论文部分内容阅读
本论文主要考虑了无线传感器网络（WSN，Wireless Sensor Networks）中的分布式检测（DD, Decentralized Detection）问题，一定数量的传感器节点通过协作的方式来检测一个未知确定性信号的存在性。由于WSN中固有的功率/带宽限制，每个传感器节点需对观测值进行预处理，降低数据的传输量。处理后的数据通过无线信道传送到融合中心（FC，Fusion Center），FC根据接收到的数据通过广义似然比检测（GLRT，Generalized Likelihood Ratio Detection）的方法做出最终判决。文中主要采用了两种方法来进行预处理，第一种方法基于线性预编码方案来降维，第二种方法则通过一比特量化来减少所需传送数据的比特数。关于降维的方法，本文提出了有效的预编码方案，设计了相应的GLRT检测器，并在传感器节点数目足够多，即N时，近似地分析了所设计的GLRT检测器的检测性能。文中介绍了两种预编码方案：1、随机预编码方案（RP，RandomPrecoding），指依照标准高斯分布随机地产生预编码矢量；2、带符号的随机预编码方案(SRP，Sign-assisted Random Precoding)，指当信号各个分量的正负号这种先验信息已知时，利用这种先验信息来设计的随机预编码矢量。通过预编码的方式，将本地观测值由多维信号降为一维信号，因此在文中降维与预编码两个概念不作区分。性能分析显示，利用信号的符号信息可以有效地提高检测器的检测性能。另外，当检测淹没在噪声中的弱信号时，基于降维的GLRT检测器比传统的能量检测器更加有效。具体而言，当观测信号的SNR低于12时，带符号的随机预编码方案的GLRT检测器能够取得比能量检测器更好的检测性能。最后，通过仿真实验证明了理论分析的正确性和所提出方案的有效性。关于量化的方法，本文提出了一比特量化的方案，各个传感器节点将其观测信息量化成一比特的信息，量化后的二进制数据经过理想信道/非理想信道传送到FC，FC根据接收到的数据通过GLRT的方法做出最后判决。文中为每个传感器节点设计了量化器，选择了最优的量化阈值，并分别分析了通过理想信道和二进制对称信道(BSC, Binary Symmetric Channel)这种非理想信道时的近似检测性能。理论分析和仿真实验都表明，虽然量化会使得检测器的检测性能降低，但是，基于一比特量化的GLRT检测器通过使用π/2倍数量的传感器节点可以取得和Clairvoyant检测器同样的性能，同时将所需传送的数据量从N个模拟数据减少为[πN/2]个比特。