[发明专利]一种基于多元概率量化的分布式信息估计方法

说明书

本发明公开了一种基于多元概率量化的分布式信息估计方法，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；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；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。本发明能够适应量化结果存在多元的情况，并保持较高的估计性能。

技术领域

本发明涉及分布式信息估计，特别是涉及一种基于多元概率量化的分布式信息估计方法。

背景技术

基于量化数据的分布式信息估计一直是一个活跃的研究领域。在典型的分布式估计框架中，本地传感器将对原始信息的本地观测数据发送到融合中心。融合中心接收从不同本地传感器发送过来的数据，利用估计算法来估计未知的原始信息。然而，由于带宽/能量限制，传感器上的本地观测数据通常在传输到融合中心之前需要被量化。所有传感器使用相同的量化器是一种被广泛采用的方案，因为它简化了设计问题。

然而，很多传统技术方案主要考虑了在理想无观测噪声存在的环境下，量化器优化的问题。而对考虑观测噪声条件下的量化器设计缺少进一步的研究。此外，很多关于最优量化器的性能分析及理论，都只考虑了二元量化的情况，即传感器上量化数据的长度被限制在1比特。对于传感器上，将观测数据量化成为多比特数据，即量化结果存在多元可能时的情况，相应的量化器设计方案同样缺少研究。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于多元概率量化的分布式信息估计方法，能够适应量化结果存在多元的情况，并保持较高的估计性能。

本发明的目的是通过以下技术方案来实现的：一种基于多元概率量化的分布式信息估计方法，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；

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。

本发明的有益效果是：本发明的多元量化概率方法在网络的总比特数变化的情况下，仍然保持了随总量化比特数近似线性递减的能力，在分布式无线传感器网络中的高效估计性能。

附图说明

图1为本发明的方法流程图；

图2为分布式信息估计场景示意图；

图3为多元概率量化器结构图；

图4为量化函数结构图；

图5为量化融合估计器结构图；

图6为整个网络总量化比特数变化的情况下，网络对原始信息估计的MSE示意图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。