本文關(guān)鍵詞：基于Gossip算法的無(wú)線傳感器網(wǎng)絡(luò)分布式參數(shù)場(chǎng)估計(jì)

  更多相關(guān)文章： 參數(shù)估計(jì) 壓縮感知 Gossip算法

【摘要】：如今,無(wú)線傳感器網(wǎng)絡(luò)規(guī)模越來(lái)越大,節(jié)點(diǎn)數(shù)目不斷增多且分布范圍越發(fā)廣泛。在這樣大規(guī)模的分布式網(wǎng)絡(luò)中,傳統(tǒng)的集中式通信方式已再不適用,而分布式信號(hào)處理技術(shù)卻是解決分布式網(wǎng)絡(luò)中問(wèn)題的最佳選擇方案。在實(shí)際應(yīng)用中,研究人員通常需要獲得監(jiān)測(cè)區(qū)域內(nèi)某參數(shù)的整體分布圖,以便了解監(jiān)測(cè)區(qū)域參數(shù)場(chǎng)的整體分布情況。目前,國(guó)外的研究團(tuán)隊(duì)提出了將Gossip算法與壓縮感知算法結(jié)合的解決方案。利用壓縮感知算法對(duì)節(jié)點(diǎn)采集的離散參數(shù)值進(jìn)行稀疏壓縮。之后通過(guò)Gossip算法完成節(jié)點(diǎn)間的稀疏信號(hào)的交換和數(shù)據(jù)更新過(guò)程。最終,研究人員只要訪問(wèn)網(wǎng)絡(luò)中任何一個(gè)節(jié)點(diǎn)的數(shù)據(jù)都可以重構(gòu)和估計(jì)出原始參數(shù)場(chǎng)的分布情況。本論文針對(duì)分布式參數(shù)場(chǎng)估計(jì)問(wèn)題中涉及到的壓縮感知算法和Gossip算法進(jìn)行了理論分析和研究。首先對(duì)壓縮感知算法中的三個(gè)方面:信號(hào)的稀疏變換、測(cè)量矩陣的構(gòu)造和稀疏信號(hào)重構(gòu)問(wèn)題分別進(jìn)行了分析。重點(diǎn)研究了分布式網(wǎng)絡(luò)數(shù)據(jù)稀疏變換矩陣的構(gòu)造,以及梯度投影重構(gòu)算法。之后,對(duì)Gossip共識(shí)算法進(jìn)行研究。討論了平均共識(shí)問(wèn)題和Gossip算法的網(wǎng)絡(luò)結(jié)構(gòu)及時(shí)間模型。對(duì)成對(duì)Gossip算法的收斂性進(jìn)行了證明,并且分析其收斂速度的上下界。除此之外,對(duì)收斂速度更快的無(wú)偏廣播Gossip算法進(jìn)行理論研究,證明其在期望上及二階矩上的收斂性。在上述理論研究基礎(chǔ)上,本論文提出了基于無(wú)偏廣播Gossip算法的分布式參數(shù)場(chǎng)估計(jì)改進(jìn)方案。改進(jìn)方法利用信道的廣播特性,提高了算法的計(jì)算速度,節(jié)約了計(jì)算時(shí)間。同時(shí),本論文創(chuàng)新性地將這些理論應(yīng)用于電磁場(chǎng)信號(hào)接收功率強(qiáng)度識(shí)別問(wèn)題方面。通過(guò)仿真實(shí)驗(yàn)對(duì)算法性能進(jìn)行驗(yàn)證和分析。通過(guò)仿真分析可以看出由于使用了收斂速度更快的Gossip算法,改進(jìn)算法的計(jì)算時(shí)間更短,效率更高。同時(shí),改進(jìn)算法在很少的迭代次數(shù)下仍可以到達(dá)到參數(shù)重構(gòu)精度要求,重構(gòu)精度不受影響。通過(guò)理論分析和仿真實(shí)驗(yàn)都驗(yàn)證了改進(jìn)算法在解決平滑參數(shù)場(chǎng)、有噪?yún)?shù)場(chǎng)和電磁場(chǎng)等不同環(huán)境中參數(shù)重構(gòu)和估計(jì)問(wèn)題的可行性,表現(xiàn)出計(jì)算速度快,重構(gòu)精度滿足應(yīng)用要求的優(yōu)點(diǎn)。綜上所述,本文提出的改進(jìn)算法在實(shí)時(shí)性及精度要求都很高的分布式參數(shù)場(chǎng)估計(jì)應(yīng)用中具有實(shí)際參考價(jià)值。
【關(guān)鍵詞】：參數(shù)估計(jì) 壓縮感知 Gossip算法
