低功耗分布式信号处理理论与技术研究

低功耗分布式信号处理是无线传感器网络的重要技术支撑，是提高无线传感器网络的能量利用效率，降低传感器节点的能量消耗的关键。本项目拟从低比特率量化、线性压缩、和全分布式处理三个角度，系统地研究实现低功耗分布式信号处理的新方法，发展和完善分布式信号处理理论，提出能效更高的分布式信号处理技术和算法。首先，以信号检测/估计为目标，研究如何对传感器矢量数据进行低比特率量化，并分析检测/估计性能；第二，以信号参数估计为目标，探索最优的数据线性压缩方案；最后，设计抗量化噪声、及信道衰落的全分布式处理的信号估计算法。根据对上述技术的可行性分析及技术路线，可以预见，本项目所提方法将在保证信号检测/估计精度的同时，提高传输效率并降低节点功耗, 极大地提高无线传感器网络中的能量带宽利用效率, 有助于建立和完善分布式信号处理理论框架，并促进面向应用的技术设计与开发。

随着近年来微型智能传感器的发展，无线传感器网络的实际应用受到越来越多的关注。针对无线传感器网络特有的低功耗、带限性、分布性等特征，传统的信号处理方法将不再适用。因此，研究无线传感器网络中的低功耗分布式信号处理技术，是提高无线传感器网络的能量利用效率，降低传感器节点的能量消耗的关键。针对以上问题，本项目从低比特率量化、线性压缩等角度，系统地对低功耗分布式信号处理技术进行了研究，提出了能效更高的分布式信号处理技术和算法。具体来说：以信号检测为目标，研究如何对传感器数据进行低比特率量化，提出了一比特量化-广义似然比检测和多比特量化-广义似然比检测方法，为无线传感器网络中的分布式低功耗信号检测提供了一种有效的解决方案，并对其检测性能进行了理论分析；以矢量信号检测为目标，研究分布式压缩-检测问题，给出了最优的数据线性压缩方案。另外，针对近年来兴起的新型数据获取方法—压缩采样技术，通过挖掘信号内在结构特征，提出了一种新型的基于结构耦合的稀疏信号重构算法，可以在利用更少观测数据的前提下，有效的进行信号重构。总的来说，本项目研究中所产生的一系列原创性成果，为分布式信号处理技术在无线传感器网络中的实际应用提供了众多有意义的探索。