噪声链路条件下用于分布式估计的部分扩散递归最小二乘
分布式、并行与集群计算
2016-07-20 v1 社会与信息网络
系统与控制
摘要
基于部分扩散的递归最小二乘(PDRLS)是一种在自适应网络实现中降低计算负载和功耗的有效方法。在该方法中，每个节点在每次迭代时与邻居共享其中间估计向量的一部分。相对于全扩散RLS算法，PDRLS算法减少了节点间通信。在噪声链路上的信息融合时，这种估计条目的选择变得更有吸引力。本文研究了噪声链路下PDRLS算法的稳态性能，并从均值和均方意义上考察了其收敛性。我们还推导了其稳态均方偏差(MSD)的理论表达式。仿真结果表明，噪声链路下PDRLS的稳定性条件不足以保证其收敛。严格地说，考虑非理想链路条件给估计问题增加了新的复杂性，使得PDRLS算法变得不稳定，并且对于任何遗忘因子值都不收敛。
引用
@article{arxiv.1607.05539,
title = {Partial Diffusion Recursive Least-Squares for Distributed Estimation under Noisy Links Condition},
author = {Vahid Vahidpour and Amir Rastegarnia and Azam Khalili and Saeid Sanei},
journal= {arXiv preprint arXiv:1607.05539},
year = {2016}
}
备注
9 Pages, 5 figures, Draft Version