طراحی الگوریتم چهارگانه lmsافزایشی مقاوم برای شبکه های سنسوری

پایان نامه
چکیده

تکنیک های استاندارد استفاده شده در پردازش چندکاناله آماری، از اطلاعات متقابل بین کانال هابهره برداری نمی کنند. اکثر روش های عملی مبتنی بر پردازش کانال-گونه، هنگامی که مولفه های یک فرایند چندکاناله باهم همبسته باشند غالبا نامناسب هستند. بنابراین حوزه مختلط و حوزه چهارگانه ، مدل سازی سیگنال های دو، سه و چهاربعدی را آسان می کند و اطلاعات متقابل بین کانال ها را به حساب می آورد. در جامعه پردازش سیگنال، مدل سازی چهارگانه در فیلترینگ کالمن، تخمین طیف و تخمین حداقل میانگین مربع (lms) به کار رفته است. یک متغیر تصادفی چهارگانه هنگامی مدور نامیده می شود که هر چهار مولفه آن دارای توان یکسان و دوبه دو باهم غیرهمبسته باشند.الگوریتم چهارگانه استانداردqlms معرفی شده، که خروجی آنها بصورت مجموع وزن داده شده از ورودی های بیان می شود ( با بردار وزن )، فقط برای پردازش سیگنال های چهارگانه مدور مناسب می باشد. برای پردازش بهتر سیگنال های چهارگانه غیرمدور، الگوریتم qlmsخطی گسترده (aqlms) معرفی شده است که در ساده ترین حالت خروجی آن بصورت مجموع وزن داده شده ای از ورودی ها و مزدوج ورودی ها ( با بردارهای وزن و ) بیان می شود. پیشرفت های اخیر در تکنولوژی سنسور و مخابرات بی سیم، موجب افزایش بیشتر استفاده از شبکه های سنسوری در کاربردهای عملی شده است، که دارای رنج وسیعی از نظارت محیطی تا مکان یابی هدف می باشند. این شبکه ها نوعا از یک تعداد گره های به هم متصل شده تشکیل شده اند که قادر به مخابره با یکدیگر هستند تا بتوانند برخی پارامترهای موردنظر را از اندازه گیری های نویزی تخمین بزنند. در راه حل توزیع شده برای مسئله تخمین، هر گره در شبکه فقط با زیرمجموعه ای از گره ها مخابره می کندو بنابراین عمل پردازش در میان تمام گره های شبکه پخش می شود.

منابع مشابه

الگوریتم مبتنی بر شبکه تطبیقی نفوذی برای تخمین مقاوم میدان اسکالر در شبکه‌های سنسوری بی‌سیم

در این مقاله الگوریتمی برای تخمین مقاوم میدان اسکالر با استفاده از یک شبکه سنسوری بی‌سیم که در آن تعدادی از گره‌های شبکه دارای کیفیت مشاهدات بسیار پایین ناشی از نویز ضربه‌ای هستند پیشنهاد می‌گردد. بدین منظور، ابتدا تخمین مقاوم میدان اسکالر به‌صورت یک مسئله بهینه‌سازی با تابع هزینه مبتنی بر بیشینه correntropy بیان شده و در ادامه الگوریتمی برای حل مسئله مبتنی بر شبکه تطبیقی نفوذی ارائه می‌گردد. ب...

متن کامل

الگوریتم مبتنی بر شبکه تطبیقی نفوذی برای تخمین مقاوم میدان اسکالر در شبکه های سنسوری بی سیم

در این مقاله الگوریتمی برای تخمین مقاوم میدان اسکالر با استفاده از یک شبکه سنسوری بی سیم که در آن تعدادی از گره های شبکه دارای کیفیت مشاهدات بسیار پایین ناشی از نویز ضربه ای هستند پیشنهاد می گردد. بدین منظور، ابتدا تخمین مقاوم میدان اسکالر به صورت یک مسئله بهینه سازی با تابع هزینه مبتنی بر بیشینه correntropy بیان شده و در ادامه الگوریتمی برای حل مسئله مبتنی بر شبکه تطبیقی نفوذی ارائه می گردد. ب...

متن کامل

ترکیب اندازه شبکه اطلاعات، روشی نوین برای ترکیب اطلاعات سنسوری

ترکیب اطلاعات سنسوری یکی از موضوعات مطرح پژوهشی در کاربردهای مختلف از جمله رباتیک است . در این مقاله مفهومی نوین برای تعمیم روش شناخته شده بیزین برای منابع مستقل اطلاعات معرفی میگردد. بدلیل تنوع وسیعی که در تعریف این اندازه وجود دارد فرمولهای متعددی برای ترکیب مقادیر احتمال مدل شده از عدم قطعیت موجود در اطلاعات سنسوری حاصل میشود. تطابق موجود بین رفتار روش ترکیب پیشنهادی با نتایجی که ذهن بشری ان...

متن کامل

طراحی یک الگوریتم رمز قالبی جدید مناسب برای شبکه های حسگر بی سیم

در این مقاله یک الگوریتم رمزنگاری قالبی مناسب برای کاربرد های مجتمع به همراه یک روش جدید برای بیان امنیت خطی و تفاضلی پیشنهاد می گردد. ا لگوریتم پیشنهادی دارای طول قالب ورودی 64 بیت و طول کلید 64 بیت می باشد. ساختار کلی این الگوریتم از نوع فیستلی ساده بوده که در تابع دور آن از ساختار فیستلی تعمیم یافته نوع دو استفاده شده است. طراحی الگوریتم به گونه ای است که دارای امنیت قابل اثبات خطی و تفاضل...

متن کامل

ترکیب اندازه شبکه اطلاعات، روشی نوین برای ترکیب اطلاعات سنسوری

ترکیب اطلاعات سنسوری یکی از موضوعات مطرح پژوهشی در کاربردهای مختلف از جمله رباتیک است . در این مقاله مفهومی نوین برای تعمیم روش شناخته شده بیزین برای منابع مستقل اطلاعات معرفی میگردد. بدلیل تنوع وسیعی که در تعریف این اندازه وجود دارد فرمولهای متعددی برای ترکیب مقادیر احتمال مدل شده از عدم قطعیت موجود در اطلاعات سنسوری حاصل میشود. تطابق موجود بین رفتار روش ترکیب پیشنهادی با نتایجی که ذهن بشری ان...

متن کامل

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023