非安全環(huán)境下分布式DLMS算法研究與應(yīng)用.pdf

1、隨著傳感器時代的來臨，分布式自適應(yīng)網(wǎng)絡(luò)已經(jīng)成為具有挑戰(zhàn)性的熱點研究領(lǐng)域。自適應(yīng)網(wǎng)絡(luò)擅長分布式信息的處理和優(yōu)化問題，以及為自然界中的各種自組織復(fù)雜行為建模。本文研究分布式自適應(yīng)網(wǎng)絡(luò)中應(yīng)用廣泛的分布式估計問題。分布式網(wǎng)絡(luò)是由一群具有數(shù)據(jù)處理，學(xué)習(xí)以及數(shù)據(jù)傳輸能力的節(jié)點組成，這些節(jié)點以多樣化的拓撲結(jié)構(gòu)連接在一起形成互聯(lián)網(wǎng)絡(luò)，網(wǎng)絡(luò)中的節(jié)點可與各自的鄰居節(jié)點進行信息交互，通過相互協(xié)作完成對共同目標(biāo)參數(shù)的估計。分布式算法是分布式估計的核心技術(shù)，是由

2、自適應(yīng)估計算法和協(xié)作策略共同組成。本文研究重點是基于LMS的分布式估計算法。
　　首先，本文簡要概述了分布式估計所面臨的問題和挑戰(zhàn)，以及分布式估計算法的應(yīng)用和國內(nèi)外發(fā)展現(xiàn)狀，并且介紹了一種基本的單節(jié)點自適應(yīng)估計算法，即最小均方(LMS)算法，然后在單節(jié)點估計的基礎(chǔ)上，研究多節(jié)點協(xié)作估計算法，詳細描述了分布式協(xié)作策略中的擴散策略，引出了擴散最小均方(DLMS)算法，并且對單節(jié)點LMS估計算法和多節(jié)點DLMS估計算法進行了仿真比較。仿

3、真結(jié)果表明，多節(jié)點合作估計的性能要優(yōu)于單節(jié)點估計，說明信息的交互可以帶來性能的提高。
　　其次，實際的網(wǎng)絡(luò)環(huán)境并不是絕對安全的，惡意節(jié)點的存在會篡改自身的數(shù)據(jù)，并且通過擴散進而影響整個網(wǎng)絡(luò)的估計性能。而且，惡意節(jié)點的攻擊方式多樣化，其攻擊行為難以預(yù)測，為此，本文對多種攻擊行為進行了分析，將常見的攻擊概括為同向攻擊和高斯攻擊，針對同向攻擊提出了基于中值濾波的分布式擴散最小均方(MF-DLMS)算法，該算法通過對接收到的鄰居節(jié)點的估計

4、值進行排序，然后進行中值濾波處理，棄用排在鄰居集合兩端的惡意攻擊值，有效抑制惡意節(jié)點帶來的影響。但是MF-DLMS算法對高斯攻擊的效果不理想，而且MF-DLMS算法自身受拓撲結(jié)構(gòu)和惡意節(jié)點數(shù)量影響因素較大，導(dǎo)致其應(yīng)用性有限。為了尋找魯棒性更強的算法，本文在擴散融合階段提出一種異常數(shù)據(jù)檢測方法和惡意節(jié)點評價以及預(yù)警機制，并將其應(yīng)用于DLMS估計算法中作為改進，得到基于異常數(shù)據(jù)檢測的分布式擴散最小均方(ODD-DLMS)算法，此方法能夠使正

5、常節(jié)點在每次迭代過程中準確識別出惡意節(jié)點的數(shù)據(jù)并拒絕其進入下一步運算，其評價和預(yù)警機制能夠有效給出惡意節(jié)點的安全指標(biāo)并且及時做出安全預(yù)警。仿真結(jié)果表明，相比DLMS算法，在攻擊情況下兩種算法都能夠大幅度提高整個網(wǎng)絡(luò)的估計性能，有效降低惡意節(jié)點的影響，但ODD-DLMS算法比MF-DLMS算法的魯棒性更強，效果更好。
　　最后，利用分布式估計解決不同領(lǐng)域的問題也是本文研究的一個重點。本文將分布式估計與頻譜感知相結(jié)合，利用自適應(yīng)LMS