基于偏差补偿LMS算法的分布式协同估计方法研究

发布时间：2017-09-20 07:17

  本文关键词：基于偏差补偿LMS算法的分布式协同估计方法研究

  更多相关文章： 分布式网络 协同估计 自适应滤波 偏差补偿 噪声方差估计

【摘要】：近年来,分布式协同信息处理技术在无线通信网络等领域的应用研究越来越多,如无线传感器网络目标定位、多无人机目标搜索、航天编队控制和工业无线网络参数估计等。分布式协同信息处理是指在多代理网络中,通过代理间的不同信息交互模式,实现整个网络的信息协同处理。本文则主要研究分布式协同信息处理技术在自适应目标参数估计问题的应用,即针对未知参数目标,并基于自适应滤波算法,利用分布式策略进行目标参数协同估计。由于LMS自适应滤波算法具有计算量小和结构简单的特点,因此本文的整体研究都是基于LMS算法,然后分别基于FIR和IIR两种滤波器来实现算法的性能比较。本文首先介绍单代理的自适应估计过程,并对基于两种滤波器的LMS算法分别进行理论分析。在单代理自适应估计的基础上,研究多代理分布式协同估计算法,详细介绍了多代理网络模型和分布式协同策略,其中分布式协同策略主要包括增量式策略、一致式策略和扩散式策略三种。通过研究不同策略的信息交互方式,然后基于LMS算法给出分布式LMS算法,并对算法的估计精度进行仿真比较。仿真结果表明,与单代理的非协作估计算法相比,分布式协同估计算法具有更好的估计精度,同时还表明三种分布式协同估计算法在不同步长条件下的性能也有所不同。考虑到在实际环境中,分布式网络中代理的输入输出信号通常包含多种噪声(如量化噪声和测量噪声等),这些噪声会导致以往的分布式协同估计算法对目标参数的估计结果存在严重偏差,因此相关研究学者基于偏差补偿原则,通过消除噪声引起的偏差,提出分布式协同估计偏差补偿算法,从而得到无偏估计结果。但是在以往的研究中,通常假设噪声方差是已知条件或者含有约束条件,不能实现无约束条件的实时估计噪声方差。因此,本文在以往的研究基础上,提出一种无约束条件实时估计噪声方差的方法,并根据不同的分布式LMS算法,提出分布式偏差补偿LMS算法。仿真结果表明,首先相比分布式LMS算法,分布式偏差补偿LMS算法能够实现目标参数的无偏估计,然后与以往的偏差补偿LMS算法相比,本文提出的偏差补偿LMS算法具有更好的估计精度,即更低的均方误差(MSD),而且在不同的信噪比条件下都能很好的实现参数的无偏估计。
【关键词】：分布式网络 协同估计 自适应滤波 偏差补偿 噪声方差估计
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN713
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-19
• 1.1 课题研究背景及意义10-11
• 1.2 论文研究主要内容11-16
• 1.2.1 分布式协同策略11-13
• 1.2.2 自适应滤波13-15
• 1.2.3 偏差补偿问题15-16
• 1.3 国内外研究现状及发展趋势16-17
• 1.4 论文内容安排17-19
• 第2章 单代理参数估计19-30
• 2.1 单代理自适应估计19-20
• 2.1.1 均方误差19-20
• 2.1.2 自适应估计基本原理20
• 2.2 自适应FIR滤波器估计20-25
• 2.2.1 FIR估计模型21-23
• 2.2.2 LMS算法23-25
• 2.3 自适应IIR滤波器估计25-28
• 2.3.1 IIR估计模型25-27
• 2.3.2 IIR自适应LMS算法27-28
• 2.4 本章小结28-30
• 第3章 分布式协同估计30-45
• 3.1 多代理网络模型30-32
• 3.1.1 连接网络30-31
• 3.1.2 估计模型31-32
• 3.2 分布式协同策略32-36
• 3.2.1 增量式策略32-34
• 3.2.2 一致式策略34-35
• 3.2.3 扩散式策略35-36
• 3.3 分布式协同估计算法36-39
• 3.3.1 基于FIR的分布式LMS算法36-38
• 3.3.2 基于IIR的分布式LMS算法38-39
• 3.4 分布式算法比较分析39-44
• 3.4.1 仿真条件设定40-41
• 3.4.2 仿真结果分析41-44
• 3.5 本章小结44-45
• 第4章 分布式偏差补偿算法45-68
• 4.1 FIR分布式偏差补偿LMS算法45-53
• 4.1.1 单代理BCLMS算法45-48
• 4.1.2 输入噪声估计方法48-49
• 4.1.3 分布式BCLMS算法49-53
• 4.2 IIR分布式偏差补偿LMS算法53-59
• 4.2.1 单代理BCLMS算法53-54
• 4.2.2 输入输出噪声方差估计方法54-56
• 4.2.3 分布式BCLMS算法56-59
• 4.3 分布式BCLMS算法仿真实验59-67
• 4.3.1 仿真条件设定59
• 4.3.2 单代理BCLMS仿真分析59-64
• 4.3.3 分布式BCLMS仿真分析64-67
• 4.4 本章小结67-68
• 结论68-70
• 参考文献70-74
• 攻读学位期间发表论文与研究成果清单74-75
• 致谢75

【参考文献】

中国期刊全文数据库 前7条

1 祁晓明;魏瑞轩;沈东;茹常剑;周欢;;基于运动目标预测的多无人机分布式协同搜索[J];系统工程与电子技术;2014年12期

2 张子涵;曾庆军;王彪;;基于分布式水下无线传感器网络目标协同定位方法研究[J];科学技术与工程;2012年15期

3 ;Forward/backward prediction solution for adaptive noisy FIR filtering[J];Science in China(Series F:Information Sciences);2009年06期

4 徐R，

本文编号：886648