| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 论文背景及意义 | 第10-11页 |
| 1.2 分布式估计的发展历程 | 第11-12页 |
| 1.3 分布式估计的研究现状 | 第12-13页 |
| 1.3.1 扩散估计的鲁棒性 | 第12-13页 |
| 1.4 论文的主要工作 | 第13-16页 |
| 第二章 网络和鲁棒性相关理论 | 第16-30页 |
| 2.1 无线传感器网络(WSN) | 第16-17页 |
| 2.1.1 WSN的含义 | 第16页 |
| 2.1.2 WSN的主要应用 | 第16-17页 |
| 2.2 鲁棒性 | 第17-18页 |
| 2.2.1 鲁棒性的研究发展 | 第17-18页 |
| 2.2.2 鲁棒性的定义 | 第18页 |
| 2.3 最小误差熵(MEE)估计的鲁棒性 | 第18-29页 |
| 2.3.1 单参数EIV模型的MEE估计 | 第18-21页 |
| 2.3.2 理论结果 | 第21-25页 |
| 2.3.3 数值仿真 | 第25-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 分布式估计算法 | 第30-36页 |
| 3.1 扩散最小均方(DLMS)算法 | 第30-33页 |
| 3.1.1 算法简述 | 第30-31页 |
| 3.1.2 收敛性 | 第31-32页 |
| 3.1.3 均方性能 | 第32-33页 |
| 3.2 提高鲁棒性的分布式算法 | 第33-35页 |
| 3.2.1 DLMP算法 | 第33-34页 |
| 3.2.2 DMCC算法 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 鲁棒性(DMEE-SAS)算法 | 第36-52页 |
| 4.1 最小误差熵(MEE)准则 | 第36-37页 |
| 4.2 DMEE算法 | 第37-38页 |
| 4.3 DMEE-SAS算法 | 第38-41页 |
| 4.3.1 DMEE-SAS算法推导 | 第39-41页 |
| 4.4 性能分析 | 第41-46页 |
| 4.4.1 平均性能 | 第42-44页 |
| 4.4.2 均方性能 | 第44-45页 |
| 4.4.3 瞬时MSD | 第45-46页 |
| 4.5 ImprovingDMEE-SAS算法 | 第46-48页 |
| 4.6 仿真结果 | 第48-51页 |
| 4.6.1 稳态环境 | 第49-50页 |
| 4.6.2 非稳态环境 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第五章 基于分区域的扩散最小均方(SR-DLMS)算法 | 第52-60页 |
| 5.1 自适应扩散策略 | 第52-53页 |
| 5.2 SR-DLMS算法 | 第53-55页 |
| 5.3 数值仿真 | 第55-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结及主要贡献 | 第60-61页 |
| 6.2 下一步工作展望 | 第61-62页 |
| 参考文献 | 第62-72页 |
| 致谢 | 第72-74页 |
| 攻读硕士期间已取得的学术成果 | 第74-76页 |
| 学术论文 | 第74页 |
| 国家发明专利 | 第74-76页 |
| 攻读硕士期间参加的科研项目 | 第76页 |