參數(shù)估計是信號處理領(lǐng)域中的關(guān)鍵問題,通過來自其他的觀測量,間接確定未知參數(shù)。無線傳感器網(wǎng)絡中分布式估計已經(jīng)成為非常流行的參數(shù)估計,目的是使節(jié)點能夠從觀測數(shù)據(jù)中以分布式方式估計出感興趣的參數(shù)向量。自適應網(wǎng)絡中的分布式估計策略可以主要分為增量策略,一致性策略和擴散策略。在增量策略中,數(shù)據(jù)通過網(wǎng)絡以循環(huán)方式處理。一致性策略依賴于多個相鄰節(jié)點的中間估計的融合。在擴散策略中,數(shù)據(jù)在所有節(jié)點進行處理,而節(jié)點與所有鄰居節(jié)點通過以分享其中間估計進行通信。因為擴散策略具有好的魯棒性、靈活性和完全分布式等特點,使其特別有吸引力,例如擴散最小均方（DLMS）算法。在本文中,我們關(guān)注擴散估計策略。當信號被非高斯噪聲干擾時,分布式估計的性能會嚴重降低。非高斯噪聲可能是自然原因造成的,例如大氣現(xiàn)象;也可能是人為因素造成的,例如操作環(huán)境中存在的電機或多路電信信號。最近,一些研究人員致力于提高在非高斯噪聲環(huán)境中分布式估計算法的魯棒性。這些努力主要是為了尋找更強大的代價函數(shù)來替代均方誤差（MSE）準則,該準則只有在測量噪聲為高斯噪聲時才是最優(yōu)。基于最小誤差熵（MEE）方法的誤差熵準則也顯示出其能夠在非高斯噪聲下實現(xiàn)比均... 

【文章來源】：西南大學重慶市 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

單參數(shù)EIV模型的MEE估計這里R,He表示瑞利誤差熵，.ep是誤差概率密度函數(shù)（pdf），當1時，瑞利誤差熵接近著名的香農(nóng)熵log

具有不同值的值

(c) (d)圖 2.3 最優(yōu)解MEEw ，TLSw ，MMSEw 以及在0w 之間的區(qū)域：(a)具有不同22,u 22,v =200）值的單峰情況；(b)具有不同22,v （22,=400u ）值的單峰情況；(c)具有不同u （ 5v ）的多模態(tài)情況；(d)具有不同v （ 20u ）的多模態(tài)情況其次，在圖 2.4 中展顯了解決方案將如何受到異常值出現(xiàn)概率（即 和 ）的響，并且 ， N 500。從圖 2.4 中可以看出：（1）當 小于一定值（例如， 0.4）時，MEE 解將是非常準確的（幾乎有偏差）；（2）同時，隨著 的增加，MMSE 和 TLS 解決策略將會變得更糟。特別是，使 很�。ㄔ谶@種情況下，異常值非常稀疏），MMSE 解決策略也會顯著偏離真值；


本文編號：3128787