基于广义似然比判决的混沌信号重构方法

发布时间：2018-01-26 11:08

本文关键词： 代价参考混沌信号重构能耗广义似然比　出处：《物理学报》2017年04期 　论文类型：期刊论文

【摘要】：由于传感器网络的自身特征和节点的资源受限,使得对观测信号的处理必须考虑量化和能耗等因素,而引入的量化噪声同时增加了系统整体噪声的复杂性.针对传感器网络中整体噪声统计特性难以准确数学建模的特点,提出了一种基于代价参考粒子滤波的混沌信号重构算法.算法采用容积点变换以获得相对准确的更新粒子,并将局部重构信号的代价增量构建为广义似然比函数,用来选择传感器网络中的有效工作节点.仿真结果表明:所提算法可实现混沌信号的有效重构,且在噪声统计特性未知时性能要优于容积卡尔曼粒子滤波算法;算法同时能够通过选择不同的广义似然比阈值,实现网络能耗和重构精度的折中.
[Abstract]:This paper presents a chaotic signal reconstruction algorithm based on cost reference particle filtering because of its own characteristics and the limited resources of the nodes , and the quantization noise introduced in the sensor network increases the complexity of the whole system noise . The algorithm adopts volume point transform to obtain relatively accurate update particles , and constructs the cost increment of the local reconstructed signal as a generalized likelihood ratio function to select the effective working node in the sensor network . The simulation results show that the proposed algorithm can realize the effective reconstruction of chaotic signal , and the performance of the local reconstructed signal is better than that of the volume Kalman particle filter algorithm when the noise statistic characteristic is unknown . The algorithm can also realize the compromise of network energy consumption and reconstruction precision by selecting different generalized likelihood ratio thresholds .

【作者单位】：华南理工大学电子与信息学院;东莞理工学院计算机与网络安全学院;
【基金】：国家自然科学基金(批准号:60872123) 国家自然科学基金委员会广东省自然科学基金联合基金(批准号:U0835001) 广东省高校科技创新计划基金(2013KJCX0178)资助的课题~~
【分类号】：TN911.7;TP212.9
【正文快照】： 架的非线性滤波是一类有效的实时处理方法[8-13].1引言文献[8]和[9]分别采用无先导卡尔曼滤波方法(un-scented Kalman?lter,UKF)和容积卡尔曼滤波传感器网络中通过节点间的相互协作,可以完(cubature Kalman?lter,CKF)实现了盲信号的重成复杂的信号处理任务,已被广泛应用于生物

【相似文献】