基于無線傳感器網(wǎng)絡(luò)的變步長(zhǎng)分布式LMS算法研究
發(fā)布時(shí)間:2022-01-11 09:10
無線傳感器網(wǎng)絡(luò)(wireless sensor network,WSN)作為一種感知和監(jiān)測(cè)物理世界的分布式網(wǎng)絡(luò),因其具備規(guī)模大、自組織和可靠性高等特點(diǎn),現(xiàn)在已經(jīng)成熟地應(yīng)用在軍事、農(nóng)業(yè)、工業(yè)和智能交通等領(lǐng)域。分布式參數(shù)估計(jì)是指在WSN中各節(jié)點(diǎn)針對(duì)各自所收集到的數(shù)據(jù)與鄰居節(jié)點(diǎn)協(xié)同地估計(jì)出所感興趣的參數(shù)。因無線傳感器節(jié)點(diǎn)存在一些固有的局限性,如電源能量有限、計(jì)算能力有限和存儲(chǔ)空間有限等缺點(diǎn),使只需要存儲(chǔ)少量實(shí)時(shí)數(shù)據(jù)和自適應(yīng)信息處理的分布式估計(jì)算法得到了廣泛的研究。本文的所有研究都是基于變步長(zhǎng)分布式最小均方(Least Mean Square,LMS)算法,傳統(tǒng)的變步長(zhǎng)分布式最小均方算法雖然可以權(quán)衡穩(wěn)態(tài)誤差和收斂速度這兩個(gè)性能指標(biāo),但是在一些特定環(huán)境中,如估計(jì)參數(shù)各分量的量級(jí)相差較大、稀疏參數(shù)估計(jì)問題和背景噪聲伴隨脈沖噪聲等情況,傳統(tǒng)的變步長(zhǎng)分布式最小均方算法的估計(jì)性能會(huì)嚴(yán)重地惡化。針對(duì)這些問題,本文對(duì)變步長(zhǎng)擴(kuò)散式LMS算法進(jìn)行了深入研究,主要的研究工作和成果如下:1.為了提高傳統(tǒng)變步長(zhǎng)擴(kuò)散式LMS算法的性能,提出了一種新型的分量式變步長(zhǎng)擴(kuò)散式LMS算法。通過對(duì)分量式變步長(zhǎng)擴(kuò)散式LMS算法進(jìn)行...
【文章來源】:浙江工業(yè)大學(xué)浙江省
【文章頁數(shù)】:69 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
協(xié)作策略圖示,(a)集中式,(b)增長(zhǎng)式,(c)擴(kuò)散式Figure1-2.Collaborationstrategydiagram,(a)centralized,(b)incremental,(c)diffusion
第二章 擴(kuò)散式 LMS 算法 算法方算法(Least Mean Square,LMS)是一種結(jié)構(gòu)簡(jiǎn)單、應(yīng)用波器算法,是在維納濾波理論上運(yùn)用最速下降法的優(yōu)化延伸和 Hoff 提出來的[22]。為了得到維納濾波器的解,不僅需要矩陣進(jìn)行求逆運(yùn)算,還要知道輸入信號(hào)和期望信號(hào)的先驗(yàn)用最速下降法以遞歸的形式來迫近這個(gè)維納濾波器的理想求逆運(yùn)算,且使用瞬時(shí)誤差的平方代替均方誤差從而不需要 LMS 算法具有形式簡(jiǎn)單、收斂速度快且易于實(shí)現(xiàn)等優(yōu)點(diǎn),器算法中穩(wěn)定性最好、應(yīng)用最為廣泛的算法。
圖 2-2 擴(kuò)散式 LMS 算法基本結(jié)構(gòu)圖Figure 2-2. Basic structure diagram of diffusion LMS algorithm思考一個(gè)由一系列非負(fù)實(shí)數(shù) l ,kc 組成的 N N矩陣 C ,參數(shù)k 傳到節(jié)點(diǎn)l的權(quán)重:,0 , ,Tl k kc 如果 l N C1 1 1 C1示 N 1的單位向量。從上面公式可以看出如果節(jié)點(diǎn)l 和節(jié)點(diǎn)k,0 k 且矩陣 C 的每行或每列的和都等于 1,也就是節(jié)點(diǎn) k 僅僅信息,這樣本文可以通過最小化局部代價(jià)函數(shù)找到最優(yōu)估計(jì)2loc, ,( ) | ( ) |kk l k l l il NJ w c d i u w 上面全局最優(yōu)解,可以得到局部最優(yōu)估計(jì)值為:1loc, , , ,N Nk kk l k u l l k du ll lw c R c R 可以根據(jù)式(2-8)和(2-9)改變?nèi)执鷥r(jià)函數(shù)的表達(dá)式為:
【參考文獻(xiàn)】:
期刊論文
