[发明专利]基于信息论学习的删失数据参数自适应估计方法

权利要求书

1.基于信息论学习的删失数据参数自适应估计方法，其特征在于包括以下几个步骤：

步骤1、设计删失信号的估计误差函数；

步骤2、计算估计误差的二次Renyi熵；

步骤3、采用梯度下降的方法获得各节点参数的局部估计；

步骤4、根据每个节点及其邻居节点的局部估计，设计加权系数；

步骤5、节点与其邻居节点交换各自的局部估计，并利用步骤4得到的加权系数计算该节点和其邻居节点加权估计。

步骤1所述的删失信号的估计误差函数定义如下：

传感器网络包含K个节点，每个节点能够采集到的信号为(y_k,i,u_k,i)，且满足

其中w₀是需要估计的参数矢量，而n_k,i为测量噪声；定义在i时刻的估计误差为：

其中

步骤2所述的误差的二次Renyi熵估值计如下：

其中ε_k,i＝[e_k,i-N,e_k,i-N+1,...,e_k,i]，而是二次信息势定义为：

且为高斯核函数，N为采样时间窗的长度。

步骤3所述的采用梯度下降的方法获得各节点参数的局部估计具体如下：

根据i时刻的二次信息势和估计w_k,i获得i+1时刻节点k的局部估计矢量如下：

其中μ为步长，w_k,i为第k个节点在第i时刻w₀的估计值。

2.根据权利要求1所述的基于信息论学习的删失数据参数自适应估计方法，其特征还在于步骤4所述的根据每个节点及其邻居节点的局部估计，节点k的加权系数a_k,i+1设计如下：

其中N_k是一个集合，包含节点k以及其所有邻居节点，且

表示第l个节点第i+1时刻的中间估计值；l＝1,2,...,K。

3.根据权利要求2所述的基于信息论学习的删失数据参数自适应估计方法，其特征还在于步骤5所述的该节点和其邻居节点加权估计计算如下：

节点k的加权估计为