亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種用于WSN的低功耗稀疏參數(shù)估計策略

        2022-05-31 09:51:02
        儀表技術(shù)與傳感器 2022年4期
        關(guān)鍵詞:估計值參數(shù)估計步長

        李 林

        (天津商業(yè)大學(xué)信息工程學(xué)院,天津 300134)

        0 引言

        WSN用于目標(biāo)定位與追蹤、頻譜感知、自動雷達(dá)、導(dǎo)航及機(jī)器視覺等領(lǐng)域時,常需要節(jié)點協(xié)同估計同一個未知參數(shù)[1]。WSN中的每個節(jié)點用一組輸入觀測未知參數(shù),由于環(huán)境復(fù)雜這些觀測值是未知目標(biāo)參數(shù)受多元噪聲(如環(huán)境或測量噪聲)干擾后的觀測值,由這些觀測數(shù)據(jù)所得到的參數(shù)與原始目標(biāo)參數(shù)相去甚遠(yuǎn)[2]。所以,如何從噪聲干擾中精確地估計出原始目標(biāo)參數(shù)是一個重要的問題[3]。參數(shù)估計算法已經(jīng)有了大量的研究,通常會選用一些自適應(yīng)算法作為參數(shù)估計算法,如線性預(yù)測算法、最速下降算法、遞歸最小二乘算法、平方根自適應(yīng)算法和最小均方自適應(yīng)LMS(least mean square)等。

        本文基于CS提出了一種用于WSN稀疏參數(shù)估計的自適應(yīng)壓縮融合重構(gòu)(compressed combined reconstruct adaptive,CCRA)。首先,節(jié)點先將本地的全維參數(shù)估計值由一個感知矩陣變換到低維的估計值,即將估計值壓縮,節(jié)點僅傳輸壓縮后的估計值;其次,節(jié)點收集其鄰居節(jié)點壓縮后的估計值和自身的本地壓縮后的估計值融合。然后,節(jié)點通過重構(gòu)算法精確地重構(gòu)出全維的估計參數(shù)。最后,每個節(jié)點LMS 算法更新下一時刻自身的估計值,其中步長選用歸一化步長。CCRA 算法在不影響網(wǎng)絡(luò)的估計性能情況下,降低了網(wǎng)絡(luò)的通信負(fù)載。

        本文首先描述WSN參數(shù)估計的問題,介紹了參數(shù)估計的數(shù)學(xué)模型;然后分析了基于LMS算法的估計策略,給出了集中式策略和分布式策略的理論推導(dǎo),并分析二者特點;提出了一種用于WSN稀疏參數(shù)估計的CCRA策略,針對稀疏參數(shù)估計引入了CS理論;最后通過仿真與結(jié)果分析,對CCRA策略與其他策略進(jìn)行了對比分析,說明各自的有效性。

        1 WSN參數(shù)估計

        本文研究一個有N個節(jié)點的WSN。WSN參數(shù)估計的線性回歸模型可表示為

        di(t)=WToui(t)+vi(t)

        (1)

        式中:di(t)為標(biāo)量觀測值;ui(t)為節(jié)點i在t時刻的回歸向量;Wo為未知的目標(biāo)參數(shù)向量;vi(t)為節(jié)點在觀測未知參數(shù)時的干擾。

        2 LMS策略

        本節(jié)給出了參數(shù)估計的集中式LMS策略以及分布式LMS策略的原理和數(shù)學(xué)推導(dǎo)過程。

        2.1 集中式LMS策略

        為得到接近原始的未知目標(biāo)參數(shù)wo的估計值w,需要將參數(shù)估計的全局代價函數(shù)最小化,全局代價函數(shù)Jglobal(w)可表示為

        (2)

        式中E為期望。

        假設(shè)ui是聯(lián)合廣義平穩(wěn)隨機(jī)過程,則集中式LMS算法的遞歸公式可表示為

        (3)

