1.一种基于EM的1比特参数估计方法，其特征是：包括以下步骤：S1：获取每个传感器节点的1比特量化观测值；

S2：利用EM算法获得参数估计值 的等价函数；

S3：获得参数估计值 的方程并求根；

S4：将上述根分别带入到等价函数中，使等价函数最小的根即为参数估计值S5：重复步骤S1‑S4更新参数估计值 直至收敛；

所述步骤S2中获得参数估计值 的等价函数包括以下步骤：S21：结合E步公式根据当前参数估计值 和量化数据 计算对数似然函数的期望值，E步公式为

其中Ex{·}表示对x求期望， 为在i‑1次迭代后得到的参数估计值，S22：最大化E步中关于待估计参数θ的期望函数，获得更新参数估计值由1比特量化观测值表达式可知p(yn|θ，xn)＝p(yn|xn)因此

p(yn，xn|θ)＝p(yn|θ，xn)p(xn|θ)＝p(yn|xn)p(xn|θ)因p(yn|xn)是待估计参数θ的无关项，可得参数估计值 的等价函数

2.根据权利要求1所述的一种基于EM的1比特参数估计方法，其特征是：所述步骤S1中1比特量化观测值yn＝sign(xn‑τ)，n＝1，2，3，L，N其中，xn为第n个传感器节点的接收信号。

3.根据权利要求1所述的一种基于EM的1比特参数估计方法，其特征是：所述步骤S3，包括以下步骤：S31：第n个传感器节点的接收信号的xn表达式为xn＝hnθ+vn，n＝1，2，3，L，N其中θ为待估计的未知参数，vn为零均值，独立同分布的高斯加性白噪声，且其均方差为2

σv，hn为平坦衰落信道系数；

S32：将信道系数hn模拟为一个均值为1，独立同分布的高斯随机变量，独立于vn且均方2

差为σe，xn公式改写为

xn＝(1+en)θ+vn

2

其中为en高斯分布乘性噪声，且均值为零、方差为σe，令zn＝enθ+vn，对xn公式进行简化xn＝θ+znzn为等效噪声，它是加性噪声和乘性噪声的总和；

S33：将xn＝θ+zn带入到参数估计值 的等价函数中，对获得的函数进行求导并令其为零，得到参数估计值 的方程其中

S34：计算 和 的值并代入到参数估计值 的方程中，求方程的根λ1、λ2和λ3。

4.根据权利要求1所述的一种基于EM的1比特参数估计方法，其特征是：所述步骤S4中参数估计值其中