基于多收缩系数的参数估计自适应算法在无线传感器系统中的研究

A novel multiple-shrinkage-factor based adaptive biased estimation algorithm will be proposed. In order to improve the estimation accuracy, the propose algorithm adopts a number of shrinkage factors for each target parameter vector and employs adaptive algorithms to update these shrinkage factors. The major research content consists of the following sections: system modelling for wireless sensor network, the framework design of the proposed biased algorithm, the development of the adaptive algorithms, the performance analysis and the simulations. The main purpose of this project is to propose a low-complex novel estimation algorithm that can be widely used to solve the parameter estimation problems in wireless sensor network, especially for the high accuracy estimation tasks with large parameter size.

本项目将提出一种新型的基于多收缩系数的自适应有偏估计算法。这一研究将改进现有基于单一收缩系数有偏算估计算法的框架，为目标参数向量灵活的引入多个收缩系数并利用自适应算法来求得这些系数。这一新方法将被用于解决无线传感器系统中的一些参数估计问题，特别是复杂环境中长参数向量的估计问题。本项目的主要研究内容包括：无线传感器系统中参数估计问题的提炼、新型有偏估计算法框架的设计、自适应算法的融入与性能分析及无线传感器系统中的应用研究。提出的新型自适应有偏估计算法能够为参数估计问题提供一种新的低复杂度解决方案，特别适合解决高精度估计以及复杂环境下的参数估计问题。

经典的参数估计往往希望估计的参数是无偏估计，并且估计方差尽可能小。然而很多情况下估计的目标是最小化均方误差(MSE)，当噪音较大时，适当引入偏差可以降低MSE。本项目在传统估计的基础上提出了一类新型的有偏估计方法。本项目的主要研究内容和成果可以概括为3个部分：.1：新型的估计系统架构：本项目提出的估计模型可以看成是在无偏估计基础上增加一个前置的功能性矩阵，且目前的研究主要集中在这一矩阵为对角矩阵的情形下。这一矩阵可以实现的功能包括：优化估计带来的MSE性能、将先验知识应用到估计之中、以及对需要归一化的参数估计问题提供一个同时优化和确保列归一化的方法。.2：算法设计：在新的架构之下，本项目对如何设计功能性矩阵进行了研究，提出的主要算法包括联合迭代优化算法、以及单个矩阵获得解析解另一个矩阵进行迭代优化。.3：与应用的结合：与应用的结合主要是将新的设计方法应用到了无线传感器网络中的信道估计，以及图像处理领域。.本项目提出的新型算法是对信号估计理论的丰富与发展，在不同的应用场景下都体现了良好的性能。