        式中:μ為遞歸表達(dá)式的步長,μ>0;w(t)為t時刻對未知參數(shù)wo的先驗估計。

        由式(3)可以看出,集中式策略每輪都需要一個中心節(jié)點來收集和處理網(wǎng)絡(luò)中所有節(jié)點的估計信息,這將帶來很大的通信負(fù)載。如果網(wǎng)絡(luò)中的節(jié)點之間通信鏈路失效或者更改,集中式LMS策略就很難運行,魯棒性較差。

        2.2 分布式LMS策略

        分布式LMS增量策略是最簡單的分布式策略,增量策略中節(jié)點的估計信息經(jīng)過一個單向的哈密頓回路在節(jié)點之間傳遞,每個節(jié)點將其信息傳輸給同方向的下一節(jié)點。對給定拓?fù)涞膫鞲衅骶W(wǎng)絡(luò),這種策略在節(jié)點數(shù)目較多和拓?fù)鋸?fù)雜時魯棒性較差。

        在分布式共識和擴(kuò)散LMS策略中,每個節(jié)點只需要與鄰居節(jié)點交換估計信息來獲取估計值,如圖1所示。如果2個節(jié)點可以直接通信,則定義這2個節(jié)點互為鄰居節(jié)點[3]。例如,節(jié)點7的鄰居節(jié)點定義為Ω7,Ω7包含節(jié)點7本身。每個節(jié)點需要計算其本地估計值,并從鄰居節(jié)點中獲取鄰居節(jié)點的本地估計。如圖1中,箭頭表示節(jié)點之間的通信鏈路,節(jié)點7的鄰居節(jié)點集合Ω7為節(jié)點3、5、6、7、8。這些節(jié)點可以與節(jié)點7直接通信。由于網(wǎng)絡(luò)采用分布式共識和擴(kuò)散策略,當(dāng)網(wǎng)絡(luò)中一些節(jié)點不能正常通信,整個網(wǎng)絡(luò)仍能繼續(xù)工作。

        圖1 分布式共識和擴(kuò)散LMS策略

        分布式共識和擴(kuò)散LMS參數(shù)估計策略可以分為3個階段,分別是信息交換階段、適應(yīng)階段和融合階段。根據(jù)網(wǎng)絡(luò)的拓?fù)洌?jié)點i賦予不同的融合系數(shù)來融合每個鄰居的估計值:

        (4)

        式中:γii為節(jié)點i自身估計值的融合系數(shù);γij為其鄰居節(jié)點j在節(jié)點i的融合階段的融合系數(shù)。

        融合系數(shù)需要滿足式(4)。

        融合系數(shù)的計算多種規(guī)則,本文中選用的Metropolis規(guī)則為:

        (5)

        分布式共識策略與擴(kuò)散LMS策略的主要區(qū)別是:共識策略在適應(yīng)階段用加權(quán)融合后的估計值和本地估計值結(jié)合用來計算下一時刻的估計值,擴(kuò)散策略在數(shù)據(jù)融合后,適應(yīng)階段僅用融合后的估計值計算下一時刻估計值。選用分布式擴(kuò)散LMS策略,并給出推導(dǎo)過程。

        分布式擴(kuò)散LMS策略中,節(jié)點需要從自身以及鄰居節(jié)點的估計值中尋求對未知參數(shù)wo的估計。在每個t時刻,節(jié)點i對wo的估計值為wi(t),則下一時刻t+1的估計值的更新方程的遞歸表達(dá)式為

        (6)

        式中μi為節(jié)點i的LMS算法步長。

        為了化簡更新方程,在wi處用泰勒級數(shù)展開式(6)大括號內(nèi)的最后一項去除步長的部分[di(t)-

        uTi(t)wi]2,可得:

        (7)

        式中eij(t)=di(t)-uTi(t)wj。

        同樣的,可以將其在wi(t)處也用泰勒級數(shù)展開,可得:

