无线传感器网络 信息处理与组网设计

第1章 传感器网络的信息论边界 1

1.1 引言 1

1.2 传感器网络模型 2

1.3 数字结构 5

1.3.1 分布式信源编码 6

1.3.2 分布式信道编码 13

1.3.3 数字结构的端到端性能 19

1.4 数字结构的代价 21

1.5 一般结构边界 23

1.6 本章小结 25

参考文献 26

第2章 无线传感器网络的网内信息处理 29

2.1 引言 29

2.2 通信复杂度模型 31

2.3 无线网络的计算：空间复用与分组计算 33

2.3.1 无线通信网络的地理模型 34

2.3.2 分组计算与计算吞吐量 35

2.3.3 对称函数与形式向量 36

2.3.4 同位网络 36

2.3.5 对称函数的子类：形式感知与形式阈值 37

2.3.6 同位网络中的最大吞吐量 39

2.3.7 多跳随机平面网络 41

2.3.8 其他非周期网络 42

2.4 有噪无线通信网络：同位广播网络中的可信计算 43

2.4.1 测量结果的奇偶性 44

2.4.2 阈值函数 45

2.5 信息论模型 46

2.6 本章小结 48

参考文献 48

第3章 无线传感器网络的感知容量 51

3.1 引言 51

3.1.1 广域检测应用 51

3.1.2 传感器网络编码器 53

3.1.3 基于信息论的角度 54

3.2 传感器网络的感知容量 55

3.2.1 节点随机连接传感器网络模型 55

3.2.2 随机编码与方法类型 58

3.2.3 感知容量理论 59

3.2.4 感知容量边界 64

3.3 其他传感器网络模型的感知容量 66

3.3.1 定位感知模型 67

3.3.2 目标模型 68

3.4 本章小结 69

参考文献 70

第4章 传感器网络生存期定律及其应用 73

4.1 引言 73

4.2 传感器网络生存期定律及普适性设计原则 74

4.2.1 网络特性与生存期定义 74

4.2.2 生存期定律 75

4.2.3 生存期最大化的通用设计原则 75

4.3 随机最短路径框架 76

4.3.1 问题说明 77

4.3.2 SSP的讨论 78

4.3.3 网络生存期的基本性能极限 80

4.3.4 网络极限性能的计算 81

4.4 分布式渐进最优传输调度 83

4.4.1 生存期最大化动态协议 83

4.4.2 DTSP的动态特性 84

4.4.3 DTSP的渐进最优性 85

4.4.4 分布式实现 86

4.4.5 仿真研究 87

4.5 传感器网络生存期的分析 92

4.6 本章小结 92

参考文献 93

第5章 传感器网络中的信号检测 95

5.1 引言 95

5.2 集中检测 96

5.3 传统分布式检测框架 97

5.3.1 二元假设检验 97

5.3.2 渐进机制 99

5.4 无线传感器网络中的分布式检测 100

5.4.1 传感器节点 101

5.4.2 网络架构 101

5.4.3 数据处理 102

5.5 无线传感器网络 102

5.5.1 容量约束条件下的检测 104

5.5.2 关于无线信道的讨论 105

5.5.3 相关性检测 109

5.5.4 衰减与衰落 110

5.6 范式分析 112

5.6.1 相长干涉 113

5.6.2 消息传递 114

5.6.3 跨层思想 114

5.6.4 节能机制 115

5.7 扩展与普适化 115

5.8 本章小结 116

参考文献 117

第6章 带宽能量受限条件下的分布式估计 121

6.1 引言 121

6.2 分布式量化估计 122

6.3 最大似然估计 122

6.3.1 噪声概率密度函数已知而方差未知 125

6.3.2 噪声概率密度布函数未知 129

6.3.3 均方误差的下界 133

6.4 向量参数的估计 133

6.5 最大后验概率估计 139

6.6 分布式估计的降维 141

6.6.1 解耦分布式估计—压缩 142

6.6.2 耦合分布式估计—压缩 146

6.7 失真率分析 148

6.7.1 集中式估计的失真率 150

6.7.2 分布式估计的失真率 155

6.7.3 凸优化确定失真率上界 158

6.8 本章小结 158

参考文献 159

第7章 无线传感器网络中的分布式学习 162

7.1 引言 162

7.2 典型学习理论 164

7.2.1 监督式学习模型 164

7.2.2 核函数方法及经验风险最小化原理 165

7.2.3 其他学习算法 168

7.3 无线传感器网络中的分布式学习 177

