论文部分内容阅读
无线传感器网络(Wireless Sensor Networks,WSN)是一种具有无线通信能力的多跳自组织传感网络,由于具有成本小、功耗低和可扩展性等众多优点,因此广泛用于军事、环境监测、医疗卫生等多个领域。相对于集中式算法,分布式算法不仅能有效解决WSN通信范围受限、节点能源受限等问题,还能提高网络收集数据的效率与准确性,因此,WSN中分布式算法的研究具有重要实际意义。线性回归模型是分布式算法中常用的数学模型,在线性回归模型中,系统输入为回归向量,且与测量输出呈线性关系。许多实际系统中,输入数据会掺杂各种噪声干扰,例如加性噪声、乘性噪声、脉冲噪声(Impulsive Noise,IN)等。本文针对存在乘性回归噪声的WSN与存在脉冲回归噪声的WSN分别进行了分布式参数估计研究,并最终提出当WSN同时存在上述两种噪声时的分布式参数估计算法。本文主要展开了如下研究工作:1.建立具有乘性回归噪声影响下的数学模型,分析利用标准LMS进行参数估计时存在的偏差,并根据偏差结果对标准MSE函数进行修正,得到进行偏置补偿的新目标函数,并利用梯度下降法对其优化,得到偏置补偿分布式扩散LMS(Diffusion Least mean square,DLMS)算法;2.建立脉冲回归噪声影响下的数学模型与目标函数,利用梯度下降法优化目标函数,得到阈值设置分布式DLMS算法;3.结合1与2的工作,直接提出阈值设置-偏置补偿分布式参数估计算法;4.分析阈值设置-偏置补偿分布式参数估计算法的均值收敛条件、均方收敛条件以及均方稳态性能;5.对阈值设置-偏置补偿实现数值仿真,将本文算法与非协作式参数估计算法、非阈值设置分布式DLMS算法、非偏置补偿分布式DLMS算法分别进行比较,验证本文算法在参数估计问题中的优势。6.在森林火灾监测系统中应用偏置补偿-阈值设置分布式参数估计算法预测火灾,得到了较好的预测效果。