用于WSNs的间歇型参数估计算法

李 林

(天津商业大学 信息工程学院，天津 300134)

0 引 言

在无线传感器网络(wireless sensor networks,WSNs)用于目标定位与追踪、频谱感知、自动雷达、导航及机器视觉等领域时，常常需要节点协同估计同一个未知参数。WSNs中的每个节点用一组输入观测未知参数，由于环境复杂这些观测值是未知目标参数受多元噪声如环境或测量噪声干扰后的观测值，由这些观测数据所得到的参数与原始目标参数相去甚远。所以，如何从噪声干扰中精确地估计出原始目标参数是一个重要的问题[1]。参数估计算法已经有了大量的研究，通常会选用一些自适应算法作为参数估计算法，如线性预测算法、最速下降算法、递归最小二乘算法、平方根自适应算法和最小均方(least mean square,LMS)自适应等。

近些年来，解决WSNs中的参数估计问题一般有两种不同类型的算法：一种是集中式的参数估计算法，另一种是分布式的参数估计算法。集中式估计算法是每一轮所有节点将自己的本地估计值传输给网关，网关收集网络的全部信息后计算出全局的估计值，再发还给传感器节点。由于每一轮的估计都获取了网络的全局信息，这种方法做出的参数估计非常精确。但是WSNs中节点的能量有限，这类算法用于WSNs中，每一轮估计时网关都需要与节点进行信息交互。特别地，当网络是多跳网络时，能量消耗巨大，网络的生存时间堪忧，无法在实际中应用。分布式估计算法中每个节点对参数的估计无需网关参与，节点仅与部分其他节点交换自己计算出的本地估计信息，大大地降低了通信量，WSNs更适合分布式估计算法。……