非完美信息交换与非平稳数据下的网络扩散自适应

自适应网络依赖于分布式代理之间的网内协作处理，以在估计和推理任务中提供增强的性能。信息通常在噪声链路上在节点间交换。节点用于融合来自邻居信息的组合权重在影响网络的自适应和跟踪能力方面起着关键作用。本文首先研究了在存在各种非完美信息交换源、量化误差和模型非平稳性的情况下，一般自适应扩散算法的均方性能。除其他结果外，分析表明，回归数据上的链路噪声以一种独特的方式改变了网络演化的动态，并导致稳态下的有偏估计。分析还揭示了网络均方性能如何依赖于组合权重。我们利用这些观察结果来展示如何优化和自适应组合权重。仿真结果说明了理论发现，并与理论吻合良好。