随着网络技术、微电子技术以及低功耗无线通信技术的快速发展,无线传感器网络已经成了当今的热门研究领域。传感器网络综合了传感器技术、计算机技术、信息处理技术和通信技术,能够协同地实时监测、感知和采集网络覆盖区域中各种环境或监测对象的物理信息,并对其进行处理和传输,在军事国防、工农业控制、环境检测、危险区域远程控制等领域都具有重要的科学意义和广阔的应用前景。无线传感器网络是分散在一定空间区域的传感器节点集合。参数估计是无线传感器网络的重要应用之一,它通过建立一定的统计数学模型,并采用各种算法从被噪声污染的信号测量值中获得对某一参数的估计,从而确定不同物理量之间的相互依赖关系。传感器节点因自身的通信范围受限、节点能量受限等等问题,使得数据融合技术成为无线传感器网络的关键技术之一。采用一定的数据融合技术能够有效减少网络中的通信负载,提高整个网络的性能。目前数据融合技术主要分为集中式和分布式。集中式传感器网络中,所有节点将采集到的信号传输到融合中心进行处理,信号的利用程度较高但较为依赖融合中心,需要融合中心具有较强的存储和处理能力。分布式传感器网络不需要融合中心,而通过节点之间的相互协作实现数据的融合,由于不再过度依赖中心节点,因此整个网络具有更好的鲁棒性。另一方面,在传感器网络中,每个传感器节点通常具有有限的计算、通信和存储能力,传感器网络所使用节点的性能不同,成本也不同。近年来,基于二值传感器网络的理论与应用研究获得了广泛的关注,该网络中的每个节点只能提供低精度的1比特测量值,与能够提供模拟测量值(无限精度)的传感器相比,二值传感器有较低的使用成本。此外,1比特传输还能够大大降低网络通信负载,延长网络节点的使用周期。本论文在传统的传感器网络参数估计的基础上,研究基于传感器网络1比特测量的自适应参数估计算法。论文主要创新点及成果如下:(1)本文在分析传统的基于传感器网络LMS参数估计算法的基础上,考虑一种采用低成本二值传感器网络的参数估计问题,推导了一种1比特测量的LMS参数估计方法,并提出了1比特分布式LMS算法和1比特集中式LMS算法。(2)考虑到实际应用中很多系统都是稀疏的,充分利用这一稀疏性能够有效提高参数估计的精度和鲁棒性,因此,论文在1比特测量的参数估计算法中引入稀疏约束项,提出了基于传感器网络1比特测量的集中式稀疏LMS算法和分布式稀疏LMS算法。通过仿真实验并与传统算法进行了比较分析,结果验证了论文提出的算法的有效性。