声明
致谢
摘要
第1章 绪论
1.1 传统向量量化
1.1.1 传统向量量化算法的目标和内容
1.1.2 向量量化算法的性能评价
1.2 传感器网络中的分布式信号处理
1.2.1 传感器网络中的信号处理
1.2.2 分布式信号处理的国内外发展现状
1.2.3 分布式向量量化问题描述
1.3 本文的主要内容和结构安排
第2章 分布式LBG算法
2.1 LBG算法
2.2 分布式LBG算法
2.3 通信复杂度分析
第3章 分布式SOM算法
3.1 SOM算法
3.2 分布式SOM算法
3.3 通信复杂度分析
第4章 基于信息论K-L散度的分布式向量量化算法
4.1 基于K-L散度的集中式向量量化算法
4.1.1 Kullback-Leibler散度
4.1.2 高斯混合模型(Gaussian mixture models)
4.1.3 Robbins-Monro随机逼近方法
4.1.4 基于K-L散度的集中式向量量化算法
4.2 基于K-L散度的分布式向量量化算法
4.3 通信复杂度分析
第5章 数值仿真
5.1 仿真网络设置
5.2 仿真数据生成
5.3 仿真性能评价
5.4 仿真结果
5.4.1 简单情况下的量化示意图
5.4.2 不平衡度对量化性能的影响
5.4.3 分布式LBG中不同内循环参数P的影响
5.4.4 分布式SOM中不同内循环参数Nt的影响
5.4.5 不同输入数据量下各算法的通信量
第6章 结论
参考文献
作者简历及在学期间所取得的科研成果