感測器網路中分散式盲信號估計研究

《感測器網路中分散式盲信號估計研究》是依託浙江大學，由劉英擔任項目負責人的面上項目。

基本介紹

• 中文名：感測器網路中分散式盲信號估計研究
• 依託單位：浙江大學
• 項目負責人：劉英
• 項目類別：面上項目

項目摘要

感測器網路是目前世界各國學術界、工業界和軍界共同關注的研究熱點。分散式處理是感測器網路進行信息處理的一種重要方式。它具有能耗低、靈活性好、可靠性高、魯棒性強的特點，在許多領域具有重要套用，因而激起了科學和工程領域研究者極大的研究興趣。在傳統的分散式處理中，如在信號解調或信號功率譜估計中，我們通常需要預先傳輸一定的訓練序列以獲得信道模型。但訓練序列的使用具有明顯的不足。如果能夠在僅給定觀測信號和輸入信號的一些統計特性的情況下，分散式地估計出我們感興趣的信號，即分散式盲信號估計，必然具有更重大的科學意義和更廣泛的套用價值。另一方面，已有的盲信號估計要么是基於單節點的處理，要么是基於多節點的集中式處理。迄今為止，國內外還鮮見報導有關分散式盲信號估計的研究。鑒於國內外研究現狀，本項目研究擬建立一套分散式盲信號處理的理論，研究分散式盲信號估計中的一些關鍵問題，為一些工程問題的解決提供堅實的理論基礎。

結題摘要

分散式處理是感測器網路進行信息處理的一種重要方式，在許多領域具有重要套用，因而激起了科學和工程領域研究者極大的研究興趣。在傳統的分散式處理中，如在信號解調或信號功率譜估計中，我們通常需要預先傳輸一定的訓練序列以獲得信道模型。但訓練序列的使用具有明顯的不足。如果能夠在僅給定觀測信號和輸入信號的一些統計特性的情況下，分散式地估計出我們感興趣的信號，即分散式盲信號估計，必然具有更重大的科學意義和更廣泛的套用價值。 本項目研究正是從這一點出發，針對分散式場景下盲信號處理中的一些關鍵問題進行研究，包括分散式盲信號估計、分散式盲信道均衡、分散式稀疏盲信號估計、分散式多任務學習、安全的分散式估計、分散式非線性系統預測、分散式盒形粒子濾波、分散式機器學習等幾個部分進行了深入的研究，建立了一套分散式盲信號處理的理論。具體研究路線是，首先通過考慮待估計的盲信號的常模特性、稀疏性等，融合鄰居節點信息設計可去中心處理的代價函式，採用最佳化算法推導出一系列分散式盲信號估計、分散式盲信道均衡、分散式稀疏以及聯合稀疏盲信號估計的算法。其次，充分考慮節點之間任務不同但相似的特點，提出了一些基於自適應耦合權重的多任務分散式學習算法。再次，考慮到網路可能受到攻擊的情況，提出了安全的分散式估計算法，保證了分散式合作的可靠性。然後，考慮到線性模型的局限性，提出了分散式非線性預測模型，能夠更好地對複雜的動力學系統進行建模和預測。最後，作為本項目研究的後續擴展，針對分散式場景中一些機器學習問題，包括半監督學習、主動學習等進行了研究。本項目依照研究計畫執行，各項研究內容進展順利。本項目豐富和發展了分散式盲信號處理的理論，並且為一些工程問題的解決如信號譜估計、通信信號恢復、目標跟蹤、時間序列預測、圖像處理等提供堅實的理論基礎。