        [di(t)-uTi(t)wi]2=e2i(t)-2ei(t)·
        uTi(t)[wi-wj(t)]+o‖wi‖2

        (8)

        式中ei(t)=di(t)-uTi(t)wi。

        將式(7)和式(8)帶入式(6),因為融合系數(shù)滿足式(4),則式(6)可表示為

        在過去幾十年中,蛋白質(zhì)組學(xué)技術(shù)從出現(xiàn)到發(fā)展取得了巨大的進(jìn)步。蛋白質(zhì)組學(xué)技術(shù)可以定性、定量分析不同樣品中的蛋白質(zhì)種類及性質(zhì)[2]。蛋白質(zhì)組學(xué)技術(shù)一般包含樣品處理、質(zhì)譜測定和數(shù)據(jù)分析三個步驟。

        (9)

        式(9)中大括號內(nèi)部的式子是一個關(guān)于wi的函數(shù)f(wi)。為了得到wi(t+1),則需要求出使得f(wi)最小的wi:

        f′(wi)=0

        (10)

        則求解關(guān)于wi的方程式(10),可得出wi(t+1)的分布式更新函數(shù)為:

        wi(t+1)+φi(t+1)+μiui(t)[di(t)-uTi(t)φi(t+1)]

        (11)

        (12)

        式(11)為適應(yīng)階段,式(12)為融合階段。

        3 用于WSN稀疏參數(shù)估計的CCRA策略

        本節(jié)引入CS理論,提出了CCRA策略,給出了策略的算法步驟和流程圖,并對該策略做了穩(wěn)定性分析。在本節(jié)中沿用第2節(jié)的模型,并假定模型中未知參數(shù)向量wo是稀疏的,即wo中僅有少量的非零元素,其他元素均為零。

        3.1 用于參數(shù)估計的CS

        由于未知參數(shù)wo是稀疏的,若估計值w為準(zhǔn)確的,也應(yīng)該是稀疏的。若直接用標(biāo)準(zhǔn)擴(kuò)散策略將傳輸其全維估計值,特別的當(dāng)維數(shù)較高時,通信負(fù)載依然很大。CS理論可以通過少量的觀測值完整高概率地恢復(fù)出原始稀疏向量。當(dāng)未知目標(biāo)參數(shù)為稀疏向量時,引入CS,可以在完全不影響其估計性能的情況下降低通信負(fù)載。

        用于參數(shù)估計的CS模型可表示為:

        (13)

        (14)

        3.2 CCRA策略

        與標(biāo)準(zhǔn)的分布式擴(kuò)散LMS策略相比,CCRA策略增加了2個階段,分別是壓縮階段和重構(gòu)階段。在每一時刻t,各個節(jié)點將自己的本地估計值壓縮,計算出本地壓縮估計。壓縮階段的方程為

        (15)

        式中Γi為滿足獨立同分布的高斯隨機(jī)矩陣。

        鄰居節(jié)點之間交換各自的本地壓縮估計,如式(16)所示:

        (16)

        (17)

        本文提出的CCRA策略將步長μ歸一化處理,用μ′代替標(biāo)準(zhǔn)擴(kuò)散策略中μ,μ′用式(18)計算:

        (18)

        適應(yīng)階段用式(18)得到的全維估計,計算出下一時刻的本地估計值并更新,更新方程如式(19)所示:

        wi(t+1)=φi(t+1)+μ′iui(t)[di(t)-uTi(t)φi(t+1)]

        (19)

        CCRA策略架構(gòu)如圖2所示。

        4 仿真結(jié)果與分析

        本節(jié)對提出CCRA策略仿真,與其他策略對比,并分析仿真結(jié)果。通信負(fù)載包含傳輸?shù)臄?shù)據(jù)包數(shù)量、傳輸包投遞率和傳輸延遲。本節(jié)對比的其他基于LMS的策略與本文提出的2種策略相比,數(shù)據(jù)包投遞率和傳輸延遲沒有區(qū)別。所以本節(jié)與文獻(xiàn)[3,5]相同,在仿真對比中,采用傳輸?shù)臄?shù)據(jù)包數(shù)量來描述整個WSN的通信負(fù)載。