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TN929.5;TP212.9
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-17
• 1.1 課題背景及研究的目的和意義9-11
• 1.1.1 分布式信號(hào)處理問(wèn)題概述9-10
• 1.1.2 平滑參數(shù)場(chǎng)的估計(jì)10-11
• 1.1.3 電磁信號(hào)接收功率強(qiáng)度識(shí)別11
• 1.2 國(guó)內(nèi)外在該方向的研究現(xiàn)狀及分析11-15
• 1.2.1 傳感器網(wǎng)絡(luò)分布式信號(hào)處理方法研究現(xiàn)狀11-12
• 1.2.2 Gossip算法研究現(xiàn)狀12-14
• 1.2.3 分布式壓縮感知算法研究現(xiàn)狀14-15
• 1.3 本文的主要工作和內(nèi)容安排15-17
• 第2章 基于分布式網(wǎng)絡(luò)數(shù)據(jù)的壓縮感知算法17-29
• 2.1 引言17
• 2.2 壓縮感知算法基本理論17-20
• 2.2.1 信號(hào)稀疏變換17-18
• 2.2.2 構(gòu)建測(cè)量矩陣18-19
• 2.2.3 稀疏信號(hào)重構(gòu)19-20
• 2.3 網(wǎng)絡(luò)數(shù)據(jù)的稀疏變換20-23
• 2.3.1 空間壓縮20-21
• 2.3.2 圖小波21
• 2.3.3 擴(kuò)散小波21-23
• 2.4 梯度投影重構(gòu)算法23-28
• 2.4.1 GPSR-Basic算法24-25
• 2.4.2 GPSR-BB算法25-26
• 2.4.3 性能仿真26-28
• 2.5 本章小結(jié)28-29
• 第3章 基于隨機(jī)幾何圖的GOSSIP算法29-46
• 3.1 引言29
• 3.2 GOSSIP算法基本理論29-31
• 3.2.1 分布式平均共識(shí)29-30
• 3.2.2 Gossip算法網(wǎng)絡(luò)結(jié)構(gòu)和時(shí)間模型30-31
• 3.3 成對(duì)GOSSIP算法31-37
• 3.3.1 成對(duì)Gossip算法原理32-33
• 3.3.2 成對(duì)Gossip算法在期望上的收斂性33
• 3.3.3 成對(duì)Gossip算法在二階矩上的收斂性33-35
• 3.3.4 成對(duì)Gossip算法的收斂速度35-37
• 3.4 無(wú)偏廣播GOSSIP算法37-42
• 3.4.1 無(wú)偏廣播Gossip算法原理38-39
• 3.4.2 無(wú)偏廣播Gossip算法在期望上的收斂性39-40
• 3.4.3 無(wú)偏廣播Gossip算法在二階矩上的收斂性40-42
• 3.5 性能仿真42-45
• 3.6 本章小結(jié)45-46
• 第4章 基于GOSSIP算法的分布式參數(shù)場(chǎng)估計(jì)46-67
• 4.1 引言46
• 4.2 算法流程46-47
• 4.3 分布式平滑參數(shù)場(chǎng)估計(jì)47-60
• 4.3.1 基于成對(duì)Gossip算法參數(shù)場(chǎng)估計(jì)的仿真與分析48-55
• 4.3.2 基于UBGA算法的平滑參數(shù)場(chǎng)估計(jì)仿真與分析55-58
• 4.3.3 算法性能比較58-60
• 4.4 分布式電磁場(chǎng)接收信號(hào)功率強(qiáng)度識(shí)別與估計(jì)60-66
• 4.4.1 電磁場(chǎng)接收信號(hào)功率強(qiáng)度分布模型60-63
• 4.4.2 算法性能仿真63-66
• 4.5 本章小結(jié)66-67
• 結(jié)論67-68
• 參考文獻(xiàn)68-73
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果73-75
• 致謝75

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 許道云;;全息算法的原理及應(yīng)用[J];計(jì)算機(jī)科學(xué)與探索;2011年02期

