论文部分内容阅读
近年来,分布式协同信息处理技术在无线通信网络等领域的应用研究越来越多,如无线传感器网络目标定位、多无人机目标搜索、航天编队控制和工业无线网络参数估计等。分布式协同信息处理是指在多代理网络中,通过代理间的不同信息交互模式,实现整个网络的信息协同处理。本文则主要研究分布式协同信息处理技术在自适应目标参数估计问题的应用,即针对未知参数目标,并基于自适应滤波算法,利用分布式策略进行目标参数协同估计。由于LMS自适应滤波算法具有计算量小和结构简单的特点,因此本文的整体研究都是基于LMS算法,然后分别基于FIR和IIR两种滤波器来实现算法的性能比较。本文首先介绍单代理的自适应估计过程,并对基于两种滤波器的LMS算法分别进行理论分析。在单代理自适应估计的基础上,研究多代理分布式协同估计算法,详细介绍了多代理网络模型和分布式协同策略,其中分布式协同策略主要包括增量式策略、一致式策略和扩散式策略三种。通过研究不同策略的信息交互方式,然后基于LMS算法给出分布式LMS算法,并对算法的估计精度进行仿真比较。仿真结果表明,与单代理的非协作估计算法相比,分布式协同估计算法具有更好的估计精度,同时还表明三种分布式协同估计算法在不同步长条件下的性能也有所不同。考虑到在实际环境中,分布式网络中代理的输入输出信号通常包含多种噪声(如量化噪声和测量噪声等),这些噪声会导致以往的分布式协同估计算法对目标参数的估计结果存在严重偏差,因此相关研究学者基于偏差补偿原则,通过消除噪声引起的偏差,提出分布式协同估计偏差补偿算法,从而得到无偏估计结果。但是在以往的研究中,通常假设噪声方差是已知条件或者含有约束条件,不能实现无约束条件的实时估计噪声方差。因此,本文在以往的研究基础上,提出一种无约束条件实时估计噪声方差的方法,并根据不同的分布式LMS算法,提出分布式偏差补偿LMS算法。仿真结果表明,首先相比分布式LMS算法,分布式偏差补偿LMS算法能够实现目标参数的无偏估计,然后与以往的偏差补偿LMS算法相比,本文提出的偏差补偿LMS算法具有更好的估计精度,即更低的均方误差(MSD),而且在不同的信噪比条件下都能很好的实现参数的无偏估计。