本文關(guān)鍵詞：基于Gossip算法的分布式盲區(qū)檢測(cè)

  更多相關(guān)文章： 卡爾曼濾波 Gossip算法 壓縮感知 DBSCAN算法

【摘要】：當(dāng)前,移動(dòng)通信系統(tǒng)的盲區(qū)檢測(cè)主要是由運(yùn)營(yíng)商的專業(yè)技術(shù)人員通過(guò)專業(yè)儀器設(shè)備實(shí)現(xiàn)的,存在測(cè)試周期長(zhǎng)、成本高和缺乏靈活性等問(wèn)題。針對(duì)這一問(wèn)題,可以在監(jiān)測(cè)區(qū)域內(nèi)布置大量的無(wú)線傳感器節(jié)點(diǎn),利用分布式壓縮感知和散亂數(shù)據(jù)曲面重建技術(shù)來(lái)進(jìn)行二維分布式盲區(qū)識(shí)別。最終,只要訪問(wèn)該網(wǎng)絡(luò)中任意一個(gè)節(jié)點(diǎn)就可以得到盲區(qū)識(shí)別的結(jié)果。本文首先應(yīng)用幾何光學(xué)理論得到了簡(jiǎn)單障礙物陰影模型,并根據(jù)國(guó)際電訊聯(lián)盟ITU-R M.1225標(biāo)準(zhǔn),參照室外到室內(nèi)步行測(cè)試環(huán)境無(wú)線信號(hào)傳播模型,建立了網(wǎng)絡(luò)監(jiān)測(cè)區(qū)域內(nèi)的無(wú)線信號(hào)傳播模型。利用卡爾曼濾波的方法濾除采集信號(hào)中的隨機(jī)噪聲和部分小尺度衰落。然后,對(duì)經(jīng)典壓縮感知算法的三個(gè)主要步驟以及Gossip算法基本理論進(jìn)行了詳細(xì)介紹,通過(guò)對(duì)比分析選取收斂速度較快,能夠抵抗分組丟失的基于偵聽(tīng)的廣播Gossip算法應(yīng)用于分布式壓縮感知算法中,并通過(guò)仿真結(jié)果進(jìn)行驗(yàn)證分析。此外,為了分析在進(jìn)行分布式壓縮感知之前到底需要多少個(gè)節(jié)點(diǎn)參與才能滿足某個(gè)給定的精度,本文對(duì)分布式壓縮感知算法的誤差限與參與重構(gòu)的節(jié)點(diǎn)數(shù)量k之間的關(guān)系進(jìn)行研究,為該算法的應(yīng)用提供理論保證。在利用無(wú)線傳感器節(jié)點(diǎn)對(duì)所在位置基站覆蓋情況進(jìn)行檢測(cè)后,將通過(guò)基于Gossip算法的分布式壓縮感知算法使得監(jiān)測(cè)網(wǎng)絡(luò)中的每一個(gè)無(wú)線傳感器節(jié)點(diǎn)均能夠獲知監(jiān)測(cè)網(wǎng)絡(luò)內(nèi)所有節(jié)點(diǎn)所在位置的接收信號(hào)強(qiáng)度估計(jì)值,是空間上一些離散的數(shù)值,而不是整個(gè)空間完整的信號(hào)分布,并不能直觀地識(shí)別出盲區(qū)所在位置,因此還需要利用這些離散值通過(guò)散亂數(shù)據(jù)曲面重建技術(shù)對(duì)整個(gè)空間信號(hào)覆蓋情況的重構(gòu)。本文對(duì)基于插值的不同方案在區(qū)域覆蓋接收信號(hào)強(qiáng)度圖重建中的效果進(jìn)行研究比較,并針對(duì)本系統(tǒng)模型的特點(diǎn)提出一種聯(lián)合DBSCAN算法與凸包算法的改進(jìn)方案,通過(guò)仿真結(jié)果,可以證明該聯(lián)合算法能夠適用于本文設(shè)定場(chǎng)景,并且大大提高了系統(tǒng)的誤差容限,具有很高的實(shí)際應(yīng)用價(jià)值。如上所述,本文綜合運(yùn)用圖論、分布式信號(hào)處理、最優(yōu)化理論、線性濾波等技術(shù)理論,提出一種二維分布式盲區(qū)識(shí)別算法,填補(bǔ)國(guó)內(nèi)外在該領(lǐng)域的研究空白,具有較強(qiáng)的實(shí)用性和前沿性。
【關(guān)鍵詞】：卡爾曼濾波 Gossip算法 壓縮感知 DBSCAN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】：2016
【分類(lèi)號(hào)】：TN929.5
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-14
• 1.1 研究的目的和意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析10-12
• 1.2.1 分布式盲區(qū)檢測(cè)與重構(gòu)10-11
• 1.2.2 分布式壓縮感知算法研究現(xiàn)狀11-12
• 1.3 本文的主要研究?jī)?nèi)容和工作安排12-14
• 第2章 分布式信息采集14-24
• 2.1 接收信號(hào)強(qiáng)度指示（RSSI）分布模型14-17
• 2.1.1 無(wú)線信號(hào)傳播模型14-15
• 2.1.2 簡(jiǎn)單障礙物陰影模型15-17
• 2.2 采集信號(hào)中干擾和噪聲的濾除17-22
• 2.2.1 系統(tǒng)中干擾和噪聲分析17-19
• 2.2.2 卡爾曼濾波19-22
• 2.3 信道模型仿真22-23
• 2.4 本章小結(jié)23-24
• 第3章 基于Gossip的分布式壓縮感知24-44
• 3.1 應(yīng)用壓縮感知可行性分析24-25
• 3.2 壓縮感知算法基本理論25-27
• 3.2.1 稀疏變換編碼25-26
• 3.2.2 隨機(jī)投影26
• 3.2.3 稀疏信號(hào)恢復(fù)26-27
• 3.3 Gossip算法基本理論27-33
• 3.3.1 模型定義及算法簡(jiǎn)介27-30
• 3.3.2 單播Gossip算法（PGA）30
• 3.3.3 廣播Gossip算法（BGA）30-33
• 3.4 分布式壓縮感知算法33-42
• 3.4.1 算法流程33-34
• 3.4.2 仿真結(jié)果與分析34-40
• 3.4.3 算法誤差限研究40-42
• 3.5 本章小結(jié)42-44
• 第4章 分布式盲區(qū)重構(gòu)44-53
• 4.1 現(xiàn)有插值方案44-47
• 4.1.1 基于樣條的插值方案44-45
• 4.1.2 克里金插值45-47
• 4.2 基于凸包與DBSCAN的聯(lián)合插值方案47-52
• 4.2.1 基于凸包的單盲區(qū)插值方案47-50
• 4.2.2 DBSCAN算法50-52
• 4.3 本章小結(jié)52-53
• 結(jié)論53-54
• 參考文獻(xiàn)54-58
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果58-60
• 致謝60

