基于无线传感器网络的变步长分布式LMS算法研究
发布时间：2022-01-11 09:10
无线传感器网络（wireless sensor network,WSN）作为一种感知和监测物理世界的分布式网络,因其具备规模大、自组织和可靠性高等特点,现在已经成熟地应用在军事、农业、工业和智能交通等领域。分布式参数估计是指在WSN中各节点针对各自所收集到的数据与邻居节点协同地估计出所感兴趣的参数。因无线传感器节点存在一些固有的局限性,如电源能量有限、计算能力有限和存储空间有限等缺点,使只需要存储少量实时数据和自适应信息处理的分布式估计算法得到了广泛的研究。本文的所有研究都是基于变步长分布式最小均方（Least Mean Square,LMS）算法,传统的变步长分布式最小均方算法虽然可以权衡稳态误差和收敛速度这两个性能指标,但是在一些特定环境中,如估计参数各分量的量级相差较大、稀疏参数估计问题和背景噪声伴随脉冲噪声等情况,传统的变步长分布式最小均方算法的估计性能会严重地恶化。针对这些问题,本文对变步长扩散式LMS算法进行了深入研究,主要的研究工作和成果如下:1.为了提高传统变步长扩散式LMS算法的性能,提出了一种新型的分量式变步长扩散式LMS算法。通过对分量式变步长扩散式LMS算法进行...
【文章来源】：浙江工业大学浙江省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
协作策略图示，（a）集中式，（b）增长式，（c）扩散式Figure1-2.Collaborationstrategydiagram,(a)centralized,(b)incremental,(c)diffusion
第二章 扩散式 LMS 算法 算法方算法（Least Mean Square，LMS）是一种结构简单、应用波器算法，是在维纳滤波理论上运用最速下降法的优化延伸和 Hoff 提出来的[22]。为了得到维纳滤波器的解，不仅需要矩阵进行求逆运算，还要知道输入信号和期望信号的先验用最速下降法以递归的形式来迫近这个维纳滤波器的理想求逆运算，且使用瞬时误差的平方代替均方误差从而不需要 LMS 算法具有形式简单、收敛速度快且易于实现等优点，器算法中稳定性最好、应用最为广泛的算法。
图 2-2 扩散式 LMS 算法基本结构图Figure 2-2. Basic structure diagram of diffusion LMS algorithm思考一个由一系列非负实数 l ,kc 组成的 N N矩阵 C ，参数k 传到节点l的权重：,0 , ,Tl k kc 如果 l N C1 1 1 C1示 N 1的单位向量。从上面公式可以看出如果节点l 和节点k,0 k 且矩阵 C 的每行或每列的和都等于 1，也就是节点 k 仅仅信息，这样本文可以通过最小化局部代价函数找到最优估计2loc, ,( ) | ( ) |kk l k l l il NJ w c d i u w 上面全局最优解，可以得到局部最优估计值为：1loc, , , ,N Nk kk l k u l l k du ll lw c R c R 可以根据式（2-8）和（2-9）改变全局代价函数的表达式为：
【参考文献】：
期刊论文
[1]无线传感器网络应用系统最新进展综述[J]. 孙龙. 中国新通信. 2015(06)
[2]无线传感器网络在智能交通中的应用[J]. 赵丽霞,纪松波. 物联网技术. 2012(06)
[3]基于无线传感器网络的智能物流跟踪系统[J]. 孙玉砚,杨红,刘卓华,皇甫伟. 计算机研究与发展. 2011(S2)
[4]无线传感器网络的研究进展[J]. 李建中,高宏. 计算机研究与发展. 2008(01)
硕士论文
[1]基于无线传感器网络的分布式定位与跟踪算法研究[D]. 王岩岩.电子科技大学 2018
[2]无线传感器网络中分布式LMS算法的研究[D]. 陈文晓.西安邮电大学 2014
本文编号：3582518
【文章来源】：浙江工业大学浙江省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
协作策略图示，（a）集中式，（b）增长式，（c）扩散式Figure1-2.Collaborationstrategydiagram,(a)centralized,(b)incremental,(c)diffusion
第二章 扩散式 LMS 算法 算法方算法（Least Mean Square，LMS）是一种结构简单、应用波器算法，是在维纳滤波理论上运用最速下降法的优化延伸和 Hoff 提出来的[22]。为了得到维纳滤波器的解，不仅需要矩阵进行求逆运算，还要知道输入信号和期望信号的先验用最速下降法以递归的形式来迫近这个维纳滤波器的理想求逆运算，且使用瞬时误差的平方代替均方误差从而不需要 LMS 算法具有形式简单、收敛速度快且易于实现等优点，器算法中稳定性最好、应用最为广泛的算法。
图 2-2 扩散式 LMS 算法基本结构图Figure 2-2. Basic structure diagram of diffusion LMS algorithm思考一个由一系列非负实数 l ,kc 组成的 N N矩阵 C ，参数k 传到节点l的权重：,0 , ,Tl k kc 如果 l N C1 1 1 C1示 N 1的单位向量。从上面公式可以看出如果节点l 和节点k,0 k 且矩阵 C 的每行或每列的和都等于 1，也就是节点 k 仅仅信息，这样本文可以通过最小化局部代价函数找到最优估计2loc, ,( ) | ( ) |kk l k l l il NJ w c d i u w 上面全局最优解，可以得到局部最优估计值为：1loc, , , ,N Nk kk l k u l l k du ll lw c R c R 可以根据式（2-8）和（2-9）改变全局代价函数的表达式为：
【参考文献】：
期刊论文
[1]无线传感器网络应用系统最新进展综述[J]. 孙龙. 中国新通信. 2015(06)
[2]无线传感器网络在智能交通中的应用[J]. 赵丽霞,纪松波. 物联网技术. 2012(06)
[3]基于无线传感器网络的智能物流跟踪系统[J]. 孙玉砚,杨红,刘卓华,皇甫伟. 计算机研究与发展. 2011(S2)
[4]无线传感器网络的研究进展[J]. 李建中,高宏. 计算机研究与发展. 2008(01)
硕士论文
[1]基于无线传感器网络的分布式定位与跟踪算法研究[D]. 王岩岩.电子科技大学 2018
[2]无线传感器网络中分布式LMS算法的研究[D]. 陈文晓.西安邮电大学 2014
本文编号：3582518
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3582518.html
