循环平稳白高斯与非高斯输入下扩散最小均方与归一化最小均方算法的随机分析
系统与控制
2021-08-06 v1 系统与控制
信号处理
摘要
本文针对具有融合中心的网络，分析了扩散最小均方（DLMS）与扩散归一化最小均方（DNLMS）算法。该结构在保留重要扩散特性的同时降低了所得随机模型的维数。分析在系统辨识框架下针对循环平稳白节点输入进行。系统参数依据随机游走模型变化。循环平稳性由节点输入功率的周期性时变建模。该分析适用于所有类型的节点输入分布与节点输入功率变化。导出的模型由简单标量递推组成。这些递推有助于理解网络均值与均方对以下因素的依赖：1）节点加权系数，2）节点输入峰度与循环平稳性，3）节点噪声功率，4）未知系统均方参数增量。研究了节点加权系数的优化。还考察了两种算法的稳定性对节点输入峰度与加权系数的依赖。发现对于非高斯节点输入，DLMS 与 DNLMS 算法的行为存在显著差异。仿真为理论提供了有力支持。
引用
@article{arxiv.2108.02616,
title = {Stochastic Analysis of the Diffusion Least Mean Square and Normalized Least Mean Square Algorithms for Cyclostationary White Gaussian and Non-Gaussian Inputs},
author = {Eweda Eweda and Neil J. Bershad and Jose C. M. Bermudez},
journal= {arXiv preprint arXiv:2108.02616},
year = {2021}
}