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 葛磊;武芳;王鵬波;張冬林;;3維建筑綜合中基于最小特征的面平移算法[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2009年02期

2 駱雯,孫延明,陳振威,陳錦昌;判斷點(diǎn)與封閉多邊形相對(duì)關(guān)系的改進(jìn)算法[J];機(jī)械;1999年03期

3 李林;盧顯良;;一種基于切割映射的規(guī)則沖突消除算法[J];電子學(xué)報(bào);2008年02期

4 劉巧玲;張紅英;林茂松;;一種簡(jiǎn)單快速的圖像去霧算法[J];計(jì)算機(jī)應(yīng)用與軟件;2013年07期

5 林亞平,楊小林;快速概率分析進(jìn)化算法及其性能研究[J];電子學(xué)報(bào);2001年02期

6 章郡鋒;吳曉紅;黃曉強(qiáng);何小海;;基于暗原色先驗(yàn)去霧的改進(jìn)算法[J];電視技術(shù);2013年23期

7 楊鐵軍;靳婷;;一種動(dòng)態(tài)整周模糊值求解算法及其仿真分析[J];系統(tǒng)工程與電子技術(shù);2007年01期

8 周秀玲;郭平;陳寶維;王靜;;幾種計(jì)算超體積算法的比較研究[J];計(jì)算機(jī)工程;2011年03期

9 吳一戎,胡東輝,彭海良;Chirp Scaling SAR成象算法及其實(shí)現(xiàn)[J];電子科學(xué)學(xué)刊;1995年03期

10 王貴竹;一種產(chǎn)生單向分解值的算法[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 尹冀鋒;;一種新的圖象自適應(yīng)增強(qiáng)算法[A];四川省通信學(xué)會(huì)一九九二年學(xué)術(shù)年會(huì)論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計(jì)算機(jī)輔助增強(qiáng)、分割算法在鑒別乳腺良、惡性腫塊中的應(yīng)用價(jià)值[A];中華醫(yī)學(xué)會(huì)第十次全國(guó)超聲醫(yī)學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2009年

