典型文献
基于深度神经网络的多传感器联合信号检测方法
文献摘要：
针对多传感器分布式接收中的信号检测问题,提出了一种最小错误概率准则下的联合检测方法.所提方法采用分布式软信息融合处理策略,将多传感器信号检测视为二元假设检验,借助深度神经网络优异的函数逼近能力,在对神经网络结构、目标函数和网络输入输出进行分析基础上,给出了基于深度神经网络的假设检验后验概率求解方法.各独立接收单元利用深度神经网络估计信号有无两种假设的后验概率,然后送入融合中心,计算联合后验概率分布,并做出判决.与传统处理过程依赖严密的数学推导不同,所提方法参数解析和特征提取无需人工解算.最后,通过仿真实验对所提方法有效性进行了验证,并与现有方法进行了对比.结果表明,所提方法能够实现多个传感器信号有效融合,随着接收单元数目增加,能够显著提升信号检测概率,并降低虚警概率;与当前典型的S/K融合方法相比,所提方法在低信噪比下具有明显优势.
文献关键词：
信号检测;多传感器;分布式接收;联合处理;深度神经网络;最小错误概率准则
中图分类号：
作者姓名：
张凯;田瑶;董政
作者机构：
电子信息系统复杂电磁环境效应国家重点实验室,河南洛阳471003;96862部队,河南洛阳471000
文献出处：
引用格式：
[1]张凯;田瑶;董政-.基于深度神经网络的多传感器联合信号检测方法)[J].信号处理,2022(08):1749-1757
A类：
分布式接收,最小错误概率准则
B类：
深度神经网络,信号检测,传感器分布,检测问题,联合检测,软信息,信息融合,融合处理,处理策略,多传感器信号,假设检验,函数逼近,逼近能力,神经网络结构,输入输出,出进,求解方法,元利,后送,送入,后验概率分布,判决,传统处理,数学推导,方法参数,有效融合,提升信号,检测概率,低虚警,虚警概率,融合方法,低信噪比,联合处理
AB值：
0.353564
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
