تخمین تطبیقی توزیع شده در شبکه های سنسوری با در نظر گرفتن نویز مشاهده غیر یکسان
Publish place: 16th Iranian Conference on Electric Engineering
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 1,496
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICEE16_212
Index date: 25 February 2008
تخمین تطبیقی توزیع شده در شبکه های سنسوری با در نظر گرفتن نویز مشاهده غیر یکسان abstract
اخیراً استفاده از روش پردازش تطبیقی توزیع شده (distributed adaptive estimation) برای حل مساله تخمین در شبکه های سنسوری مد نظر قرار گرفته است. در الگوریتم های فعلی، برای تمام سنسورهای موجود در شبکه نویز مشاهده (observation noise) یکسان فرض شده است. در این مقاله پردازش تطبیقی توزیع شده در شرایط واقعی تری که در آن تعدادی از سنسورهای شبکه دارای نویز مشاهده با توان بیشتر هستند (سنسورهای نویزی) مورد بررسی قرار گرقته است. ابتدا با استفاده از نتایج شبیه سازی نشان می دهیم که استفاده از سنسورهای نویزی کارایی الگوریتم تخمین تطبیقی توزیع شده را به شدن کاهش می دهد. سپس به منظور حل این مشکل روشی برای شناسایی این دسته از سنسورها معرفی کرده و در ادامه از آن برای بهبود الگوریتم (Least mean square) LMS توزیع شده استفاده می گردد. نتایج حاصل از شبیه سازی های انجام شده بیانگر آن است که الگوریتم پیشنهادی در مقایسه با الگوریتم LMS توزیع شده، در شرایط نویز مشاهده غیر یکسان، کارایی بسیار بهترذی از خود نشان می دهد.
تخمین تطبیقی توزیع شده در شبکه های سنسوری با در نظر گرفتن نویز مشاهده غیر یکسان Keywords:
تخمین تطبیقی توزیع شده در شبکه های سنسوری با در نظر گرفتن نویز مشاهده غیر یکسان authors
امیر رستگار نیا
دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز
محمدعلی طینتی
دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز
اعظم خلیلی
دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :