无线传感网络由于其方便、自组织性能好等优点被应用到各行各业中;多源数据融合作为其一个分支领域,引来了相当多的关注;而分布式目标检测作为多源数据融合的一项重要应用,也得到许多研究者的青睐。无线传感网络下基于数据融合的目标检测已成为许多学者研究的热点。本文研究了一种用于分布式检测的拓扑网络结构,并基于该结构分析了两种检测融合算法。本文的工作主要如下:本文首先在树形拓扑的基础上,结合最优二元树,研究一种新的拓扑结构,该结构实现多跳网络,提高网络的可靠性。与并行拓扑结构相比,可以减少融合中心的能量消耗;与串行拓扑相比,提高决策反应时间;与传统的树形拓扑相比,传感器节点进行有序排列根据自身权值,这个权值与信号幅值成正比,然后结合Huffman算法生成一颗有序的最优Huffman满二叉树。树根节点即为接收信号最强的节点,由它作为融合中心来做出总判决。其次本文研究了两种分布式检测的方案。第一种方案为动态门限法,即每个传感器做决策时它们的门限值都不是固定的,与子节点发送的决策值有关。第二种方案为比例分配法,即与传感器决策相关的三个决策因子是以一定比例进行分配的,比例确定后,传感器再以此做出自己的判决。两种方案的结果都以仿真形式呈现。仿真结果表明传感器接收到的信号幅值越高,越靠近树根节点,其检测率也随之增加。最后两种方案也都分别与并行结构和串行结构进行了对比,在一定条件下,本文提出的方法优于其他两种算法。最后,本文描述了最优门限规则的问题。最优门限的设定问题通过引进错误率的概念,它是一个与系统的虚警率和检测率相关的函数。当错误率最小时所得门限的值就是最优值。用传感器的观测值与最优门限做比较,从而就能得出系统决策值。本文证明了最优门限值的存在,并通过仿真找到了最优值。