无线传感器网络中分布式lms算法的研究

《无线传感器网络中分布式lms算法的研究》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、万方数据单位代码11664分类号TN911学号1101210008密级西安邮电大学硕士研究生学位论文题(中、英文)目⋯⋯⋯⋯⋯⋯⋯⋯玉绔传蹙墨啾⋯⋯⋯⋯⋯⋯⋯⋯分布式LMS算法的研究⋯⋯⋯⋯⋯T⋯he⋯R⋯es⋯ear⋯ch⋯on⋯D⋯ist⋯rib⋯ut⋯ed．量M曼⋯⋯⋯⋯一一⋯⋯⋯⋯剑毂E呐m_in巡啦le暨脚螋r地鲤吨⋯⋯⋯⋯作者姓名陈文晓指导教师姓名、职务卢光跃教授学科门类工学学科(专业)通信与信息系统提交论文日期二。一四年四月万方数据摘要随着低功耗无线通信技术的发展以及传感器、处理器等硬件的微型化，无

2、线传感器网络(WSN，WirelessSensorNetwork)已成为当今热点研究领域。在规模庞大的无线传感器网络中，每个节点都要传输自身的测量数据，这将会出现大量的冗余数据。而网络中数据传输消耗的能量远大于处理数据消耗的能量，因此，在数据传输之前进行数据融合操作是非常必要的。数据融合技术通过有效的算法，不仅可以降低网络中能量的消耗，延长传感器节点的生命周期，而且可以提高数据收集效率，获得更准确的信息，所以数据融合技术研究引起了业内研究人员的广泛关注。本文研究重点是在基于LMS的分布式数据融合算法。首先，本文简

3、要概述了无线传感器网络所面对的问题和挑战，以及数据融合技术在无线传感器网络中的应用和国内外发展现状，并给出了自适应LMS算法的推导过程和算法性能的评价指标，为后续章节奠定了理论基础。其次，介绍了无线传感器网络中的协作模式，并对比分析了数据融合的两类算法——集中式算法和分布式算法。在分布式算法的基础上，针对无线传感器网络中数据运算量大及传输速率受限问题，提出了改进的分布式扩散符号LMS算法，实现对误差和估计信号的量化，以减少多节点无线传感器网络的运算量和通信量。通过仿真验证了算法的正确性，同时与其它算法进行了性能比

4、较，特别对于BPSK信号，相较于传统的扩散LMS算法，性能更为优良。最后，在处于非安全环境中的无线传感器网络，存在恶意节点篡改信号数据，影响参数估计的问题，提出了基于信誉机制的分布式扩散LMS(R-dLMS)算法和扩散归一化LMS(R—dM，MS)算法，该算法能够根据各节点对整个网络的贡献来分配相应的信誉值，使恶意节点的信誉值最小，非恶意节点的信誉值相对较大，从而减小恶意节点对网络攻击的影响。通过仿真验证了算法的有效性和优越性，与无信誉值时的算法相比，该算法能大幅度提高算法性能，并且R-dNLMS算法在R-dLM

5、S算法的基础上，算法性能又得到了进一步的提升。关键词：无线传感器网络；数据融合；分布式LMS算法；量化；信誉值万方数据ABSTRACTWiththeincreasinglydevelopmentoflow-powerwirelesscommunicationtechnologyandtheminiaturizationofmicro—sensorsandmicro—processors，WirelessSensorNetworks(ws卜ohasbecomeanextremelyhotspotofpresentr

6、esearches．However,inthelargescaleofWSN，eachnodeshouldtransmititsownsensingdata,whichwillleadtoalotofdataredundancyinevitably,andthepowerconsumedbydatatransmissionisfargreaterthanthepowerusedbydataprocessing．Therefore，itisverynecessarytoperformdataaggregationb

7、eforedatatransmission．Relyingontheefficientalgorithms，dataaggregationtechnologycannotonlyreducethepowerconsumptioninnetworkandlengthenthelifecircleofsensornode，butalsoimprovedatacollectionefficiencytoobtainmoreaccurateinformation．Inthisthesis，thekeyresearchpo

8、intliesinthedistributeddataaggregationtechnologybasedonLMSalgorithm．Firstly,therelativeknowledgeofWSNisintroducedinthispaper,includingitsproblemsandchallenges，theapplicationofthedataaggre