分布式扩散估计算法研究

发布时间：2021-11-21 09:47

　　分布式估计是分布式信号处理领域的一项重要分支,它通过节点间合作的方式从噪声环境中估计感兴趣的参数值。分布式估计因具有更强的灵活性,鲁棒性以及更好的能量有效性已成为无线传感器网络（Wireless Sensor Networks,WSNs）的重要应用,并广泛运用于精密农业,环境监测,军事或空中监视等实际应用中。而无线传感器网络是分布式估计在实际环境运用中的重要依托,两者相辅相成,互相促进。其中,分布式扩散最小均方算法（Diffusion Least Mean Square,DLMS）是一种经典的分布式估计的方法。然而,DLMS算法也存在着某些缺点,例如:当网络中节点与自己直接相邻的邻居节点进行交换信息时,如果单纯地扩大交换信息的邻居节点范围会在一定程度上提高估计的准确性,但通信量也会显著增加;除此之外,在环境噪声为高斯噪声的情况下,DLMS算法可以实现较好的估计效果,而环境噪声为非高斯时,尤其是脉冲噪声情况下,估计准确性将会急剧下降。本文针对DLMS算法采取多跳邻居节点通信的方法来提高估计准确性,造成通信量显著增加的问题,设计了一种减少通信量的多跳减小通信量的扩散最小均方（Multi-h... 

【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】：59 页

【学位级别】：硕士

【部分图文】：

集中式信息处理方式示意图

然而集中式的这种传输方式会消耗大量的能量。所以，集中式的估计方法会对整个系统的生存周期造成很大影响。另外，当中心处理节点因为不可控因素而失效时，会导致节点间通信失败，甚至造成整个网络的瘫痪，因此集中式的估计方法鲁棒性较低。针对集中式估计算法的局限性，近年来，研究者提出了分布式算法[3]。图 1.2给出了分布式数据信息处理示意图，在分布式算法中，每个节点都有传递和计算信息的能力，图中虚线所示区域为源节点的邻居节点集合。其中基于扩散策略的分布式估计算法得到了最为广泛的应用。在基于扩散策略的分布式估计算法中，源节点通过与它的邻居节点集合交换信息得到中间估计量，在该步骤完成后，节点又结合它邻居节点的所有新的中间估计量与自身估计值，得到一个新的估计。在无线传感器网络中，因为在通信过程中所消耗的能量远远大于计算过程。所以，分布式估计算法可以有效的避免因每个时刻都将数据传输给中心节点而造成的大量能量损耗，进而提高整个无线传感器网络的生存周期。扩散最小均方算法（DLMS）是一种经典的扩散分布式方法，DLMS 具有灵活性高，易于实现，鲁棒性好，性能稳定等特点，使得 DLMS 算法得到了极为广泛的应用[4]。

西南大学硕士学位论文算法无法实现实时自适应。基于扩散策略的分布式算法中，每个节点与其周围的邻居节点集合进行通信，实现数据信息交换，通过相互协作的方式来估计目标参数。因为扩散分布式策略不再要求网络具有一个环形的循环结构，不需要约束每个节点与周围邻居节点收敛到相同值，因此扩散分布式策略具有更好的灵活性，更强的鲁棒性且在大规模网络上能实现实时自适应的更新。出于扩散分布式策略的以上优点考虑，本文主要针对扩散策略进行研究。

【参考文献】：
期刊论文
[1]无线传感器网络的军事应用模式研究进展[J]. 胡曦明,董淑福,王晓东,韩仲祥.  传感器与微系统. 2011(03)
[2]无线传感器网络在环境监测中的应用[J]. 杨树森,周小佳,阎斌.  计算机技术与发展. 2008(09)
[3]无线传感器网络应用综述[J]. 毛晓峰,杨珉,毛迪林.  计算机应用与软件. 2008(03)



本文编号：3509271