传感器网络1比特最大似然参数估计算法.pdfVIP

摘要

无线传感器网络由大量成本较低的微小型传感器节点构成，具有信息感知、数据处理和

通信能力，在环境监测、目标跟踪与定位、远程健康医疗等方面有着重要的应用。随着人们

对无线传感器网络理论与技术更深入地了解与掌握，它的应用将更加深入到人们生活的方方

面面。无线传感器网络的诸多应用问题，如目标定位、跟踪、系统辨识等等，本质上都可归

结为基于传感器网络的参数估计问题。一般情况下，传感器网络结构包括集中式结构与分布

式结构。相应地，基于传感器网络的参数估计可分为集中式参数估计和分布式参数估计。相

比集中式参数估计算法，分布式参数估计无需将所有数据传输给一个融合中心，而是在邻居

节点共享，有效提高了参数估计的鲁棒性。通常情况下，无线传感器网络各个节点是由电池

供电，能量有限，较大的数据传输量将导致节点能量的快速消耗。若某一节点能量耗尽，意

味着这个节点在网络中所起的作用消失，从而影响网络整体性能。

本论文考虑将传感器网络中各个传感器节点进行1比特采样、处理和传输，从而有效降

低节点能量消耗、减轻网络通信负载，并且在采样和传输过程中考虑了乘性噪声和加性噪声

的影响。为此，论文的主要创新点及成果如下：

（1）论文在理想信道的前提下分别研究了传感器网络集中式和分布式1比特最大似然参

数估计算法，并分别推导了算法对应的克拉美罗下界。仿真实验结果表明，算法虽然只利用

1比特数据进行计算，但是仍然能够实现对未知参数的准确估计。

（2）考虑到1比特数据在传输过程中有可能会存在着随机干扰，这种非理想的二值信道

容易导致比特值随机反转，从而造成估计性能严重下降，为了解决这个问题，论文讨论了非

理想信道的情况，进一步提出了1比特最大似然参数估计的鲁棒算法，同时推导了算法对应

的克拉美罗下界。一系列仿真实验结果说明，算法虽然在非理想信道的前提下进行参数估计，

但是仍然具有良好的估计精度。

关键词：传感器网络，1比特量化值，参数估计，最大似然估计算法

ABSTRACT

Thewirelesssensornetworkisconsistedofalargenumberoflow-costmicroandsmallsensor

nodes,withinformationperception,dataprocessingandcommunicationcapabilities,andhas

importantapplicationsinenvironmentalmonitoring,targettrackingandpositioning,andremote

healthcare.Aspeoplehaveadeeperunderstandingandmasteryofthetheoryandtechnologyofthe

wirelesssensornetwork,itsapplicationwillbemorein-depthinallaspectsofpeopleslives.Many

applicationproblemsofthewirelesssensornetwork,suchastargetpositioning,tracking,system

identificationandmanymore,canbeattributedtotheparameterestimationproblembasedonthe

sensornetworkinessence.Ingeneral,asensornetworkstructureisclassifiedasacentralized

structureandadistributedstructure.Correspondingly,theparameterestimationbasedonthesensor

networkcanbeclassifiedasthec