论文部分内容阅读
分布式雷达传感器(Radar Sensor,RS)是一个独立小型系统,它发送已知波形,接收、分析目标和障碍物的回波以确定与目标相关的信息。雷达传感网(Radar Sensor Network,RSN)就是由分布在广阔的地理区域内、具有协同工作模式的RS节点有机地组成的。它们可以用于监测大面积区域,并从多个角度观测目标。RSN在反射物体(例如飞机、船舶、车辆以及人等)的检测、定位、跟踪等领域越来越重要。然而,RSN的目标检测性能受其关键技术(如部署方式、分簇算法、融合方式等)的影响很大。本文以提高监测区域内目标检测概率为目的,针对雷达传感器网络中的几个关键技术进行了研究。主要研究内容包括:1.搭建了适用于雷达传感器网络的数据传输模型和目标检测系统,确立了本文RSN关键技术研究的基础。2.本文提出了两种适用于RSN的节点部署方法:Hexagonal Deployment Strategy(HDS)和Diamond Deployment Strategy(DDS)。该两种方法是在使RS节点均匀分布于监测区域的思想下被提出的。在保证一定目标虚警概率的前提下,通过这两种部署方式提高目标检测概率。仿真实验证明,无论从目标检测概率还是消耗的平均能量的表现来看,DDS部署策略都优于HDS部署策略,而这两种部署方式都优于Random Deployment Strategy(DDS)部署策略。所以对于RSN网络,DDS和HDS部署策略都是有效的部署策略。3.本文研究了无线传感器网络中的两种经典分簇算法:LEACH算法和HEED算法,并将其应用于RSN中,研究它们在RSN系统中的适用性。本文还将这两种分簇算法应用到经由DDS部署方式确定了RS位置的RSN中,从而提高系统性能。蒙特卡罗仿真表明,同等条件下,按HEED算法分簇的RSN网络比按LEACH算法分簇的网络具有更长的网络生存时间。在采用HEED算法分簇时,由DDS部署的RSN网络的目标检测概率大于由RDS部署的RSN网络的检测概率。4.本文在Path-Loss信道衰落模型下,提出了两种适用于RSN的检测级数据融合方法:Decision Fusion Rules with Binary Transmission(BT)和Decision Fusion Rules without Binary Transmission(NBT)。针对多跳的RSN,将这两种融合方法与两种部署方式相结合,进一步提高RSN目标检测性能。仿真结果表明,相比于NBT融合算法,BT融合算法下RSN的检测概率高,消耗的能量少。