2 段海濱,王道波,朱家強(qiáng),黃向華;蟻群算法理論及應(yīng)用研究的進(jìn)展[J];控制與決策;2004年12期

3 段海濱;王道波;于秀芬;;幾種新型仿生優(yōu)化算法的比較研究[J];計(jì)算機(jī)仿真;2007年03期

4 劉永廣;葉梧;馮穗力;;一種基于非線性長(zhǎng)度的多約束路由算法[J];計(jì)算機(jī)應(yīng)用研究;2008年11期

5 劉永廣;葉梧;馮穗力;;一種基于蟻群算法和非線性長(zhǎng)度的多約束路由算法[J];通信技術(shù);2009年08期

6 劉振;胡云安;;一種多粒度模式蟻群算法及其在路徑規(guī)劃中的應(yīng)用[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年09期

7 羅景峰;;智能算法求解效果評(píng)價(jià)的物元模型[J];微電子學(xué)與計(jì)算機(jī);2011年04期

8 劉芳,李陽(yáng)陽(yáng);量子克隆進(jìn)化算法[J];電子學(xué)報(bào);2003年S1期

9 周雅蘭;;細(xì)菌覓食優(yōu)化算法的研究與應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2010年20期

10 胡紅莉;張建州;;螺旋錐束CT重建的近似逆算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年21期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 董家瑞;王精業(yè);潘麗君;;改進(jìn)的Dijksta算法在裝備保障系統(tǒng)中的應(yīng)用[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前9條

1 高衛(wèi)峰;人工蜂群算法及其應(yīng)用的研究[D];西安電子科技大學(xué);2013年

2 張捷;進(jìn)化算法及智能數(shù)據(jù)挖掘若干問(wèn)題研究[D];西安電子科技大學(xué);2013年

3 程世娟;改進(jìn)蟻群算法及其在結(jié)構(gòu)系統(tǒng)可靠性?xún)?yōu)化中的應(yīng)用[D];西南交通大學(xué);2009年

4 楊振宇;基于自然計(jì)算的實(shí)值優(yōu)化算法與應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

5 郭慶昌;均值移動(dòng)算法及在圖像處理和目標(biāo)跟蹤中的應(yīng)用研究[D];哈爾濱工程大學(xué);2008年

6 金勁;群集智能算法在網(wǎng)絡(luò)策略中的研究及其應(yīng)用[D];蘭州理工大學(xué);2011年

7 鄭樂(lè);寬頻帶雷達(dá)目標(biāo)跟蹤理論與算法研究[D];北京理工大學(xué);2015年

8 劉劍;非圓信號(hào)波達(dá)方向估計(jì)算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2007年

9 張瑞秋;面向SMT的錐束CT圖像重構(gòu)關(guān)鍵理論與BGA焊點(diǎn)檢測(cè)算法[D];華南理工大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 黃林;空間復(fù)用MIMO系統(tǒng)接收端的球形譯碼檢測(cè)算法研究[D];寧夏大學(xué);2015年

2 牛麗娟;基于Gossip算法的無(wú)線傳感器網(wǎng)絡(luò)分布式參數(shù)場(chǎng)估計(jì)[D];哈爾濱工業(yè)大學(xué);2015年

3 葉軍;混合分布估算算法的研究與應(yīng)用[D];蘇州大學(xué);2007年

4 張惠萍;基于蟻群算法的數(shù)據(jù)分類(lèi)方法研究[D];山西大學(xué);2008年

5 孟巖;連續(xù)空間蟻群算法研究及在工業(yè)過(guò)程控制中的應(yīng)用[D];山東師范大學(xué);2009年

6 葉寶林;分布估計(jì)算法的一種改進(jìn)與應(yīng)用[D];太原科技大學(xué);2011年

7 趙朝卿;蟻群算法的改進(jìn)及其應(yīng)用[D];重慶大學(xué);2008年

8 楊春夏;基于人工植物算法求解隨機(jī)規(guī)劃[D];太原科技大學(xué);2012年

9 歐陽(yáng)濤;物流車(chē)輛路徑問(wèn)題算法研究[D];吉林大學(xué);2011年

10 劉道;結(jié)余分配策略蟻群算法[D];東北大學(xué);2008年

，

本文編號(hào)：785274