Decentralized estimation of regression coefficients in sensor networks

یک شبکه حسگر بی سیم را با یک مرکز فیوژن برای تخمین یک بردار پارامتر معمول غیر تصادفی در نظر بگیرید. هر سنسور یک بردار مشاهده پر سر و صدا از بردار پارامتر غیر تصادفی را با توجه به مدل رگرسیون خطی به دست می آورد. سر و صدا مشاهده در سراسر سنسور همبسته است. با توجه به قدرت، پهنای باند و محدودیت پیچیدگی، هر سنسور به صورت خطی اطلاعات خود را فشرده می کند. داده های فشرده شده از سنسورها به مرکز همجوشی منتقل می شود که خطی برآورد کننده بردار پارامتر غیر تصادفی را برآورد می کند. هدف این است که ماتریس فشرده سازی را در سنسورها و برآوردگر بی طرف خطی در مرکز همجوشی طراحی کنیم تا واریانس کل خطای تخمین به حداقل برسد. در این مقاله، ما شرایط لازم و کافی برای دستیابی به عملکرد برآوردگر بی نظم خطی متمرکز را ارائه می دهیم. ما همچنین ارائه ماتریس فشرده سازی مطلوب و برآوردگر خطی غیر خطی بهینه را زمانی که این شرایط راضی هستند. هنگامی که این شرایط راضی نیستیم، ما الگوریتم زیر بهینه را برای تعیین ماتریس فشرده سازی و برآوردگر بی طرف خطی پیشنهاد می کنیم. نتایج شبیه سازی برای نشان دادن اثربخشی الگوریتم پیشنهاد شده ارائه شده است.