[发明专利]一种抗脉冲干扰的分布式自适应估计方法

说明书

本发明公开了一种抗脉冲干扰的分布式自适应估计方法。现有方法在脉冲噪声环境下性能急剧恶化。本发明方法在基于最小化均方误差方法基础上，引入了Huber函数作为代价函数抑制脉冲干扰的影响。并利用滑动窗口对误差数据进行动态保留，对窗口内的误差信号求平均功率建立动态阈值，检测脉冲噪声的出现，能动态区分正常数据和受脉冲噪声污染的数据，并分别以相应的更新方式来处理这两种数据。最后节点间完成信息交换，融合自己和所有邻居节点的本地估计，得到最终的估计结果。本发明方法操作简单，容易实施，适用于无线传感器网络应用中，节点共同估计一组感兴趣的目标参数的场景。本发明方法有效提高了对脉冲干扰的鲁棒性，同时保证估计性能。

技术领域

本发明属于分布式信息处理技术领域，具体是分布式参数估计方向，涉及一种抗脉冲干扰的分布式自适应估计方法。

背景技术

随着微电子技术、传感器技术、无线网络的深入发展，具有感知、通信与处理能力的无线传感器网络受到了广泛的关注和研究。分布式自适应估计是自适应滤波算法在无线传感器网络上的拓展，其作为分布式信息处理的一个重要分支，在国防军事、环境监测、目标定位等诸多领域有着广泛的应用。

在分布式估计中，网络中的节点首先对采集到的数据信息进行处理，根据不同目的对数据信息进行有用性提取，获得对目标参数的本地估计。然后通过节点间的通信链路将本地估计发送给邻居节点，同时接收来自邻居节点的估计结果，完成信息交换后，节点基于特定准则对收集到的本地估计进行加权融合，得到最终的估计结果。

传统的分布式估计算法中,基于最小化均方误差(Mean-Square-Error,MSE)准则的最小均方(Least Mean Square,LMS)算法过于依赖背景噪声服从高斯分布的假设。但在实际应用中这样的假设往往是无法满足的，网络节点采集的信号很容易受到脉冲噪声的干扰。脉冲噪声广泛存在于生产生活和自然环境中，是一类具有显著尖峰脉冲特性的信号或噪声，具有出现不频繁、持续时间短和幅度较大等特点。如水下声学信号、自然界雷电噪声、开关噪声等。在这类噪声的干扰下，基于最小化MSE准则的算法性能将会急剧恶化，甚至不收敛，导致算法失效。

现有的提高算法对脉冲干扰的鲁棒性方法主要有：脉冲噪声检测法和代价函数法两类。前者通过设计脉冲噪声检测机制来检测并剔除受脉冲噪声污染的数据，而后者使用对异常值不敏感的代价函数来设计算法，如基于最小化低阶误差准则的代价函数和基于熵准则的代价函数等。申请号为2017109045711的中国专利公开了一种鲁棒偏差补偿自适应滤波器及其滤波方法，主要利用偏差补偿的方法和符号运算的方法消除脉冲噪声的干扰，这种方法的实施需要获得误差和输入信号的先验分布信息。申请号为2020100820260的中国专利公开了一种变步长零吸引归一化双符号自适应滤波器，采用归一化双符号算法和变步长结合的方法来更新权值向量，优化脉冲噪声环境下稀疏系统辨识的收敛和稳态性能，这种方法在每次迭代时需要对无噪估计误差的方差进行估计，算法的计算复杂度较大。申请号为2020105710407的中国专利公开了一种抗输入噪声的最小误差熵自适应回声消除方法，使用最小误差熵作为非线性相似度量，对于未知扰动和噪声有较强的鲁棒性。申请号为2018108615638的中国专利公开了一种基于最大相关熵的多凸组合自适应滤波方法，采用最大相关熵准则的凸组合来更新权重向量。上述方法均存在一定的不足，如脉冲噪声检测法剔除了部分数据，使得算法收敛变慢，并且需要得到误差的先验信息。此外，基于最小化低阶误差准则的代价函数法损失了部分梯度信息，在提高了鲁棒性的同时也损失了部分估计性能。基于熵准则的代价函数法依赖高斯核宽度参数的正确选择，同时存在收敛速度与稳态误差的失衡问题。

在实际应用中，分布式估计系统经常会受到脉冲干扰的影响，为了保证分布式估计系统在脉冲干扰情况下的准确性和鲁棒性，亟需一种能有效对抗脉冲干扰的分布式自适应估计方法，用于准确检测脉冲噪声的出现，并实现对脉冲噪声的有效抑制，减小有用数据的损失，以提高分布式估计算法的收敛性能和对未知参数估计的准确性。

发明内容