项目名称: 传感器网络中分布式盲信号估计研究

项目编号: No.61471320

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 无线电电子学、电信技术

项目作者: 刘英

作者单位: 浙江大学

项目金额: 81万元

中文摘要: 传感器网络是目前世界各国学术界、工业界和军界共同关注的研究热点。分布式处理是传感器网络进行信息处理的一种重要方式。它具有能耗低、灵活性好、可靠性高、鲁棒性强的特点,在许多领域具有重要应用,因而激起了科学和工程领域研究者极大的研究兴趣。在传统的分布式处理中,如在信号解调或信号功率谱估计中,我们通常需要预先传输一定的训练序列以获得信道模型。但训练序列的使用具有明显的不足。如果能够在仅给定观测信号和输入信号的一些统计特性的情况下,分布式地估计出我们感兴趣的信号,即分布式盲信号估计,必然具有更重大的科学意义和更广泛的应用价值。另一方面,已有的盲信号估计要么是基于单节点的处理,要么是基于多节点的集中式处理。迄今为止,国内外还鲜见报道有关分布式盲信号估计的研究。鉴于国内外研究现状,本项目研究拟建立一套分布式盲信号处理的理论,研究分布式盲信号估计中的一些关键问题,为一些工程问题的解决提供坚实的理论基础。

中文关键词: 分布式处理;盲信号处理;信号估计;传感器网络

英文摘要: Recently, the study on sensor networks has become a new research hot topic and received more and more attention from industrial, academic and military communities world-widely, due to their wide potential applications. Distributed processing is a major tenet of sensor networks. By exploiting local computation resources at each node, it is possible to reduce the amount of data that needs to be transmitted over the sensor networks, thereby saving bandwidth and energy, extending the network lifetime, and reducing latency. Besides, it is of high scalability and robustness. Owing to these merits, distributed in-network processing has been widely used in many areas, ranging from precision agriculture to environmental monitoring and transportation. Currently, distributed in-network processing has aroused considerable interest of the researchers both in scientific and engineering field. In the traditional distributed in-network processing, for example, in the context of distributed demodulation or distributed power spectrum estimation, in order to get the estimate of the source signal or its power spectrum, we need to know the communication channel in prior. To achieve this, we must transmit a series of training data at first. Then, based on the training data and the desired output, we can get the estimate of the channel model. However, the use of training data may cause many problems, such as more data communication, more bandwidth and energy consumption. So, it is more important and meaningful if we can estimate the signal of interest only based on the information of the received signal and some stochastic properties of the input by resorting to some blind signal processing technique, which is termed as distributed blind signal estimation. On the other hand, in the context of blind signal processing, the existing methods are performed either based on the collection of a single sensor without cooperation or that of multiple sensors using the centralized processing. So far, the research on distributed blind signal estimation has not yet been reported. In the light of current development, in this project, we would like to establish the framework of distributed blind signal estimation based on a combination of distributed processing and blind signal processing, study some key problems in distributed blind signal estimation over sensor networks and also try to deal with some related practical engineering problems.

英文关键词: Distributed processing;blind signal processing;signal estimation;sensor networks

成为VIP会员查看完整内容
0

相关内容

【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
【经典书】随机矩阵理论与无线网络,186和pdf
专知会员服务
49+阅读 · 2021年12月21日
专知会员服务
42+阅读 · 2021年9月15日
专知会员服务
64+阅读 · 2021年5月3日
机器学习在信道建模中的应用综述
专知会员服务
27+阅读 · 2021年3月16日
专知会员服务
47+阅读 · 2021年2月2日
[ICML-Google]先宽后窄:对深度薄网络的有效训练
专知会员服务
34+阅读 · 2020年7月5日
一网打尽!100+深度学习模型TensorFlow与Pytorch代码实现集合
赛尔原创@EMNLP 2021 | 基于稀疏子网络的领域迁移
哈工大SCIR
0+阅读 · 2022年4月1日
NBF事件中心架构设计与实现
阿里技术
3+阅读 · 2022年3月25日
深度学习模型压缩算法综述
极市平台
1+阅读 · 2021年12月3日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
在Python中使用SpaCy进行文本分类
专知
24+阅读 · 2018年5月8日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
【经典书】随机矩阵理论与无线网络,186和pdf
专知会员服务
49+阅读 · 2021年12月21日
专知会员服务
42+阅读 · 2021年9月15日
专知会员服务
64+阅读 · 2021年5月3日
机器学习在信道建模中的应用综述
专知会员服务
27+阅读 · 2021年3月16日
专知会员服务
47+阅读 · 2021年2月2日
[ICML-Google]先宽后窄:对深度薄网络的有效训练
专知会员服务
34+阅读 · 2020年7月5日
一网打尽!100+深度学习模型TensorFlow与Pytorch代码实现集合
相关资讯
赛尔原创@EMNLP 2021 | 基于稀疏子网络的领域迁移
哈工大SCIR
0+阅读 · 2022年4月1日
NBF事件中心架构设计与实现
阿里技术
3+阅读 · 2022年3月25日
深度学习模型压缩算法综述
极市平台
1+阅读 · 2021年12月3日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
在Python中使用SpaCy进行文本分类
专知
24+阅读 · 2018年5月8日
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员