[发明专利]一种基于多元概率量化的分布式信息估计方法

权利要求书

1.一种基于多元概率量化的分布式信息估计方法，其特征在于：包括以下步骤：

S1.构建分布式信息估计场景：包括一个位于无线通信网络中心的融合中心 FC和多个分布在无线通信网络边缘的传感器；

每一个传感器都对融合中心需要的原始信息进行观测，并得到自己的本地观测数据，对本地的观测数据进行多元概率量化操作，将连续的观测数据转化为能够被用于数字通信的二进制离散数据，并发送给融合中心FC；FC融合中心根据所有传感器发送过来的量化数据对原始信息进行估计；

S2.构建传感器对本地观测数据进行量化的多元概率量化器；

所述步骤S2包括：

S201.传感器观测原始信息得到本地观测值，用来表示观测值相对于被观测的的条件概率密度函数，以描述它们之间的随机性；

S202.传感器得到观测值后将其输入多元概率量化器，并输出最终的量化结果，量化结果是一个包含比特的二进制数据：

在量化器的内部，输入的观测值首先被送入一个多元量化概率函数，被映射为一个维的概率向量，概率向量中的所有元素都是在区间取值，同时满足相加之和为1，即

（1）

其中，是一个由设计参数控制的可变函数，有

（2）

其中包含了中所有可调节的参数，是设计参数的个数；通过改变设计参数的取值，相应改变参数函数的函数表达式和结构；

从输出的概率向量接着被送入量化函数中，输出一个十进制的一维离散值，接着我们通过将十进制的转化为二进制的量化结果；对于量化函数，它的输出一共有不同的结果，期望是使得取每一种结果的概率完全由维的概率向量控制，即实现

（3）

其中表示在给定输入多元概率量化器的观测值的前提下，量化输出取值为的概率；

S3.优化多元量化概率函数的设计参数；

S4.融合中心FC设计量化融合估计器并进行优化得到最优估计函数；

S5.基于和的多元概率量化分布式信息估计。

2.根据权利要求1所述的一种基于多元概率量化的分布式信息估计方法，其特征在于：每一个所述传感器对原始信息进行观测时，受环境影响的观测噪声是独立同分布的，且所有的传感器上使用完全相同的多元概率量化器结构。

3.根据权利要求1所述的一种基于多元概率量化的分布式信息估计方法，其特征在于：所述量化函数的输入是维的概率向量，输出是一维离散值，它由个串行的具有相同结构的子层组成，具体的结构功能如下：

输入：输入维的概率向量，及初始的量化值；

第m子层，m=1,2,…,M: 第m子层的输入是上一个子层输出的维的向量和量化值；首先，在第m子层中，将输入的分为两个相同长度的子向量，分别包含前半段的所有元素和后半段的所有元素，即两个维的子向量和；接着，第m子层利用和输出量化值，其中

（4）

是[0,1]区间均匀分布的随机噪声，函数输入非负数会输出1，反之输入负数会输出0；定义，第m子层输出维的向量，其中

（5）输出：量化函数的输出量化值即为其第子层输出的量化值，即。

4.根据权利要求1所述的一种基于多元概率量化的分布式信息估计方法，其特征在于：所述步骤S3中，通过利用贝叶斯估计理论，考虑由决定的传感器对本地观测进行量化后，在融合中心使用量化后的数据能达到的估计的MSE下界，找到适应当前观测环境下的最优设计参数，及传感器上对应的使用最优设计参数的最优多元量化概率函数。