無線網(wǎng)絡(luò)化多傳感器估計(jì)算法研究中期報(bào)告

無線網(wǎng)絡(luò)化多傳感器估計(jì)算法研究中期報(bào)告目錄：1.研究背景和問題2.研究目的和研究方法3.研究進(jìn)展4.下一步工作計(jì)劃5.參考文獻(xiàn)1.研究背景和問題：近年來，無線傳感器網(wǎng)絡(luò)（WirelessSensorNetworks,WSN）已經(jīng)成為一種傳感任務(wù)的普遍手段。根據(jù)不同的應(yīng)用場景，傳感器可以在物理環(huán)境中分布式地采集信息。多傳感器數(shù)據(jù)在無線傳感器網(wǎng)絡(luò)中的通信和處理則成為各個(gè)領(lǐng)域的研究熱點(diǎn)，其中包括環(huán)境監(jiān)測、工業(yè)智能、醫(yī)療健康等眾多領(lǐng)域。同時(shí)，無線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)硬件資源有限，而采集的數(shù)據(jù)又往往帶有時(shí)空相關(guān)性，這就需要利用多傳感器數(shù)據(jù)的相關(guān)性來提高數(shù)據(jù)的采集和傳輸效率。因此，如何有效地利用多傳感器數(shù)據(jù)并保證傳輸可靠性和能耗控制成為了無線傳感器網(wǎng)絡(luò)研究的重要問題。2.研究目的和研究方法：本研究的目的是提出一種適用于多傳感器的估計(jì)算法，以提高數(shù)據(jù)采集的效率和數(shù)據(jù)傳輸?shù)目煽啃?。具體來說，本研究將針對以下問題進(jìn)行研究：（1）如何利用多傳感器數(shù)據(jù)的相關(guān)性進(jìn)行聯(lián)合估計(jì)?（2）如何利用多傳感器數(shù)據(jù)的相關(guān)性減少數(shù)據(jù)傳輸量以降低能耗?（3）如何利用多傳感器數(shù)據(jù)的相關(guān)性進(jìn)行數(shù)據(jù)壓縮和去冗余?為了解決以上問題，本研究將采用以下研究方法：（1）分析多傳感器數(shù)據(jù)的相關(guān)性，建立多傳感器融合模型；（2）設(shè)計(jì)適用于多傳感器網(wǎng)絡(luò)的數(shù)據(jù)壓縮和去冗余方法；（3）設(shè)計(jì)利用多傳感器融合模型進(jìn)行估計(jì)的算法；（4）基于仿真和實(shí)驗(yàn)進(jìn)行算法驗(yàn)證。3.研究進(jìn)展：目前，我們已經(jīng)完成了以下工作：（1）研究了多傳感器融合模型，建立了包括加權(quán)平均和卡爾曼濾波在內(nèi)的多傳感器融合模型；（2）研究了利用小波變換和奇異值分解進(jìn)行數(shù)據(jù)壓縮和去冗余的方法，并在仿真中驗(yàn)證了該方法的有效性；（3）研究了基于加權(quán)平均和卡爾曼濾波的多傳感器聯(lián)合估計(jì)算法，并在仿真中驗(yàn)證了算法的有效性。4.下一步工作計(jì)劃：接下來，我們將完成以下工作：（1）進(jìn)一步研究其他數(shù)據(jù)壓縮和去冗余方法，比較不同方法的優(yōu)缺點(diǎn)和適用場景；（2）研究基于小波變換和奇異值分解的多傳感器數(shù)據(jù)壓縮和去冗余算法的實(shí)驗(yàn)驗(yàn)證；（3）進(jìn)一步優(yōu)化基于加權(quán)平均和卡爾曼濾波的聯(lián)合估計(jì)算法；（4）進(jìn)行聯(lián)合估計(jì)算法的實(shí)驗(yàn)驗(yàn)證。5.參考文獻(xiàn)：[1]DingM,LiuY,LiangH,etal.Acooperativedistributedestimationalgorithmwithcorrelatedobservationsforwirelesssensornetworks[J].IEEETransactionsonVehicularTechnology,2011,60(1):118-126.[2]WangS,BaoW,XingK,etal.Energy-efficientcompressivesensingformulti-sensordataaggregationinWSNs[J].IETCommunications,2016,10(6):728-736.[3]ZhouL,YuH,ChenL.AnImprovedMethodofMulti-SensorDataFusionBasedonCompressedSensinginWirelessSensorNetworks[J].InternationalJournalofDistributedSensorNetworks,2016,12(8):1-9.[4]TuoX,GaoT,ZhangX,etal.Anovelmulti-sourcedatacompressionapproachbasedon