        本節(jié)將用于稀疏參數(shù)估計的CCRA策略與其他分布式擴(kuò)散LMS策略(如DLMS、無合作LMS、NDLMS和RC-LMS)對比。為與其他分布式擴(kuò)散LMS策略在相同條件下對比,WSN拓?fù)涔?jié)點數(shù)量N=20。在仿真中,輸入回歸向量和未知稀疏參數(shù)向量的維數(shù)M=32,輸入回歸向量為AR-1[6]過程ui(t)=xi(t)+ρiui(t-1)的一個采樣ui(t)=[ui(t)ui(t-1)…ui(t-M+1)]T,相關(guān)系數(shù)ρi=0.5,xi(t)是一個σx,j=1的白噪聲過程。xi(t)是一個σx,j=1的白噪聲過程。由于M=32,則回歸輸入向量ui(t)為32×1的向量。每個節(jié)點回歸矩陣的跡為Ri=E(ui(t)uTi(t))。仿真時間t=1,2,…,T,其中T=2 000。

        每個節(jié)點的噪聲vi(t)是一個0均值的高斯過程。每個節(jié)點的輸入回歸向量和噪聲都在時間和空間上相互獨立。仿真中稀疏目標(biāo)參數(shù)向量的稀疏度為2,感知矩陣Γi是一個固定的D×M的高斯隨機(jī)矩陣D=12,滿足R.I.P性質(zhì)。無合作LMS、DLMS和RC-DLMS這些固定步長策略的步長μ=0.01。自適應(yīng)步長策略NDLMS和本文提出的CCRA策略設(shè)置為μ′=0.4/uTi(t)ui(t)。RC-LMS的能耗參數(shù)選為性能和通信負(fù)載可以兼顧的0.5。

        仿真中所有曲線均為50次獨立運行的平均值。圖3中可以看出在520輪時,本文提出的CCRA的全局MSD已經(jīng)低于-50 dB,而其他擴(kuò)散LMS策略均需要在1 200輪之后才接近于-50 dB。圖3中可以看出,本文提出的CCRA策略在收斂速度上快于其他擴(kuò)散LMS策略,在穩(wěn)態(tài)的性能上優(yōu)于其他策略。為進(jìn)一步的分析評估幾種策略在穩(wěn)定狀態(tài)的網(wǎng)絡(luò)估計性能,取后500個時刻的數(shù)據(jù)描述穩(wěn)定狀態(tài),將這500個時刻的瞬時值做平均。如圖4所示,CCRA策略在穩(wěn)定狀態(tài)的MSD在-55 dB左右,其他策略的MSD均高于CCRA策略,節(jié)點的平均MSD如表1所示。

        圖3 網(wǎng)絡(luò)平均MSD性能對比圖

        圖4 各節(jié)點穩(wěn)定狀態(tài)MSD性能對比圖

        表1 穩(wěn)定狀態(tài)下的平均MSD對比 dB

        DLMS和NDLMS策略和標(biāo)準(zhǔn)的擴(kuò)散策略的通信負(fù)載相同,RC-DLMS和CCRA策略降低通信量的方式是不同,RC-DLMS是降低數(shù)據(jù)包個數(shù)而CCRA是降低單個數(shù)據(jù)包的長度。為便于比較,用所需通信數(shù)據(jù)向量的總維數(shù)來描述通信負(fù)載。無合作LMS中節(jié)點不與其他節(jié)點通信不作考慮,4種策略的通信負(fù)載隨時間的比較如表2所示。

