×
冯敏玉;邓树伟;陈冯;库尔根·库思

动态网络拓扑下的分布式事件触发自适应部分扩散策略。 （英语） Zbl 1460.68131号

混乱 30，第6期，063103，10页（2020年）.
摘要：在无线传感器网络中，动态网络拓扑和通信资源的限制可能会导致分布式算法的估计性能下降。为了解决这个问题，我们提出了一种事件触发的自适应部分扩散最小均方算法（ET-APDLMS）。一方面，自适应局部扩散策略在保证估计性能的同时适应网络的动态拓扑。另一方面，事件触发机制可以有效减少数据冗余，节省网络通信资源。性能分析中给出了ET-APDLMS算法的通信成本分析。理论结果证明了该算法是渐近无偏的，并且在均值和均方意义下收敛。在仿真中，我们比较了ET-APDLMS算法和其他不同扩散算法的均方偏差性能。仿真结果与性能分析一致，验证了所提算法的有效性。

引用于1文件

MSC公司：

68宽15 分布式算法
68米18 与计算机科学相关的无线传感器网络
PDF格式BibTeX公司 XML格式引用
\textit{M.Feng}等人，Chaos 30，No.6，063103，10 p.（2020；Zbl 1460.68131）
全文： 内政部

参考文献：

[1] 陈，B。；Wang，J。；赵，H。；郑，N。；Principe，J.C.，最大相关熵准则下定点算法的收敛性，IEEE信号处理。莱特。，22, 10, 1723-1727 (2015) ·doi:10.10109/LSP.2015.22428713
[2] 陈，B。；Xing，L。；赵，H。；郑，N。；Principe，J.C.，鲁棒自适应滤波的广义相关熵，IEEE Trans。信号处理。，64, 13, 3376-3387 (2016) ·Zbl 1414.94113号 ·doi:10.1109/TSP.2016.2539127
[3] Cattivelli，F.S。；Sayed，A.H.，分布式估计的扩散LMS策略，IEEE Trans。信号处理。，58, 3, 1035-1048 (2010) ·兹比尔1392.94123 ·doi:10.1109/TSP.2009.2033729
[4] 王，S。；Li，C.，网络系统中的分布式鲁棒优化，IEEE Trans。系统。人类网络。，47, 8, 2321-2333 (2017)
[5] Hua，J。；李，C。；Shen，H.，网络上多任务预测结构的分布式学习，IEEE Trans。Ind.Electron公司。，64, 5, 4246-4256 (2017) ·Zbl 1379.20015号 ·doi:10.1109/TIE.2016.2588463
[6] 黄，S。；Li，C.，《网络上的分布式稀疏总最小二乘法》，IEEE Trans。信号处理。，63, 11, 2986-2998 (2015) ·Zbl 1394.94244号 ·doi:10.1109/TSP.2015.2416671
[7] Lopes，C.G。；Sayed，A.H.，分布式网络上的增量自适应策略，IEEE Trans。信号处理。，55, 8, 4064-4077 (2007) ·Zbl 1390.68096号 ·doi:10.1109/TSP.2007.896034
[8] Rabbat，M.G。；Nowak，R.D.，分布式优化的量化增量算法，IEEE J.Sel。地区公社。，23, 4, 798-808 (2005) ·doi:10.1109/JSAC.2005.843546
[9] Nedic，A。；Bertsekas，D.P.，不可微分优化的增量次梯度方法，SIAM J.Optim。，12, 1, 109-138 (2001) ·Zbl 0991.90099号 ·doi:10.1137/S1052623499362111
[10] Bertsekas，D.P.，用于最小二乘问题的一类新的增量梯度方法，SIAM J.Optim。，7, 4, 913-926 (1997) ·兹比尔0887.49025 ·doi:10.1137/S1052623495287022
[11] 北波格达诺维奇。；Platachaves，J。；Berberidis，K.，用于节点特定自适应参数估计的分布式增量LMS，IEEE Trans。信号处理。，62, 20, 5382-5397 (2014) ·Zbl 1394.94086号 ·doi:10.1109/TSP.2014.2350965
[12] Bertrand，A。；Moonen，M.，基于一致性的分布式总最小二乘估计，无线传感器网络，IEEE Trans。信号处理。，59, 5, 2320-2330 (2011) ·Zbl 1391.90132号 ·doi:10.1109/TSP.78
[13] Bertrand，A。；Moonen，M.，《自组织传感器网络中的低复杂性分布式总最小二乘估计》，IEEE Trans。信号处理。，60, 8, 4321-4333 (2012) ·Zbl 1391.62130号 ·doi:10.1109/TSP.2012.2197208
[14] 斯坦科维奇，S.S。；斯坦科维奇，M.S。；Stipanovic，D.M.，基于一致性的随机近似的分散参数估计，IEEE Trans。自动化。控制。，56, 3, 531-543 (2011) ·Zbl 1368.93693号 ·doi:10.1109/TAC.2010.2076530
[15] 马特奥斯，G。；希扎斯，I.D。；Giannakis，G.B.，基于共识的网络自适应估计的分布式递归最小二乘法，IEEE Trans。信号处理。，57, 11, 4583-4588 (2009) ·Zbl 1392.94332号 ·doi:10.1109/TSP.2009.2024278
