基于异质且不确定质量的相对测量的分布式估计
系统与控制
2018-07-27 v2 分布式、并行与集群计算
摘要
本文研究了图中基于相对测量的估计问题，即需要从与边连接的节点分量之间的成对差值测量中重构索引于节点的向量。为了建模测量的异质性和不确定性，我们假设其受到服从高斯混合分布的加性噪声影响。在这一原始设定下，我们构建了计算最大似然 (ML) 估计的问题，并设计了两种基于最小二乘回归和期望最大化 (EM) 的新算法。第一种算法 (LS-EM) 是集中式的，执行基于相对测量的估计、测量的软分类以及噪声参数的估计。第二种算法 (分布式 LS-EM) 是分布式的，执行测量估计和软分类，但需要已知噪声参数。我们提供了两种算法收敛性的严格证明，并进行了数值实验以评估和比较其性能与经典解。实验表明，所提出的方法对不同类型的噪声具有鲁棒性，且对于分布式 LS-EM，对噪声参数知识的误差也具有鲁棒性。
引用
@article{arxiv.1710.08632,
title = {Distributed estimation from relative measurements of heterogeneous and uncertain quality},
author = {Chiara Ravazzi and Nelson P. K. Chan and Paolo Frasca},
journal= {arXiv preprint arXiv:1710.08632},
year = {2018}
}
备注
Submitted to IEEE transactions