无线传感器网络PDF电子书下载

第1章 引言 1

第一部分 基本特征与约束 9

第2章 传感器网络性能的信息论界限 9

2.1 引言 9

2.2 传感器网络模型 10

2.2.1 线性高斯传感器网络 12

2.3 数字架构 14

2.3.1 分布式源编码 14

2.3.2 分布式信道编码 23

2.3.3 数字架构的端到端性能 30

2.4 数字架构的代价 32

2.5 一般架构的界限 36

2.6 总结 38

参考文献 39

第3章 无线传感器网络的网内信息处理 42

3.1 引言 42

3.2 通信复杂性模型 45

3.3 无线网中的计算功能：空间复用和分块计算 47

3.3.1 无线通信网的地理模型 47

3.3.2 分组计算与计算吞吐量 49

3.3.3 对称函数及类型 50

3.3.4 同位网络 50

3.3.5 对称函数的子类：敏感型函数和阈值型函数 52

3.3.6 同位网络中关于最大吞吐量的结论 53

3.3.7 多跳网络：随机平面网络 56

3.3.8 其它无环网络 57

3.4 有噪通信无线网络：同位广播网中的可靠性计算 58

3.4.1 测量值奇偶校验概述 59

3.4.2 阈值函数 60

3.5 信息论公式 60

3.6 总结 63

参考文献 64

第4章 传感器网络的感知能力 65

4.1 引言 65

4.1.1 大型检测应用 65

4.1.2 作为编码器的传感器网络 67

4.1.3 信息论背景 68

4.2 传感器网络的感知能力 69

4.2.1 任意链接的传感器网络模型 69

4.2.2 随机编码和类方法 72

4.2.3 感知能力定理 73

4.2.4 感知能力界限的例证 78

4.3 其他传感器网络模型 80

4.3.1 局部感知模型 81

4.3.2 目标模型 83

4.4 总结 83

参考文献 84

第5章 传感器网络的生存时间定律及其应用 87

5.1 引言 87

5.2 网络的生存时间定律和一般设计规则 88

5.2.1 网络特征和生存时间定义 88

5.2.2 生存时间定律 89

5.2.3 生存时间最大化的一般设计原则 90

5.3 基本性能极限：一个随机最短路径架构 90

5.3.1 问题陈述 91

5.3.2 SSP的公式表示 92

5.3.3 网络生存时间的基本性能限制 94

5 3.4 网络规模具有多项式复杂度的极限性能计算 95

5.4 分布式渐进最优传输调度 97

5.4.1 生存时间最大化的动态协议 97

5.4.2 DPLM的动态特性 98

5.4.3 DPLM的渐进最优性 99

5.4.4 分布式实现 100

5.4.5 仿真研究 101

5.5 网络生存时间分析概述 107

5.6 总结 108

参考文献 108

第二部分 传感器网络信号处理 113

第6章 传感器网络中的检测 113

6.1 集中式检测 114

6.2 经典的分布式检测框架 115

6.2.1 渐近域 117

6.3 无线传感器网络中的分布式检测 118

6.3.1 传感器节点 119

6.3.2 网络架构 120

6.3.3 数据处理 121

6.4 无线传感器网络 121

6.4.1 容量受限条件下的检测 123

6.4.2 无线信道考量 125

6.4.3 相关观测 128

6.4.4 衰减和衰落 129

6.5 新范式 132

6.5.1 结构干涉 133

6.5.2 信息传递 134

6.5.3 跨层考量 134

6.5.4 通过审查和休眠实现能量节约 135

6.6 拓展和归纳 136

6.7 总结 137

参考文献 138

第7章 带宽与能量约束下的分布式估计 142

7.1 分布式量化-估计 143

7.2 极大似然估计 143

7.2.1 具有未知方差的已知的噪声pdf 145

7.3 未知的噪声pdf 149

7.3.1 关于MSE的下界 152

7.4 矢量参数的估计 153

7.4.1 有色高斯噪声 155

7.5 极大后验概率估计 159

7.5.1 均方误差 159

7.6 针对分布式估计的降维 161

7.6.1 去耦的分布式估计压缩 162

7.6.2 耦合的分布式估计压缩 165

7.7 失真率分析 167

7.7.1 集中式估计的失真率 168

7.7.2 分布式估计的失真率 173

7.7.3 经过凸优化的D-R上界 175

7.8 总结 176

7.9 进一步阅读 177

参考文献 178

第8章 无线传感器网络中的分布式学习 180

8.1 引言 180

8.2 经典学习方法 183

8.2.1 监督学习模型 183

8.2.2 内核方法与经验风险最小化原则 184

8.2.3 其它学习算法 187

8.3 无线传感器网络中分布式学习 187

8.3.1 分布式学习的一般模型 188

8.3.2 相关工作 191

8.4 WSNs中有融合中心的分布式学习 193

8.4.1 一种簇方法 193

8.4.2 分布式学习的统计限制 194