3 謝麗聰;;SVB查詢改寫(xiě)算法的改進(jìn)[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

4 鄭存紅;;復(fù)雜背景下相關(guān)跟蹤算法研究及DSP實(shí)現(xiàn)[A];中國(guó)光學(xué)學(xué)會(huì)2010年光學(xué)大會(huì)論文集[C];2010年

5 楊文杰;吳軍;;RFID抗沖突算法研究[A];2008通信理論與技術(shù)新進(jìn)展——第十三屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（上）[C];2008年

6 高山;畢篤彥;魏娜;;一種基于UPF的小目標(biāo)TBD算法[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

7 周磊;張衛(wèi)華;王曉奇;張軍;;基于流水算法的智能路障機(jī)器人設(shè)計(jì)[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

8 潘巍;李戰(zhàn)懷;陳群;索博;李衛(wèi)榜;;面向MapReduce的非對(duì)稱分片復(fù)制連接算法優(yōu)化技術(shù)研究[A];第29屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）（NDBC2012）[C];2012年

9 李偉偉;蔡康穎;鄭新;王文成;;3D模型中重復(fù)結(jié)構(gòu)的多尺度快速檢測(cè)算法[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

10 楊任爾;陳懇;勵(lì)金祥;;基于棱邊方向檢測(cè)的運(yùn)動(dòng)自適應(yīng)去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 國(guó)泰君安資產(chǎn)管理部;“算法交易”是道指暴跌罪魁禍?zhǔn)?[N];上海證券報(bào);2010年

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

1 馮輝;網(wǎng)絡(luò)化的并行與分布式優(yōu)化算法研究及應(yīng)用[D];復(fù)旦大學(xué);2013年

2 許玉杰;云計(jì)算環(huán)境下海量數(shù)據(jù)的并行聚類(lèi)算法研究[D];大連海事大學(xué);2014年

3 李琰;基于貓群算法的高光譜遙感森林類(lèi)型識(shí)別研究[D];東北林業(yè)大學(xué);2015年

4 陳加順;海洋環(huán)境下聚類(lèi)算法的研究[D];南京航空航天大學(xué);2014年

5 王洋;基于群體智能的通信網(wǎng)絡(luò)告警關(guān)聯(lián)規(guī)則挖掘算法研究[D];太原理工大學(xué);2015年

6 雷雨;面向考試時(shí)間表問(wèn)題的啟發(fā)式進(jìn)化算法研究[D];西安電子科技大學(xué);2015年

7 熊霖;大數(shù)據(jù)下的數(shù)據(jù)選擇與學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2015年

8 周雷;基于圖結(jié)構(gòu)的目標(biāo)檢測(cè)與分割算法研究[D];上海交通大學(xué);2014年

9 王冰;人工蜂群算法的改進(jìn)及相關(guān)應(yīng)用的研究[D];北京理工大學(xué);2015年

10 蔣亦樟;多視角和遷移學(xué)習(xí)識(shí)別方法和智能建模研究[D];江南大學(xué);2015年

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

1 姚鑫宇;EMD去噪與MUSIC算法在DOA估計(jì)中的聯(lián)合應(yīng)用[D];昆明理工大學(xué);2015年

2 陸進(jìn);面向含噪數(shù)據(jù)聚類(lèi)相關(guān)算法的研究[D];復(fù)旦大學(xué);2014年

3 李家昌;基于能量約束的超聲圖像自動(dòng)分割算法[D];華南理工大學(xué);2015年

4 陳堅(jiān);基于密度和約束的數(shù)據(jù)流聚類(lèi)算法研究[D];蘭州大學(xué);2015年

5 高健;基于Zynq7000平臺(tái)的去霧算法研究及實(shí)現(xiàn)[D];南京理工大學(xué);2015年

6 顧磊;基于Hadoop的聚類(lèi)算法的數(shù)據(jù)優(yōu)化及其應(yīng)用研究[D];南京信息工程大學(xué);2015年

7 楊燕霞;基于Hadoop平臺(tái)的并行關(guān)聯(lián)規(guī)則挖掘算法研究[D];四川師范大學(xué);2015年

8 王羽;基于MapReduce的社區(qū)發(fā)現(xiàn)算法的設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

9 許振佳;流式數(shù)據(jù)的并行聚類(lèi)算法研究[D];曲阜師范大學(xué);2015年

10 董琴;人工蜂群算法的改進(jìn)與應(yīng)用[D];大連海事大學(xué);2015年

，

本文編號(hào)：1135745