Titelaufnahme

Titel
Nonlinear and dynamic average consensus algorithms / von Raman Jafroudi
VerfasserJafroudi, Raman
Begutachter / BegutachterinMatz, Gerald ; Schwarz, Valentin
Erschienen2011
UmfangVIII, 95 Bl. : graph. Darst.
HochschulschriftWien, Techn. Univ., Dipl.-Arb., 2011
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
DokumenttypDiplomarbeit
Schlagwörter (DE)Verteilte Mittelwertbildung / Average Consensus / Linear Average Consensus / Nonlinear Average Consensus / Static Average Consensus / Dynamic Average Consensus / Graphen Theorie
Schlagwörter (EN)distributed averaging / average consensus / linear average consensus / nonlinear average consensus / static average consensus / dynamic average consensus / graph theory
URNurn:nbn:at:at-ubtuw:1-53370 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Nonlinear and dynamic average consensus algorithms [5.5 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Diese Diplomarbeit beschäftigt sich mit verteilten Mittelungsverfahren in drahtlosen Sensornetzwerken. Drahtlose Sensorknoten bestehen aus Komponenten für die Messung, Berechnung und Kommunikation von Daten.

Unser Ziel ist es, den Mittelwert der Messwerte mit dem Average Consensus (AC) Algorithmus zu berechnen.

Um dem Leser das nötige Vorwissen zu vermitteln, geben wir im ersten Teil dieser Arbeit eine Einführung in die Graphentheorie und verschiedene Netzwerktopologien. Danach diskutieren wir eine statische und eine dynamische Variante des AC-Algorithmus. Die statische Mittelwertbildung wird verwendet, wenn die Sensoren konstante Signale messen, die sich nicht über die Zeit ändern. Im Fall wo die Sensoren zeitlich veränderliche Signale messen, wird die dynamische Mittelwertbildung verwendet. Sowohl für den statischen als auch für den dynamischen Fall betrachten wir verschiedene lineare und nichtlineare Methoden für den Entwurf der AC-Gewichte, um die Leistungsfähigkeit in transienten und stationären Szenarien zu verbessern. Wir untersuchen weiters das Verhalten der unterschiedlichen AC-Versionen in verschiedenen Netzwerktopologien und für verschiedene Simulationsparameter.

Unsere numerischen Ergebnisse legen den Schluss nahe, dass nichtlineare AC-Algorithmen den linearen Verfahren überlegen sind und dass dynamische AC-Verfahren schnell zeitvariante Signalmittelwerte erfolgreich schätzen können.

Zusammenfassung (Englisch)

This thesis deals with distributed averaging methods in wireless sensor networks. To this end, wireless sensor nodes are equipped with dedicated sensing, computing, and communication devices. Our goal is to calculate the average of measurements through the average consensus (AC).

To provide the reader with the necessary prerequisites, we summarize graph theory and different network topologies in the first part of this work. We then discuss static and dynamic variants of the AC algorithm.

The static algorithm is used if all sensors measure constant signals that do not change over time. In the case where the sensors measure time-varying signals, the dynamic algorithm is used. For both the static and the dynamic case, we consider different linear and nonlinear AC weight design methods to improve performance in transient and stationary scenarios.

We further study the behavior of the various versions of AC in different network topologies and different simulation settings.

Our numerical results suggest that nonlinear AC is superior to linear AC and that dynamic AC succeeds in tracking rapidly varying signal means.