本文關(guān)鍵詞：基于偏差補(bǔ)償LMS算法的分布式協(xié)同估計(jì)方法研究

  更多相關(guān)文章： 分布式網(wǎng)絡(luò) 協(xié)同估計(jì) 自適應(yīng)濾波 偏差補(bǔ)償 噪聲方差估計(jì)

【摘要】：近年來(lái),分布式協(xié)同信息處理技術(shù)在無(wú)線通信網(wǎng)絡(luò)等領(lǐng)域的應(yīng)用研究越來(lái)越多,如無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)定位、多無(wú)人機(jī)目標(biāo)搜索、航天編隊(duì)控制和工業(yè)無(wú)線網(wǎng)絡(luò)參數(shù)估計(jì)等。分布式協(xié)同信息處理是指在多代理網(wǎng)絡(luò)中,通過(guò)代理間的不同信息交互模式,實(shí)現(xiàn)整個(gè)網(wǎng)絡(luò)的信息協(xié)同處理。本文則主要研究分布式協(xié)同信息處理技術(shù)在自適應(yīng)目標(biāo)參數(shù)估計(jì)問(wèn)題的應(yīng)用,即針對(duì)未知參數(shù)目標(biāo),并基于自適應(yīng)濾波算法,利用分布式策略進(jìn)行目標(biāo)參數(shù)協(xié)同估計(jì)。由于LMS自適應(yīng)濾波算法具有計(jì)算量小和結(jié)構(gòu)簡(jiǎn)單的特點(diǎn),因此本文的整體研究都是基于LMS算法,然后分別基于FIR和IIR兩種濾波器來(lái)實(shí)現(xiàn)算法的性能比較。本文首先介紹單代理的自適應(yīng)估計(jì)過(guò)程,并對(duì)基于兩種濾波器的LMS算法分別進(jìn)行理論分析。在單代理自適應(yīng)估計(jì)的基礎(chǔ)上,研究多代理分布式協(xié)同估計(jì)算法,詳細(xì)介紹了多代理網(wǎng)絡(luò)模型和分布式協(xié)同策略,其中分布式協(xié)同策略主要包括增量式策略、一致式策略和擴(kuò)散式策略三種。通過(guò)研究不同策略的信息交互方式,然后基于LMS算法給出分布式LMS算法,并對(duì)算法的估計(jì)精度進(jìn)行仿真比較。仿真結(jié)果表明,與單代理的非協(xié)作估計(jì)算法相比,分布式協(xié)同估計(jì)算法具有更好的估計(jì)精度,同時(shí)還表明三種分布式協(xié)同估計(jì)算法在不同步長(zhǎng)條件下的性能也有所不同�？紤]到在實(shí)際環(huán)境中,分布式網(wǎng)絡(luò)中代理的輸入輸出信號(hào)通常包含多種噪聲(如量化噪聲和測(cè)量噪聲等),這些噪聲會(huì)導(dǎo)致以往的分布式協(xié)同估計(jì)算法對(duì)目標(biāo)參數(shù)的估計(jì)結(jié)果存在嚴(yán)重偏差,因此相關(guān)研究學(xué)者基于偏差補(bǔ)償原則,通過(guò)消除噪聲引起的偏差,提出分布式協(xié)同估計(jì)偏差補(bǔ)償算法,從而得到無(wú)偏估計(jì)結(jié)果。但是在以往的研究中,通常假設(shè)噪聲方差是已知條件或者含有約束條件,不能實(shí)現(xiàn)無(wú)約束條件的實(shí)時(shí)估計(jì)噪聲方差。因此,本文在以往的研究基礎(chǔ)上,提出一種無(wú)約束條件實(shí)時(shí)估計(jì)噪聲方差的方法,并根據(jù)不同的分布式LMS算法,提出分布式偏差補(bǔ)償LMS算法。仿真結(jié)果表明,首先相比分布式LMS算法,分布式偏差補(bǔ)償LMS算法能夠?qū)崿F(xiàn)目標(biāo)參數(shù)的無(wú)偏估計(jì),然后與以往的偏差補(bǔ)償LMS算法相比,本文提出的偏差補(bǔ)償LMS算法具有更好的估計(jì)精度,即更低的均方誤差(MSD),而且在不同的信噪比條件下都能很好的實(shí)現(xiàn)參數(shù)的無(wú)偏估計(jì)。
【關(guān)鍵詞】：分布式網(wǎng)絡(luò) 協(xié)同估計(jì) 自適應(yīng)濾波 偏差補(bǔ)償 噪聲方差估計(jì)
