基于无线传感网络低比特量化算法

发布时间：2021-02-03 12:57

　　电子信息、无线通信、微处理器等技术的快速发展,推动了无线传感网络的普及和应用,其相关理论和应用研究受到人们的广泛关注。无线传感器网络由多个具备一定通信、存储和数据处理能力的传感节点组成。这些节点与中心处理器或其它节点以一定的协作方式收集和处理数据,获得对传感器网络周围环境信息的提取、感知和分析。参数估计是无线传感网络中非常重要的一个研究问题。它利用传感器采集到的数据实现对相关未知物理量的估计,在环境监测、室内定位、目标跟踪、自然灾害预测等领域有着广泛的应用。一般情况下,数据传输需要消耗较多的能量和通信带宽。但在传感器网络中,每个节点体积小、能量存储有限,不可能进行高复杂、高耗能的数据处理和传输。现有的一部分参数估计算法虽然具有较好的估计性能,但却没有考虑到节点存在的这些限制因素,一定程度上加大了节点负载,造成节点工作周期缩短。因此,如何更好地利用有限的资源,延长无线节点的生命周期,是传感器网络实际应用中遇到的一个挑战。压缩节点采样信号的冗余、降低节点传输的比特,这是能够有效克服这一问题的方法之一。根据这一思想,许多1比特量化算法被提出,如1比特线性回归、1比特系统辨识。这些算法可以较好... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

传感器网络节点模型

和2.4中，给出了单节点情况下LMS算法和RLS算法的瞬态MSD曲线，其中节点的噪声方差为0.1

杭州电子科技大学硕士学位论文19图2.7中是d-LMS算法的性能曲线，我们设置不同的步长参数R0.0,0.02,0.0,0.0对其进行仿真。图2.7(a)是算法的瞬态性能曲线，图2.7(b)是各个节点的稳态误差曲线。综合图(a)和图(b)，明显观察到，当迭代次数越来越多，d-LMS算法有着不错的估计表现。图(a)中，随着步长参数的增大，d-LMS算法和LMS算法一样，收敛速度变快，但是参数估计误差却越来越大。图(b)中每一条曲线代表了16个节点的稳态平均误差，可以很明显地看出参数估计性能由于步长参数的增大而变差。同时由于每个节点的噪声方差不一样，所以图中的稳态曲线表现出轻微上下波动。图2.8中，我们绘制了d-RLS算法的性能曲线。同样，我们设置了一组不同的遗忘因子R0.0,0.2,0.,0.对其进行观察。随着迭代次数增加，算法收敛后有良好的性能表现。图(a)表明当遗忘因子逐渐变大，其收敛速度将减缓，但是估计精度在不断提升。而图(b)的是关于节点的平均稳态性能曲线，同样由于节点噪声方差的不同，该曲线同样表现出轻

【参考文献】：
期刊论文
[1]基于Bregman散度的无线传感器网络定位[J]. 刘春生,单洪,王斌,黄郡.  浙江大学学报(工学版). 2019(08)
[2]无线传感器网络综述[J]. 吴瑞睿,刘洁琳.  科技创新与应用. 2018(14)
[3]传感器网络分布式鲁棒自适应估计算法[J]. 康凯凯,刘兆霆.  传感技术学报. 2018(04)
[4]精确林业传感技术和无线传感器网络研究进展[J]. 郑加强,徐幼林.  林业工程学报. 2016(02)
[5]无线传感器网络研究现状与应用[J]. 司海飞,杨忠,王珺.  机电工程. 2011(01)



本文编号：3016539