论文部分内容阅读
本文研究传感器网络中单输入-多输出(SIMO)的盲辨识问题.给出了分布式盲辨识递推算法，它基于分布式含有截尾的随机逼近算法.相比于现有的集中式盲辨识算法，本文给出的分布式方法提高了传感器网络的鲁棒性，更好地保护了隐私，更加容易扩展，降低了计算复杂度和通讯成本.相比于现有的分布式盲辨识方法，本文给出的算法可以处理更加复杂的情况，例如随机时变的传感器网络、含有噪声的随机观测等.因此，本文提出的算法可以更好地应用于无线通讯中. 算法的主要思想是建立一个全局函数（所有局部函数之和），使得待估参数为全局函数的根.从而，将盲辨识参数估计问题转化为分布式随机逼近问题，为了实现这一目标，我们设计了一个与传感器之间网络相关的对角矩阵，基于此矩阵得到每个传感器所能观测到的局部函数.算法中每个传感器在估计整体参数时可以利用的信息有:局部函数的观测值（含有噪声或不含噪声）、邻居个体分享的信息. 本文分别针对四种情况给出了基于分布式带有截尾的随机逼近算法的参数估计算法并且证明了在一定条件下的算法收敛性，所讨论的四种情况为:固定网络、有限个观测值、无量测噪声的情况;固定网络、有限个观测值、含有量测噪声的情况;固定网络、无穷个观测值、含有量测噪声的情况;时变网络、无穷个观测值、含有量测噪声的情况.最后本文还给出了算法的数值仿真结果，印证了算法的收敛性.