發(fā)布時間：2021-04-27 20:06

　　傳感器網(wǎng)絡(luò)由部署在監(jiān)視區(qū)域中空間獨立分布的大量微型傳感器節(jié)點構(gòu)成,用以實時監(jiān)控、感知和采集作用區(qū)域內(nèi)的環(huán)境或目標(biāo)狀態(tài),例如溫度,濕度,振動,壓力或運動等。由于節(jié)點的能量,傳感范圍,通信和計算能力有限,分布式算法表現(xiàn)出優(yōu)于集中式算法的優(yōu)越性能。在分布式的多種策略中,擴散策略以其簡單,靈活,穩(wěn)定等特點受到了廣泛關(guān)注。在以往的研究中,傳感器網(wǎng)絡(luò)中的大多數(shù)分布式算法假設(shè)傳感器節(jié)點感測的信息是無損的。隨著部署的傳感器網(wǎng)絡(luò)規(guī)模的增長,數(shù)據(jù)收集受到硬件和無線條件的干擾,通常會導(dǎo)致原始數(shù)據(jù)產(chǎn)生嚴重的數(shù)據(jù)缺失。本文首先簡要介紹了采用擴散策略的最小均方算法（LMS）及其推導(dǎo)過程。然而,LMS算法通常用于估計常數(shù)參數(shù)而不是動態(tài)模型,后者無論是軍事還是民用上也是傳感器網(wǎng)絡(luò)的重要研究領(lǐng)域,如目標(biāo)跟蹤等問題。在時變模型中,卡爾曼濾波算法是自20世紀60年代提出以來最流行的遞歸算法之一。本文在前人的基礎(chǔ)上探究了使用擴散策略的分布式卡爾曼濾波算法（DKF）,其技術(shù)挑戰(zhàn)是如何將成熟的中心式（或傳統(tǒng)）卡爾曼濾波方法遷移到復(fù)雜的大型動態(tài)網(wǎng)絡(luò)系統(tǒng)內(nèi)分布式測量和估計�？柭鼮V波算法的另一個優(yōu)點是從不完整的或存在噪聲干擾的測量中... 

【文章來源】：西南大學(xué)重慶市 211工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 發(fā)展歷史和研究現(xiàn)狀
        1.2.1 分布式參數(shù)估計算法
        1.2.2 多任務(wù)網(wǎng)絡(luò)
        1.2.3 數(shù)據(jù)缺失問題
    1.3 主要研究內(nèi)容
第二章 網(wǎng)絡(luò)模型
    2.1 傳感器網(wǎng)絡(luò)模型
    2.2 多任務(wù)網(wǎng)絡(luò)模型
    2.3 數(shù)據(jù)缺失模型
第三章 分布式算法的擴散策略
    3.1 分布式擴散策略
    3.2 擴散最小均方算法(DLMS)
        3.2.1 算法概述
        3.2.2 性能分析
    3.3 多任務(wù)網(wǎng)絡(luò)中的擴散LMS
        3.3.1 多任務(wù)描述和建模
        3.3.2 多任務(wù)算法概述
第四章 數(shù)據(jù)缺失條件下的擴散卡爾曼算法
    4.1 算法概述
        4.1.1 卡爾曼濾波概述
        4.1.2 擴散卡爾曼算法及擴展
    4.2 性能分析
        4.2.1 均值分析
        4.2.2 均方分析
        4.2.3 收斂性分析
    4.3 仿真結(jié)果
        4.3.1 網(wǎng)絡(luò)和參數(shù)設(shè)定
        4.3.2 擴散卡爾曼算法的性能
        4.3.3 多任務(wù)網(wǎng)絡(luò)
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文工作總結(jié)
    5.2 展望
參考文獻
致謝
攻讀碩士期間已取得的學(xué)術(shù)成果
攻讀碩士期間參加的科研項目


【參考文獻】：
期刊論文
[1]無線傳感器網(wǎng)絡(luò)應(yīng)用綜述[J]. 毛曉峰,楊珉,毛迪林.  計算機應(yīng)用與軟件. 2008(03)



本文編號：3164081