基于Gossip算法的分布式盲区检测

发布时间：2017-11-03 10:13

  本文关键词：基于Gossip算法的分布式盲区检测

  更多相关文章： 卡尔曼滤波 Gossip算法 压缩感知 DBSCAN算法

【摘要】：当前,移动通信系统的盲区检测主要是由运营商的专业技术人员通过专业仪器设备实现的,存在测试周期长、成本高和缺乏灵活性等问题。针对这一问题,可以在监测区域内布置大量的无线传感器节点,利用分布式压缩感知和散乱数据曲面重建技术来进行二维分布式盲区识别。最终,只要访问该网络中任意一个节点就可以得到盲区识别的结果。本文首先应用几何光学理论得到了简单障碍物阴影模型,并根据国际电讯联盟ITU-R M.1225标准,参照室外到室内步行测试环境无线信号传播模型,建立了网络监测区域内的无线信号传播模型。利用卡尔曼滤波的方法滤除采集信号中的随机噪声和部分小尺度衰落。然后,对经典压缩感知算法的三个主要步骤以及Gossip算法基本理论进行了详细介绍,通过对比分析选取收敛速度较快,能够抵抗分组丢失的基于侦听的广播Gossip算法应用于分布式压缩感知算法中,并通过仿真结果进行验证分析。此外,为了分析在进行分布式压缩感知之前到底需要多少个节点参与才能满足某个给定的精度,本文对分布式压缩感知算法的误差限与参与重构的节点数量k之间的关系进行研究,为该算法的应用提供理论保证。在利用无线传感器节点对所在位置基站覆盖情况进行检测后,将通过基于Gossip算法的分布式压缩感知算法使得监测网络中的每一个无线传感器节点均能够获知监测网络内所有节点所在位置的接收信号强度估计值,是空间上一些离散的数值,而不是整个空间完整的信号分布,并不能直观地识别出盲区所在位置,因此还需要利用这些离散值通过散乱数据曲面重建技术对整个空间信号覆盖情况的重构。本文对基于插值的不同方案在区域覆盖接收信号强度图重建中的效果进行研究比较,并针对本系统模型的特点提出一种联合DBSCAN算法与凸包算法的改进方案,通过仿真结果,可以证明该联合算法能够适用于本文设定场景,并且大大提高了系统的误差容限,具有很高的实际应用价值。如上所述,本文综合运用图论、分布式信号处理、最优化理论、线性滤波等技术理论,提出一种二维分布式盲区识别算法,填补国内外在该领域的研究空白,具有较强的实用性和前沿性。
【关键词】：卡尔曼滤波 Gossip算法 压缩感知 DBSCAN算法
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN929.5
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-14
• 1.1 研究的目的和意义9-10
• 1.2 国内外研究现状及分析10-12
• 1.2.1 分布式盲区检测与重构10-11
• 1.2.2 分布式压缩感知算法研究现状11-12
• 1.3 本文的主要研究内容和工作安排12-14
• 第2章 分布式信息采集14-24
• 2.1 接收信号强度指示（RSSI）分布模型14-17
• 2.1.1 无线信号传播模型14-15
• 2.1.2 简单障碍物阴影模型15-17
• 2.2 采集信号中干扰和噪声的滤除17-22
• 2.2.1 系统中干扰和噪声分析17-19
• 2.2.2 卡尔曼滤波19-22
• 2.3 信道模型仿真22-23
• 2.4 本章小结23-24
• 第3章 基于Gossip的分布式压缩感知24-44
• 3.1 应用压缩感知可行性分析24-25
• 3.2 压缩感知算法基本理论25-27
• 3.2.1 稀疏变换编码25-26
• 3.2.2 随机投影26
• 3.2.3 稀疏信号恢复26-27
• 3.3 Gossip算法基本理论27-33
• 3.3.1 模型定义及算法简介27-30
• 3.3.2 单播Gossip算法（PGA）30
• 3.3.3 广播Gossip算法（BGA）30-33
• 3.4 分布式压缩感知算法33-42
• 3.4.1 算法流程33-34
• 3.4.2 仿真结果与分析34-40
• 3.4.3 算法误差限研究40-42
• 3.5 本章小结42-44
• 第4章 分布式盲区重构44-53
• 4.1 现有插值方案44-47
• 4.1.1 基于样条的插值方案44-45
• 4.1.2 克里金插值45-47
• 4.2 基于凸包与DBSCAN的联合插值方案47-52
• 4.2.1 基于凸包的单盲区插值方案47-50
• 4.2.2 DBSCAN算法50-52
• 4.3 本章小结52-53
• 结论53-54
• 参考文献54-58
• 攻读硕士学位期间发表的论文及其它成果58-60
• 致谢60