8.5 具有网络内处理的ad hoc WSNs中的分布式学习 197

8.5.1 最小二乘回归的消息传递算法 198

8.5.2 其他工作 204

8.6 总结 204

参考文献 205

第9章 图模型与传感器网络融合 211

9.1 引言 211

9.2 图模型 212

9.2.1 定义与性质 212

9.2.2 和积算法 214

9.2.3 最大乘积算法 215

9.2.4 多圈置信传播 215

9.2.5 非参数置信传播 216

9.3 从传感器网络融合到图模型 217

9.3.1 传感器网中的自定位 217

9.3.2 传感器网络中的多目标数据联合 220

9.4 信息审查近似及对融合的影响 222

9.4.1 消息审查 222

9.4.2 基于粒子的消息中比特折中的精确性 224

9.5 信息近似效应 225

9.6 网络融合中使用有约束源的优化 228

9.6.1 传感器网络中目标跟踪的资源管理 229

9.6.2 具有严格通信限制的分布式推断 234

9.7 总结 239

参考文献 241

第三部分 通信、网络与跨层设计 247

第10章 大规模传感器网络中的随机协作传输 247

10.1 引言 247

10.2 传感器网络中的传输协作 248

10.2.1 协作无线电的物理层模型 248

10.2.2 集中编码分配的协作方案 250

10.3 随机分布协作方案 251

10.3.1 随机码的构造和系统模型 251

10.4 随机协作编码的性能 254

10.4.1 分集阶数的表征 254

10.4.2 仿真和数值计算 257

10.5 使用随机协作编码的协作大规模网络的分析 260

10.5.1 数值评估和进一步讨论 263

10.6 总结 267

10.7 附录 267

参考文献 269

第11章 Ad-Hoc传感器网络中面向应用的最短路径路由 271

11.1 引言 271

11.1.1 主要分类 273

11.2 基本的SPR 273

11.2.1 广播路由 274

11.2.2 静态最短路径路由 275

11.2.3 自适应最短路径路由 283

11.2.4 其他方法 283

11.3 移动无线网络中的SPR 284

11.3.1 广播方法 284

11.3.2 最短路径路由 285

11.3.3 其他方法 288

11.4 Ad-Hoc传感器网络中的SPR 288

11.4.1 关于当前协议的简单调查 288

11.4.2 面向应用设计的论证 290

11.4.3 面向应用的SPR：举例说明 290

11.5 总结 299

11.6 基础图论的简单回顾 300

11.6.1 无向图 300

11.6.2 有向图 301

参考文献 302

第12章 传感器网络中以数据为中心与协作MAC协议 305

12.1 引言 305

12.2 传统媒体接入控制协议：随机接入和确定性调度 307

12.2.1 载波侦听多址接入（CSMA） 307

12.2.2 时分多址接入（TDMA） 308

12.3 传感器网络中的能量有效MAC协议 309

12.4 传感器网络中的以数据为中心的MAC协议 312

12.4.1 数据聚集 312

12.4.2 分布式信源编码 313

12.4.3 相关传感器域的空间采样 315

12.5 独立信源的协作MAC协议 317

12.6 相关传感器的协作MAC协议 321

12.6.1 相关传感器的数据检索 322

12.6.2 广义的以数据为中心的协作MAC协议 330

12.6.3 基于交互信息准则的启发式算法 332

12.6.4 MAC的分布式检测和估计 334

12.7 总结 337

参考文献 338

第13章 无人看护地面传感器网络中基于博弈论的激活和传输调度：相关均衡方法 342

13.1 引言 342

13.1.1 UGSN网络的传感器激活和传输调度方法 342

13.1.2 基本工具和文献 343

13.2 无人看护地面传感器网络：能力和目标 346

13.2.1 实例：传感器网络模型和架构 347

13.2.2 能量有效的传感器激活和传输控制 349

13.3 传感器激活问题规范为非协作博弈的相关均衡 351

13.3.1 概述——从纳什到相关均衡 351

13.3.2 通过后悔追踪的自适应传感器激活 354

13.3.3 后悔算法的收敛性分析 356

13.4 UGSN网络中能量有效的传输调度——马尔可夫决策过程方法 358

13.4.1 马尔可夫决策过程和超模 360

13.4.2 作为MDP的最优信道意识传输调度 361

13.4.3 阈值传输策略的最优性 364

13.5 数值结果 368

13.5.1 UGSN传感器激活算法 368

13.5.2 经由最优传输调度的能耗吞吐量折中 372

13.6 总结 374

13.7 附录 376

13.7.1 符号表 376

13.7.2 推论13.4.3的证明 377

13.7.3 定理13.4.4的证明 377

参考文献 379