分散序列假设检验渐进最优理论在传感器网络中应用

《分散序列假设检验渐进最优理论在传感器网络中应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、AThesisSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofAppliedStatisticsAsymptoticOptimalityTheoryofDecentralizedSequentialHypothesisTestinginSensorNetworksCandidate:YangJiangkunMajor:AppliedStatisticsSupervisor:AssociateProfessorYeYingHuazhongUniversityofSci

2、ence&TechnologyWuhan430074,P.R.ChinaMay,2013独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅

3、和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本授权书。本论文属于不保密□。(请在以上方框内打“√”)学位论文作者签名：指导教师签名：日期：年月日日期：年月日摘要在传感器网络中，分散序列假设检验问题常被研究学习。本文在研究这些传感器网络时，假设各个传感器相互独立的收集观测信息，并在共识原则下，经过综合处理后，将概要信息传递到信息融合中心，并由信息融合中心做出最终决策。在研究传感器网络中分散序列假设检验问题时，根据传感器能否完全访问自身过去

4、的观测信息，传感器网络系统可分为两类：拥有完整本地内存的系统和本地内存有限的系统。在研究传感器网络时，可以针对这两类分别建立相应的渐进贝叶斯序列检验。在研究第一、二类系统时，本文得到了一个有趣的但非常有用的推论，并且在研究第二类系统时，提出了一个新的极值方案，即最优平稳传感器量化器检验，来规定平稳传感器信息函数的最优选择。在传感器信息受高斯噪声影响的情况下，对它进行了详细的研究，并提供了极值方案处理最优平稳二元量化器的解法。最后通过湖南雪峰山高速公路实证模型检验，证实了新方案的可能性，分析了极值方案相较其他常用方案的优势所在，并验证了我们的决策判断。研

5、究结果表明：在拥有完整本地内存的系统中，信息融合中心的反馈信息并不能进一步促进检验的渐进表现；而在本地内存有限的系统中，即使单发微量的反馈信息也可以显著的增加其渐进表现。关键词：传感器网络分散序贯假设检验串联量化器渐进贝叶斯极值方案IABSTRACTInfact,thedecentralizedsequentialhypothesistestingproblemisalwaysstudiedinsensornetworks,wherefirstasetofsensorsreceiveobservationsindependently,thensenso

6、rssendthesummarymessagestothefusioncenter,makingafinaldecision.WhenwestudythedecentralizedsequentialhypothesistestingproblemInthesensornetworks,accordingtothesensorswhetherhavefullaccesstotheirownobservationsofinformation,thesensornetworkscanbedividedintotwocategories:systemwith

7、fulllocalmemoryandsystemwithlimitedlocalmemory.Whenstudyonsensornetworks,itiscanestablishthecorrespondingasymptoticallyBayessequentialtestrespectivelyforthesetwotypes.Fromstudyingthesetwotypes,wecangetaninterestingbutveryusefulinference,andanewminimaxformulationi.e.optimalstatio

8、narysensorquantizers,whichisproposedinthecaseof