[16] 卡尔·S。；Moura，J.M.，《通信不完善的传感器网络中的分布式一致性算法：链路故障和信道噪声》，IEEE Trans。信号处理。，57, 1, 355-369 (2009) ·兹比尔1391.94263 ·doi:10.1109/TSP.2008.2007111
[17] 希扎斯，I.D。；里贝罗，A。；Giannakis，G.B.，《含噪声链路的自组织无线传感器网络共识——第一部分：确定性信号的分布式估计》，IEEE Trans。信号处理。，56, 1, 350-364 (2008) ·兹比尔1390.94395 ·doi:10.1109/TSP.2007.906734
[18] 陈，F。；Shao，X.，减少通信负载的断动扩散LMS算法，信号处理。，133, 213-218 (2017) ·doi:10.1016/j.sigpro.2016.11.005
[19] Abdole，R.、Champagne，B.和Sayed，A.H.，“噪声回归器应用中参数估计的扩散LMS策略”，载于2012年第20届欧洲信号处理会议（EUSIPCO）论文集（IEEE，2012），第749-753页。
[20] X.赵。；Tu，S.-Y。；Sayed，A.H.，不完全信息交换和非平稳数据下的网络扩散自适应，IEEE Trans。信号处理。，60, 7, 3460-3475 (2012) ·兹比尔1391.90172 ·doi:10.1109/TSP.2012.2192928
[21] Bertrand，A。；Moonen，M。；Sayed，A.H.，自适应网络上的扩散偏差补偿RLS估计，IEEE Trans。信号处理。，59, 11, 5212-5224 (2011) ·Zbl 1391.93204号 ·doi:10.1109/TSP.2011.2163631
[22] 乔瓦达斯，S。；斯拉瓦基斯，K。；Theodoridis，S.，扩散传感器网络中的自适应鲁棒分布式学习，IEEE Trans。信号处理。，59, 10, 4692-4707 (2011) ·Zbl 1392.94148号 ·doi:10.1109/TSP.2011.2161474
[23] 北高桥。；山田，I。；Sayed，A.H.，《带自适应合并器的扩散最小均方：公式和性能分析》，IEEE Trans。信号处理。，58, 9, 4795-4810 (2010) ·Zbl 1392.94478号 ·doi:10.1109/TSP.2010.2051429
[24] 陈，F。；施，T。；Duan，S。；Wang，L。；Wu，J.，分布式估计的扩散最小对数绝对差分算法，信号处理。，142, 423-430 (2018) ·doi:10.1016/j.sigpro.2017.07.014
[25] 李，C。；沈，P。；刘，Y。；张忠，网络分布式估计的扩散信息理论学习，IEEE Trans。信号处理。，61, 16, 4011-4024 (2013) ·Zbl 1393.94322号 ·doi:10.1109/TSP.78
[26] Arablouei，R。；沃纳，S。；Huang，Y.F.，带部分扩散的分布式最小均方估计，IEEE Trans。信号处理。，62, 2, 472-484 (2014) ·Zbl 1394.94049号 ·doi:10.1109/TSP.2013.2292035
[27] 陈，J。；Sayed，A.H.，《网络分布式优化和学习的扩散适应策略》，IEEE Trans。信号处理。，60, 8, 4289-4305 (2012) ·Zbl 1391.90601号 ·doi:10.1109/TSP.2012.2198470
[28] 陈，F。；李，X。；Duan，S。；Wang，L。；Wu，J.，多任务网络分布式估计的扩散广义最大相关熵准则算法，Digit。信号处理。，81, 16-25 (2018) ·doi:10.1016/j.dsp.2018.02.008
[29] 刘，Y。；李，C。；Zhang，网络上的稀疏最小均方扩散，IEEE Trans。信号处理。，60, 8, 4480-4485 (2012) ·Zbl 1393.94692号 ·doi:10.1109/TSP.2012.2198468
[30] Arablouei，R。；Dogancay，K。；沃纳，S。；Huang，Y.，基于递归最小二乘和部分扩散的自适应分布估计，IEEE Trans。信号处理。，62, 14, 3510-3522 (2014) ·Zbl 1394.94047号 ·doi:10.1109/TSP.78
[31] Vadidpour，V。；拉斯特加尼亚，A。；Khalili，A。；萨内，S。
[32] Diniz，P.S.，《关于数据选择自适应滤波》，IEEE Trans。信号处理。，66, 16, 4239-4252 (2018) ·Zbl 1415.94093号 ·doi:10.1109/TSP.78
[33] 阿巴迪尔，K.M。；Magnus，J.R.，《矩阵代数》（2005），剑桥大学出版社：剑桥大学出版社，纽约·兹比尔1084.15001
[34] 何毅。；Wang，F。；王，S。；任，P。；Chen，B.，含噪声链路网络上的最大总相关熵扩散自适应，IEEE Trans。电路系统。II快速简报，66，2，307-311（2019）·doi:10.1109/TCSII.2018.2853653
[35] 马伟（Ma，W.）。；陈，B。；Duan，J。；赵，H.，稳健分布估计的扩散最大相关熵准则算法，数字。信号处理。，58, 10-19 (2016) ·doi:10.1016/j.dsp.2016年7月16日
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。