[发明专利]一种减小链路噪声的方法

说明书

一种减小链路噪声的方法，属于通信技术领域，解决链路噪声对传感器网络中方法性能的影响，传感器节点在向邻居节点传输本地局部估计值是以向量形式，减少所要传输到邻居节点局部估计值的分量数，然后用融合节点的本地估计去补充没有传输的分量，这样从源头就减少了链路噪声，如果传输了一个分量，只有这一个分量有噪声，其他分量是属于本地分量，不存在链路噪声，然后，考虑将这一个分量所携带的噪声弱化，所以将带有链路噪声的分量和没有噪声的分量进行一个平均运算，噪声的影响平均后又会弱很多，算法性能得到了进一步的提高。本发明很好的解决了链路噪声问题。

技术领域

本发明属于通信技术领域，具体涉及一种减小链路噪声的方法。

背景技术

目前，研究的分布式扩散协作策略下的算法，大都是假定节点之间的链路是理想的，即不存在链路噪声。然而，现实情况下链路噪声对网络之间的影响是非常大的，它影响着传递给下一个节点的自身估计值，将受影响的估计值传递到无线传感器网络中，将大大降低网络对未知参量估计的准确性。另外，链路噪声很可能造成链路故障，在分布式协作策略中要形成环的增量协作策略就不适合这种易断网络，而扩散协作策略因其网络健壮性可以很好的兼容这种问题。

一、链路噪声的影响

1.链路噪声情况下的DLMS算法

传感器节点之间的通信链路通常是噪声链路。一个典型的例子是时分多址复用，在某个用户的指定时隙，其中的信道可能还被占用而不可用，即使勉强可用，这样的通信信道是含有噪声的。传感器网络的拓扑结构总是随机的，且在链路噪声影响下节点之间会因故障导致通信连接断开，网络的拓扑结构会重组，分布式扩散策略下的DLMS方法在噪声链路中的研究对提高自适应网络稳态性能是很有实际意义的。

观测信号采用线性的数学模型：d_k(i)＝u_k,iw⁰+v_k(i)，其中v_k(i)是方差为且在时间和空间上都相互独立的加性高斯白噪声。

为了获取网络中N个节点对未知参量w⁰的局部估计值，其中w⁰是M×1的向量，利用最小均方误差准则，取其均方误差作为目标函数(代价函数)：

网络中所有传感器节点的测量数据{d_k,j,u_k,j}可以用以下矩阵表示：则目标函数(代价函数)可以改写为：

理想链路情况下的DLMS算法：其中是节点k在第i-1时刻对未知向量的估计值，是在节点k的融合估计值，μ_k＞0(常数)是收敛步长，非负的c_kl,k＝1,2,…,N是局部融合参数且满足

节点k和节点l之间存在链路噪声情况下的自适应和融合过程，节点k收到从邻居节点(不包括自身)中传输来的各节点对目标参量的估计值但这些估计值有的收到M×1阶加性噪声向量的干扰，故噪声链路情况下的DLMS算法如式(1)所示：

其中是加性链路噪声，是均值为零的广义平稳随机过程。

将式(1)展开有：

令则式(2)可以改写为：

其中代表了与节点k相连的所有链路的等效噪声。从而考虑噪声情况下DLMS算法的融合过程为：

节点k自身估计值的自适应更新过程为：

2.噪声链路影响下DLMS方法仿真

仿真条件：利用Matlab仿真软件对DLMS算法在链路噪声有无的情况下进行仿真分析。