无线传感器网络中基于鲁棒性的分布式估计研究

发布时间：2021-04-10 02:35

　　参数估计是信号处理领域中的关键问题,通过来自其他的观测量,间接确定未知参数。无线传感器网络中分布式估计已经成为非常流行的参数估计,目的是使节点能够从观测数据中以分布式方式估计出感兴趣的参数向量。自适应网络中的分布式估计策略可以主要分为增量策略,一致性策略和扩散策略。在增量策略中,数据通过网络以循环方式处理。一致性策略依赖于多个相邻节点的中间估计的融合。在扩散策略中,数据在所有节点进行处理,而节点与所有邻居节点通过以分享其中间估计进行通信。因为扩散策略具有好的鲁棒性、灵活性和完全分布式等特点,使其特别有吸引力,例如扩散最小均方（DLMS）算法。在本文中,我们关注扩散估计策略。当信号被非高斯噪声干扰时,分布式估计的性能会严重降低。非高斯噪声可能是自然原因造成的,例如大气现象;也可能是人为因素造成的,例如操作环境中存在的电机或多路电信信号。最近,一些研究人员致力于提高在非高斯噪声环境中分布式估计算法的鲁棒性。这些努力主要是为了寻找更强大的代价函数来替代均方误差（MSE）准则,该准则只有在测量噪声为高斯噪声时才是最优。基于最小误差熵（MEE）方法的误差熵准则也显示出其能够在非高斯噪声下实现比均... 

【文章来源】：西南大学重庆市 211工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

单参数EIV模型的MEE估计这里R,He表示瑞利误差熵，.ep是误差概率密度函数（pdf），当1时，瑞利误差熵接近著名的香农熵log

具有不同值的值

(c) (d)图 2.3 最优解MEEw ，TLSw ，MMSEw 以及在0w 之间的区域：(a)具有不同22,u 22,v =200）值的单峰情况；(b)具有不同22,v （22,=400u ）值的单峰情况；(c)具有不同u （ 5v ）的多模态情况；(d)具有不同v （ 20u ）的多模态情况其次，在图 2.4 中展显了解决方案将如何受到异常值出现概率（即 和 ）的响，并且 ， N 500。从图 2.4 中可以看出：（1）当 小于一定值（例如， 0.4）时，MEE 解将是非常准确的（几乎有偏差）；（2）同时，随着 的增加，MMSE 和 TLS 解决策略将会变得更糟。特别是，使 很小（在这种情况下，异常值非常稀疏），MMSE 解决策略也会显着偏离真值；


本文编号：3128787