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN713
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-19
• 1.1 課題研究背景及意義10-11
• 1.2 論文研究主要內(nèi)容11-16
• 1.2.1 分布式協(xié)同策略11-13
• 1.2.2 自適應(yīng)濾波13-15
• 1.2.3 偏差補(bǔ)償問(wèn)題15-16
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)16-17
• 1.4 論文內(nèi)容安排17-19
• 第2章 單代理參數(shù)估計(jì)19-30
• 2.1 單代理自適應(yīng)估計(jì)19-20
• 2.1.1 均方誤差19-20
• 2.1.2 自適應(yīng)估計(jì)基本原理20
• 2.2 自適應(yīng)FIR濾波器估計(jì)20-25
• 2.2.1 FIR估計(jì)模型21-23
• 2.2.2 LMS算法23-25
• 2.3 自適應(yīng)IIR濾波器估計(jì)25-28
• 2.3.1 IIR估計(jì)模型25-27
• 2.3.2 IIR自適應(yīng)LMS算法27-28
• 2.4 本章小結(jié)28-30
• 第3章 分布式協(xié)同估計(jì)30-45
• 3.1 多代理網(wǎng)絡(luò)模型30-32
• 3.1.1 連接網(wǎng)絡(luò)30-31
• 3.1.2 估計(jì)模型31-32
• 3.2 分布式協(xié)同策略32-36
• 3.2.1 增量式策略32-34
• 3.2.2 一致式策略34-35
• 3.2.3 擴(kuò)散式策略35-36
• 3.3 分布式協(xié)同估計(jì)算法36-39
• 3.3.1 基于FIR的分布式LMS算法36-38
• 3.3.2 基于IIR的分布式LMS算法38-39
• 3.4 分布式算法比較分析39-44
• 3.4.1 仿真條件設(shè)定40-41
• 3.4.2 仿真結(jié)果分析41-44
• 3.5 本章小結(jié)44-45
• 第4章 分布式偏差補(bǔ)償算法45-68
• 4.1 FIR分布式偏差補(bǔ)償LMS算法45-53
• 4.1.1 單代理BCLMS算法45-48
• 4.1.2 輸入噪聲估計(jì)方法48-49
• 4.1.3 分布式BCLMS算法49-53
• 4.2 IIR分布式偏差補(bǔ)償LMS算法53-59
• 4.2.1 單代理BCLMS算法53-54
• 4.2.2 輸入輸出噪聲方差估計(jì)方法54-56
• 4.2.3 分布式BCLMS算法56-59
• 4.3 分布式BCLMS算法仿真實(shí)驗(yàn)59-67
• 4.3.1 仿真條件設(shè)定59
• 4.3.2 單代理BCLMS仿真分析59-64
• 4.3.3 分布式BCLMS仿真分析64-67
• 4.4 本章小結(jié)67-68
• 結(jié)論68-70
• 參考文獻(xiàn)70-74
• 攻讀學(xué)位期間發(fā)表論文與研究成果清單74-75
• 致謝75

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 祁曉明;魏瑞軒;沈東;茹常劍;周歡;;基于運(yùn)動(dòng)目標(biāo)預(yù)測(cè)的多無(wú)人機(jī)分布式協(xié)同搜索[J];系統(tǒng)工程與電子技術(shù);2014年12期

2 張子涵;曾慶軍;王彪;;基于分布式水下無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)協(xié)同定位方法研究[J];科學(xué)技術(shù)與工程;2012年15期

3 ;Forward/backward prediction solution for adaptive noisy FIR filtering[J];Science in China(Series F:Information Sciences);2009年06期

4 徐R，

本文編號(hào)：886648