【相似文献】

中国期刊全文数据库 前10条

1 葛磊;武芳;王鹏波;张冬林;;3维建筑综合中基于最小特征的面平移算法[J];测绘科学技术学报;2009年02期

2 骆雯,孙延明,陈振威,陈锦昌;判断点与封闭多边形相对关系的改进算法[J];机械;1999年03期

3 李林;卢显良;;一种基于切割映射的规则冲突消除算法[J];电子学报;2008年02期

4 刘巧玲;张红英;林茂松;;一种简单快速的图像去雾算法[J];计算机应用与软件;2013年07期

5 林亚平,杨小林;快速概率分析进化算法及其性能研究[J];电子学报;2001年02期

6 章郡锋;吴晓红;黄晓强;何小海;;基于暗原色先验去雾的改进算法[J];电视技术;2013年23期

7 杨铁军;靳婷;;一种动态整周模糊值求解算法及其仿真分析[J];系统工程与电子技术;2007年01期

8 周秀玲;郭平;陈宝维;王静;;几种计算超体积算法的比较研究[J];计算机工程;2011年03期

9 吴一戎,胡东辉,彭海良;Chirp Scaling SAR成象算法及其实现[J];电子科学学刊;1995年03期

10 王贵竹;一种产生单向分解值的算法[J];安徽大学学报(自然科学版);2001年03期

中国重要会议论文全文数据库 前10条

1 尹冀锋;;一种新的图象自适应增强算法[A];四川省通信学会一九九二年学术年会论文集[C];1992年

2 宁春平;田家玮;郭延辉;王影;张英涛;郑桂霞;刘研;;计算机辅助增强、分割算法在鉴别乳腺良、恶性肿块中的应用价值[A];中华医学会第十次全国超声医学学术会议论文汇编[C];2009年

3 谢丽聪;;SVB查询改写算法的改进[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

4 郑存红;;复杂背景下相关跟踪算法研究及DSP实现[A];中国光学学会2010年光学大会论文集[C];2010年

5 杨文杰;吴军;;RFID抗冲突算法研究[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集（上）[C];2008年

6 高山;毕笃彦;魏娜;;一种基于UPF的小目标TBD算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

7 周磊;张卫华;王晓奇;张军;;基于流水算法的智能路障机器人设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

8 潘巍;李战怀;陈群;索博;李卫榜;;面向MapReduce的非对称分片复制连接算法优化技术研究[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

9 李伟伟;蔡康颖;郑新;王文成;;3D模型中重复结构的多尺度快速检测算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

10 杨任尔;陈恳;励金祥;;基于棱边方向检测的运动自适应去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中国重要报纸全文数据库 前1条

1 国泰君安资产管理部;“算法交易”是道指暴跌罪魁祸首?[N];上海证券报;2010年

中国博士学位论文全文数据库 前10条

1 冯辉;网络化的并行与分布式优化算法研究及应用[D];复旦大学;2013年

2 许玉杰;云计算环境下海量数据的并行聚类算法研究[D];大连海事大学;2014年

3 李琰;基于猫群算法的高光谱遥感森林类型识别研究[D];东北林业大学;2015年

4 陈加顺;海洋环境下聚类算法的研究[D];南京航空航天大学;2014年

5 王洋;基于群体智能的通信网络告警关联规则挖掘算法研究[D];太原理工大学;2015年

6 雷雨;面向考试时间表问题的启发式进化算法研究[D];西安电子科技大学;2015年

7 熊霖;大数据下的数据选择与学习算法研究[D];西安电子科技大学;2015年

8 周雷;基于图结构的目标检测与分割算法研究[D];上海交通大学;2014年

9 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年

10 蒋亦樟;多视角和迁移学习识别方法和智能建模研究[D];江南大学;2015年

中国硕士学位论文全文数据库 前10条

1 姚鑫宇;EMD去噪与MUSIC算法在DOA估计中的联合应用[D];昆明理工大学;2015年

2 陆进;面向含噪数据聚类相关算法的研究[D];复旦大学;2014年

3 李家昌;基于能量约束的超声图像自动分割算法[D];华南理工大学;2015年

4 陈坚;基于密度和约束的数据流聚类算法研究[D];兰州大学;2015年

5 高健;基于Zynq7000平台的去雾算法研究及实现[D];南京理工大学;2015年

6 顾磊;基于Hadoop的聚类算法的数据优化及其应用研究[D];南京信息工程大学;2015年

7 杨燕霞;基于Hadoop平台的并行关联规则挖掘算法研究[D];四川师范大学;2015年

8 王羽;基于MapReduce的社区发现算法的设计与实现[D];南京理工大学;2015年

9 许振佳;流式数据的并行聚类算法研究[D];曲阜师范大学;2015年

10 董琴;人工蜂群算法的改进与应用[D];大连海事大学;2015年

，

本文编号：1135745