低复杂度的渐近最优N-P检测

摘要：

　　考虑高斯模型下的多传感器检测问题,按照Neyman-Pearson准则,即在给定虚警概率允许的上界情况下极大化检测概率,众所周知,Neyman-Pearson准则下最优的检测是似然比(LRT)检测,但多传感器系统下的高维积分的计算通常非常复杂,所以似然比检测门限的计算相当困难,尤其是随着维数增加时这种计算越来越困难,在本文中,我们将似然比检测等价地转化为分布可以由一系列迭代公式计算的半正定的二次型。我们的方法可以极大的减少计算,数值例子也证明了以上的理论分析。

关键词： 高斯模型 检测概率 虚警概率 矩阵分解

作者: 王婷婷 宋恩彬

作者单位: 四川大学数学学院,成都610064

会议类型: 国际会议

会议名称: the 25th Chinese Control and Decision Conference(第25届中国控制与决策会议)

会议地点: 贵阳

会议语种:英文

页码: 4149-4153

在线出版日期: 2013-05-01（万方平台首次上网日期，不代表论文的发表时间）