● 摘要
无线传感器网络（WSN）具有广泛的应用，例如环境监测、医疗检测、智能家电、军事侦察和深空探测等，其中一种典型应用是估计一个参数或向量。由于无线信道的衰落特性对WSN中的分布式估计带来了比理想通信时的估计问题更大的挑战，本文主要研究了WSN在衰落信道下的分布式估计问题，分别研究了参数估计、空间相关源和时间相关源的估计方法和性能。 首先在基于训练序列的数字传输系统中，根据贝叶斯原理提出了一种信道估计非理想时的分布式鲁棒最大似然（ML）参数估计方法，该方法的性能优于未考虑信道估计误差的ML估计。在节点发射总能量受限的条件下，通过使融和中心接收信噪比最大，推导得出最优的训练序列长度为观测值量化长度的平方根，仿真结果验证了理论计算的正确性。 在空间相关源的估计问题研究中，给出了模拟传输系统的最小均方误差估计方法，分析了估计性能与通信信噪比、观测信噪比和节点个数的关系。针对数字传输的分布式估计系统，提出了一种迭代估计算法。仿真表明，基于模拟传输的最优估计性能优于数字传输的迭代估计算法。 最后，研究了基于节点无记忆处理的时间相关源估计方法。对数字传输的分布式估计系统，提出了一种先做最大似然参数估计、再根据等效接收信号模型进行卡尔曼滤波的两步滤波方法。仿真结果表明，数字传输时两步滤波方法的稳态性能与模拟传输时的卡尔曼滤波基本相同，但瞬态估计性能比模拟传输的估计方法差。