改进的分布式扩散符号LMS算法

针对无线传感器网络(WSN)中数据运算量大及传输速率受限问题,提出了在分布式扩散LMS算法中先后采用符号函数和改进的符号函数量化策略,实现对误差和估计信号的量化,以减少多节点无线传感器网络的运算量和通信量。仿真结果表明,采用符号函数的量化策略时,误差相对较大;采用改进的符号函数量化策略,在设定适当的量化门限时,所提出的算法性能十分接近非量化的扩散LMS算法,且优于非协作算法。特别对于BPSK信号,相较于传统的扩散LMS算法,性能更为优良。     

基于信誉机制的分布式扩散最小均方算法

非安全环境中的无线传感器网络(WSN)可能存在恶意攻击节点,恶意节点将会篡改其观测数据以影响参数估计的准确性。为此,该文提出基于信誉机制的分布式扩散最小均方(R-dLMS)算法和扩散归一化最小均方(R-dNLMS)算法。该算法能够根据各节点对整个网络参数估计的贡献来设置相应的信誉值,从而减小恶意节点对网络攻击的影响。仿真结果表明,与无信誉值的算法相比,该算法的性能得到大幅度提高,且R-dNLMS算法在R-dLMS算法的基础上,算法性能得到进一步提升。