Decentralized detection: Neyman-Pearson criterion on tree-structured architectures

For numerous applications, both the information sources and the processing agents are multiple and of very diverse natures . The interest of a centralized and direct processing of the information sources becomes then quite illusory, especially for "large" systems. It is then necessary to take into account the own system constraints . Frequently, these constraints are due to the communication capacities inside the system . In this context, the decentralized detection (D .D) systems illustrate the effort made for modelling such systems in the presence of communication constraints . The general formalism for tree-structured architectures is presented in a first time . Then, three versions, of increasing complexity, of the Neyman-Pearson (N.-P) are presented. Using an extension of the N . -R lemma it is then possible to demonstrate the optimality of the decision rules based on thresholding the likelihood ratio both for general tree-structured architectures and non-independent randomization schemes .La multiplicité et la diversité des sources d'information, autant que celle des agents susceptibles de les recevoir et de les traiter, rend de plus en plus illusoire l'usage d'un processeur centralisé pour la gestion des grands systèmes de traitement de l'information. Il est alors nécessaire de prendre en compte les contraintes inhérentes aux systèmes considérés. Celles-ci visent essentiellement à limiter les capacités des communications sous-jacentes au fonctionnement du système. Dans ce contexte, les systèmes de détection décentralisée (D.D.) constituent un exemple typique de l'effort fait pour modéliser de tels systèmes sous des contraintes de communications.Après un rappel du formalisme adapté à l'étude des architectures arborescentes, trois versions, de généralité croissante, du problème de Neyman-Pearson (N.-P.) sont considérées. Une généralisation du lemme de N.-P. permet de démontrer l'optimalité des règles de décision opérant un seuillage du rapport de vraisemblance de l'observation, ceci pour une architecture arborescente quelconque et des mécanismes de randomisation non-indépendant