 . 电子科技大学学报, 2017, 46(5): 697-702. doi: 10.3969/j.issn.1001-0548.2017.05.010
[9]	凡时财, 曾祥峰, 周雪, 邹见效, 徐红兵. 融合超像素分割与码本模型的目标检测算法 . 电子科技大学学报, 2017, 46(4): 572-578. doi: 10.3969/j.issn.1001-0548.2017.04.016
[10]	张抒, 解梅. 基于热扩散理论的窗融合方法研究 . 电子科技大学学报, 2014, 43(2): 257-261. doi: 10.3969/j.issn.1001-0548.2014.02.019
[11]	姜柯, 李艾华, 苏延召. 基于改进码本模型的视频运动目标检测算法 . 电子科技大学学报, 2012, 41(6): 932-936. doi: 10.3969/j.issn.1001-0548.2012.06.022
[12]	曾磊, 曾斌, 韩迪. 分布式SAR系统中运动目标检测定位技术 . 电子科技大学学报, 2007, 36(1): 40-43.
[13]	左朝树, 刘心松, 邱元杰, 陈小辉, 李可. 一种分布式并行服务器节点故障检测算法 . 电子科技大学学报, 2007, 36(1): 119-121,125.
[14]	刘才铭, 张雁, 赵辉, 彭凌西, 曾金全. 多级免疫检测器集在分布式入侵检测中的应用 . 电子科技大学学报, 2007, 36(6): 1179-1182.
[15]	周鸣争, 汪军. 基于支持向量机的传感器非线性误差校正 . 电子科技大学学报, 2006, 35(2): 242-245.
[16]	吴祖峰, 葛丽, 李刚. 传感器个数及距离对盲分离影响的分析 . 电子科技大学学报, 2006, 35(2): 186-188.
[17]	龚俊杰, 周建华, 周晓军, 邱琪, 白晓明. 分布式光纤温度传感器 . 电子科技大学学报, 2003, 32(3): 328-330.
[18]	王琼华, 成建波. 电磁参数测试用部分填充试样矩形波导传感器 . 电子科技大学学报, 2000, 29(5): 499-503.
[19]	沈伟慈. 一种基于模糊贝叶斯理论推测信元丢弃率分布的方法 . 电子科技大学学报, 1999, 28(4): 402-404.
[20]	王光泰, 周先敏, 徐继麟. 多传感器信息最优融合 . 电子科技大学学报, 1997, 26(5): 465-467.

WeChat

点击查看大图

计量

文章访问数: 4459
HTML全文浏览量: 114
PDF下载量: 61
被引次数: 0

分布式目标检测融合决策优化算法

doi: 10.3969/j.issn.1001-0548.2013.03.011

1. 电子科技大学自动化工程学院成都 610054

作者简介:
胡学海(1973-)，男，博士，副教授，主要从事检测技术网络化、数据融合方面的研究.

收稿日期: 2011-10-14
修回日期: 2012-07-24
刊出日期: 2013-06-15

中图分类号: TP274;TP212.6

关键词:

摘要: 现有分布式目标检测系统的优化一般采用穷举法、SFFO算法或SOFF算法，计算复杂，且优化结果强烈依赖初值。该文采用蚁群算法和爬山变异算法结合，提出爬山变异蚁群算法及同步优化传感器判决门限和融合中心决策规则，理论上是一种全局最优算法。数值试验的结果表明，和相关算法相比，融合系统的贝叶斯风险降低了15%～20%，且优化结果不依赖初值，计算复杂度低于其他算法。

English Abstract

胡学海, 王厚军, 黄建国. 分布式目标检测融合决策优化算法[J]. 电子科技大学学报, 2013, 42(3): 375-379. doi: 10.3969/j.issn.1001-0548.2013.03.011

引用本文:

胡学海, 王厚军, 黄建国. 分布式目标检测融合决策优化算法[J]. 电子科技大学学报, 2013, 42(3): 375-379. doi: 10.3969/j.issn.1001-0548.2013.03.011

HU Xue-hai, WANG Hou-jun, HUANG Jian-guo. Optimization Algorithm for Distributed Target Detection Integration Decision[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(3): 375-379. doi: 10.3969/j.issn.1001-0548.2013.03.011

Citation:

HU Xue-hai, WANG Hou-jun, HUANG Jian-guo. Optimization Algorithm for Distributed Target Detection Integration Decision[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(3): 375-379. doi: 10.3969/j.issn.1001-0548.2013.03.011

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发