一种训练增广复自适应 IIR 滤波器的分布式算法
分布式、并行与集群计算
2016-07-13 v3 性能
摘要
本文考虑去中心化（分布式）自适应学习问题，其目标是网络通过节点收集的测量值来训练宽线性自回归移动平均（ARMA）模型的系数。此类问题出现在许多基于传感器网络的应用中，如目标跟踪、快速重路由、数据缩减和数据聚合。我们假设网络的每个节点使用增广复自适应无限脉冲响应（ACAIIR）滤波器作为学习规则，且节点在增量合作模式下相互交互。由于所提出的算法（增量增广复 IIR（IACA-IIR）算法）依赖于增广复统计量，它可用于对两类复值信号（正常信号和非正常信号）进行建模。为了评估所提出算法的性能，我们在仿真中使用了合成和真实世界的复信号。结果表明，所提出的算法优于非合作 ACAIIR 算法。
引用
@article{arxiv.1606.05777,
title = {A Distributed Algorithm for Training Augmented Complex Adaptive IIR Filters},
author = {Azam Khalili and Reza G. Rahmati and Amir Rastegarnia and Wael M. Bazzi},
journal= {arXiv preprint arXiv:1606.05777},
year = {2016}
}
备注
Draft version, 11 Pages, 4 Figures