7.4 有融合中心无线传感器网络中的分布式学习 181

7.4.1 分簇方法 181

7.4.2 分布式学习的统计极限 181

7.5 有网内处理Ad hoc无线传感器网络的分布式学习 184

7.5.1 基于稀疏度的分布式训练 185

7.5.2 基于次梯度增量法的分布式训练 186

7.5.3 基于交替投影法的分布式训练 188

7.6 本章小结 190

参考文献 191

第8章 无线传感器网络中的图模型与融合 194

8.1 引言 194

8.2 图模型 195

8.2.1 定义与性质 195

8.2.2 和积算法 196

8.2.3 最大乘积算法 197

8.2.4 环路置信传播 198

8.2.5 非参数置信传播 198

8.3 无线传感器网络的图模型 199

8.3.1 传感器网络中的自定位 200

8.3.2 传感器网络多目标数据关联 202

8.4 消息检查与近似对融合的影响 204

8.4.1 消息检查 204

8.4.2 基于粒子的消息传递精确度 205

8.5 消息近似的作用 207

8.6 网络融合资源受限的优化分配 210

8.6.1 传感器网络目标追踪的资源管理 211

8.6.2 严格受限条件下的分布式推测 215

8.7 本章小结 221

参考文献 222

第9章 广域传感器网络的随机协同传输 225

9.1 引言 225

9.2 无线传感器网络的协同传输 226

9.2.1 协同无线电物理层模型 226

9.2.2 集中编码分配协同机制 228

9.3 随机分布式协同机制 229

9.4 随机协同编码的性能 232

9.4.1 分集阶数特性 232

9.4.2 性能仿真与数值分析 235

9.5 基于随机协同编码的协同广域网络分析 237

9.6 理论分析与验证 242

9.7 本章小结 244

参考文献 244

第10章 泛在多跳通信网络的邻域状态自适应更新 247

10.1 引言 247

10.2 典型邻域状态感知算法研究 247

10.2.1 问题分析 247

10.2.2 基于相邻节点覆盖的感知与更新 248

10.2.3 基于控制论的感知与更新 252

10.3 本地拓扑感知模型 254

10.3.1 本地拓扑感知度 254

10.3.2 邻域状态感知映射的公平性收敛 256

10.4 基于拓扑感知的邻域状态动态更新算法 269

10.4.1 邻域状态自适应感知 269

10.4.2 超时值的自适应调整 270

10.4.3 反应式感知分组的重调度 272

10.5 仿真结果与性能分析 274

10.5.1 仿真模型的构建 274

10.5.2 仿真结果与性能分析 275

10.6 本章小结 279

参考文献 279

第11章 分布式数据动态均衡 282

11.1 引言 282

11.2 典型数据均衡算法研究 283

11.2.1 动态负载感知路由算法 283

11.2.2 负载均衡算法 285

11.3 数据负载感知模型 288

11.4 分布式数据动态均衡路由算法 292

11.4.1 非饱和数据特征下的马尔可夫退避建模 292

11.4.2 基于Bloom滤波的最优散列建模 296

11.4.3 分布式数据动态均衡算法 299

11.5 分布式均衡公平性辅助算法 302

11.5.1 算法描述 302

11.5.2 自私节点的检测 306

11.5.3 复杂度分析 309

11.6 仿真结果与性能分析 311

11.6.1 仿真模型的构建 311

11.6.2 仿真结果与性能分析 312

11.7 本章小结 317

参考文献 318

第12章 动态传输路径自愈技术 321

12.1 引言 321

12.2 典型本地路径修复算法研究 323

12.2.1 基于CF策略的路由修复算法 323

12.2.2 基于on-the-fly策略的路由修复算法 327

12.3 链路质量感知模型 330

12.3.1 链路质量检测区域 331

12.3.2 功率检测与质量判断 332

12.4 最优搜索数学建模 333

12.4.1 最优搜索理论 333

12.4.2 搜索问题的状态方程 335

12.4.3 状态方程的解 339

12.5 本地路由动态自愈算法 344

12.5.1 算法描述 344

12.5.2 修复后的优化 348

12.6 仿真结果与性能分析 350

12.6.1 仿真模型的构建 350

12.6.2 仿真结果与性能分析 351

12.7 本章小结 356

参考文献 356

名词索引 360