[1]無線傳感器網(wǎng)絡(luò)應(yīng)用系統(tǒng)最新進(jìn)展綜述[J]. 孫龍. 中國(guó)新通信. 2015(06)
[2]無線傳感器網(wǎng)絡(luò)在智能交通中的應(yīng)用[J]. 趙麗霞,紀(jì)松波. 物聯(lián)網(wǎng)技術(shù). 2012(06)
[3]基于無線傳感器網(wǎng)絡(luò)的智能物流跟蹤系統(tǒng)[J]. 孫玉硯,楊紅,劉卓華,皇甫偉. 計(jì)算機(jī)研究與發(fā)展. 2011(S2)
[4]無線傳感器網(wǎng)絡(luò)的研究進(jìn)展[J]. 李建中,高宏. 計(jì)算機(jī)研究與發(fā)展. 2008(01)
碩士論文
[1]基于無線傳感器網(wǎng)絡(luò)的分布式定位與跟蹤算法研究[D]. 王巖巖.電子科技大學(xué) 2018
[2]無線傳感器網(wǎng)絡(luò)中分布式LMS算法的研究[D]. 陳文曉.西安郵電大學(xué) 2014
本文編號(hào):3582518
【文章來源】:浙江工業(yè)大學(xué)浙江省
【文章頁數(shù)】:69 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
協(xié)作策略圖示,(a)集中式,(b)增長(zhǎng)式,(c)擴(kuò)散式Figure1-2.Collaborationstrategydiagram,(a)centralized,(b)incremental,(c)diffusion
第二章 擴(kuò)散式 LMS 算法 算法方算法(Least Mean Square,LMS)是一種結(jié)構(gòu)簡(jiǎn)單、應(yīng)用波器算法,是在維納濾波理論上運(yùn)用最速下降法的優(yōu)化延伸和 Hoff 提出來的[22]。為了得到維納濾波器的解,不僅需要矩陣進(jìn)行求逆運(yùn)算,還要知道輸入信號(hào)和期望信號(hào)的先驗(yàn)用最速下降法以遞歸的形式來迫近這個(gè)維納濾波器的理想求逆運(yùn)算,且使用瞬時(shí)誤差的平方代替均方誤差從而不需要 LMS 算法具有形式簡(jiǎn)單、收斂速度快且易于實(shí)現(xiàn)等優(yōu)點(diǎn),器算法中穩(wěn)定性最好、應(yīng)用最為廣泛的算法。
圖 2-2 擴(kuò)散式 LMS 算法基本結(jié)構(gòu)圖Figure 2-2. Basic structure diagram of diffusion LMS algorithm思考一個(gè)由一系列非負(fù)實(shí)數(shù) l ,kc 組成的 N N矩陣 C ,參數(shù)k 傳到節(jié)點(diǎn)l的權(quán)重:,0 , ,Tl k kc 如果 l N C1 1 1 C1示 N 1的單位向量。從上面公式可以看出如果節(jié)點(diǎn)l 和節(jié)點(diǎn)k,0 k 且矩陣 C 的每行或每列的和都等于 1,也就是節(jié)點(diǎn) k 僅僅信息,這樣本文可以通過最小化局部代價(jià)函數(shù)找到最優(yōu)估計(jì)2loc, ,( ) | ( ) |kk l k l l il NJ w c d i u w 上面全局最優(yōu)解,可以得到局部最優(yōu)估計(jì)值為:1loc, , , ,N Nk kk l k u l l k du ll lw c R c R 可以根據(jù)式(2-8)和(2-9)改變?nèi)执鷥r(jià)函數(shù)的表達(dá)式為:
【參考文獻(xiàn)】:
期刊論文
[1]無線傳感器網(wǎng)絡(luò)應(yīng)用系統(tǒng)最新進(jìn)展綜述[J]. 孫龍. 中國(guó)新通信. 2015(06)
[2]無線傳感器網(wǎng)絡(luò)在智能交通中的應(yīng)用[J]. 趙麗霞,紀(jì)松波. 物聯(lián)網(wǎng)技術(shù). 2012(06)
[3]基于無線傳感器網(wǎng)絡(luò)的智能物流跟蹤系統(tǒng)[J]. 孫玉硯,楊紅,劉卓華,皇甫偉. 計(jì)算機(jī)研究與發(fā)展. 2011(S2)
[4]無線傳感器網(wǎng)絡(luò)的研究進(jìn)展[J]. 李建中,高宏. 計(jì)算機(jī)研究與發(fā)展. 2008(01)
碩士論文
[1]基于無線傳感器網(wǎng)絡(luò)的分布式定位與跟蹤算法研究[D]. 王巖巖.電子科技大學(xué) 2018
[2]無線傳感器網(wǎng)絡(luò)中分布式LMS算法的研究[D]. 陳文曉.西安郵電大學(xué) 2014
本文編號(hào):3582518
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3582518.html
最近更新
教材專著