        表2 4種策略的通信負(fù)載對比(CCRA) %

        DLMS和NDLMS的擴(kuò)散策略單位時刻需要傳送12 800維信息,而RC-DLMS需要傳輸6 400維數(shù)據(jù),即50%的通信負(fù)載下,在收斂速度和MSD性能上接近DLMS和NDLMS。本文提出的CCRA策略在仿真中只需要傳輸4 800維數(shù)據(jù),收斂速度優(yōu)于DLMS策略和NDLMS策略,MSD性能優(yōu)于這2種標(biāo)準(zhǔn)策略。針對稀疏參數(shù)的估計,本文提出的CCRA策略僅傳輸壓縮后的估計信息,在不影響網(wǎng)絡(luò)估計性能的情況下,顯著降低了WSN所需的通信負(fù)載,其中CCRA策略對網(wǎng)絡(luò)的收斂速度和MSD性能有所改善。

        5 結(jié)束語

        本文給出了WSN參數(shù)估計問題的數(shù)學(xué)模型。介紹了集中式LMS策略和分布式LMS策略的優(yōu)劣,指出WSN中更適用與分布式策略。針對大多數(shù)應(yīng)用中所估計的未知參數(shù)是稀疏的這一特點,提出了一種用于WSN稀疏參數(shù)估計的低功耗稀疏參數(shù)估計策略CCRA,給出該策略的全局狀態(tài)空間模型,并證明了CCRA策略的收斂性。仿真結(jié)果表明,目標(biāo)未知參數(shù)是稀疏參數(shù)時,CCRA策略在不影響網(wǎng)絡(luò)估計性能的情況下,與其他低負(fù)載策略相比,降低了通信負(fù)載。

        猜你喜歡
        估計值參數(shù)估計步長
        基于新型DFrFT的LFM信號參數(shù)估計算法
        基于Armijo搜索步長的BFGS與DFP擬牛頓法的比較研究
        一道樣本的數(shù)字特征與頻率分布直方圖的交匯問題
        統(tǒng)計信息
        2018年4月世界粗鋼產(chǎn)量表(續(xù))萬噸
        Logistic回歸模型的幾乎無偏兩參數(shù)估計
        基于向前方程的平穩(wěn)分布參數(shù)估計
        基于競爭失效數(shù)據(jù)的Lindley分布參數(shù)估計
        基于逐維改進(jìn)的自適應(yīng)步長布谷鳥搜索算法
        一種新型光伏系統(tǒng)MPPT變步長滯環(huán)比較P&O法
        電測與儀表(2014年2期)2014-04-04 09:04:00
        婷婷九月丁香| 玩弄放荡人妇系列av在线网站| 人妻聚色窝窝人体www一区| 国产一区二区三区美女| 日本国产一区二区三区在线观看| av免费在线播放观看| 国产一区二区三区四区三区| 国产免费无码一区二区三区| 国产女人高潮叫床免费视频| 日本一区二区不卡视频 | 久久国产在线精品观看| 免费无码av一区二区| 久久精品夜夜夜夜夜久久| 又色又爽又黄的视频网站| 四季极品偷拍一区二区三区视频 | 亚洲国产精品成人久久| 野花社区www高清视频| 亚洲欧美日韩高清一区二区三区| 秀人网嫩模李梓熙大尺度| 国产自拍在线视频91| 久久精品国产视频在热| 国产免费av片在线观看麻豆| 日本一区二区高清视频在线 | 亚洲中文字幕免费精品| 日本五十路人妻在线一区二区| 亚洲精品成人av在线| 在线高清精品第一区二区三区| 五月天亚洲av优女天堂| 精品中文字幕在线不卡| 免费无码专区毛片高潮喷水 | 精品一区二区三区不老少妇| 国产亚洲自拍日本亚洲| 国产精品igao视频网| 欧美一级三级在线观看| 五月婷婷激情六月开心| 免费人成视频网站网址| 黑人巨大av在线播放无码| 久久国产精品免费一区二区| 99久久婷婷国产精品网| 蜜桃av抽搐高潮一区二区| 免费毛片视频网站|