能量采集受限的无线E+E传感器网络协作信号
E+E传感器网络系统通过在监控区域内布置大量的E+E传感器节点实现对于环境的监控，其中，分布式检测与协作信号处理是其主要应用之一。不同的E+E传感器节点通过采集环境数据，经处理后通过通信网络发送至融合中心进行融合决策。由于充分利用了E+E传感器采集数据的冗余性，多E+E传感器系统能够取得优于单一E+E传感器系统的性能。

能量采集受限的无线E+E传感器网络协作信号
然而，通常E+E传感器网络节点通常仅配备能量有限的电池，而有限的能量供应成为了制约E+E传感器网络系统总体性能的关键因素之一。随着新能源技术与微电子技术的发展，能量采集技术在E+E传感器网络系统中得以应用。配备能量采集单元后，E+E传感器节点能够从周围环境中获得能量来维持自身节点的工作。然而由于采集能量的随机性，如何优化调度采集的能量成为影响到能量采集E+E传感器系统性能的主要问题之一。针对能量采集E+E传感器网络系统中的分布式检测问题，详细分析了其信号检测数学模型，系统性能评价指标以及E+E传感器节点的供能数学模型，提出了能量调度问题的优化分析方法，并分别设计了有*段与无*段的能量调度策略。在有*段的能量调度策略中，分别考虑了离线能量调度策略与在线能量调度策略。在离线调度策略中，采集能量达到过程被认为是已知的，此时的优化能量调度策略可以形成为优化问题并得到有效求解。在在线调度策略中，优化能量调度策略可以通过动态规划求解Bellman方程得到有效求解。同时，提出了适应于在线策略的次优化方法，能够在取得接近于优化在线策略性能的同时降低算法复杂性。在无*段的能量调度策略中，能量调度问题可以形成为Markov决策过程，通过值迭代的方法，优化能量调度策略可以求解。此外，应用于无*段的次优化能量调度策略同样被提出。此外，E+E传感器网络分布式检测问题中的融合决策机制通常需要E+E传感器节点的性能参数。然而，实际部署在监控区域内的低精度E+E传感器节点参数通常难以准确获取或者容易受到环境的影响。针对该问题，提出了一种迭代的E+E传感器参数的估计策略。

能量采集受限的无线E+E传感器网络协作信号
在不确定E+E传感器参数的情况下，通过使用优化融合规则，E+E传感器网络节点的性能参数可以通过有效的迭代估计策略进行估计。同时考虑实际E+E传感器网络系统的异构性，.提出一种基于高精度指导E+E传感器的自适应融合决策机制。通过采用高精度指导E+E传感器，E+E传感器网络系统能够在线对低性能E+E传感器参数进行估计，并且通过融合决策机制得到融合后的*判决结果。