Distributed Estimation over Adaptive Networks

Abstract

تبين مؤخرا الكثير من الاهتمام في تقدير المعلمة باستخدام شبكات الاستشعار اللاسلكية المخصصة, تخلو شبكات الاستشعار اللاسلكية المخصصة من مركز انصهار مركزي وبالتالي فان لديها بنية موزعة. لقد تم اقتراح العديد من الخوارزميات في الأدب من أجل استغلال هذه البينية الموزعة من اجل تحسين التقدير, سميت إحدى الخوارزميات والتي كانت عمليا ذات بنية موزعة كليا بخوارزمية (DMLS). في هذا العمل أدرج متغيرات لخوارزمية (DMLS). أول خوارزمية طورت من خوارزمية (DLMS) وذلك من خلال تغير حجم الخطوة ومن هنا تم إعداد خوارزمية (DMLS) ذات حجم خطوة متغير (VSSDLMS). تمت المقارنة مع خوارزمية (VSSLMS) ومن ثم يتم اختيار أنسب خوارزمية عرفت بتقديم أفضل مفاضلة بين الأداء والتعقيد. تم بعد ذلك اشتقاق خوارزمية باستخدام قيد معرفة تفاوت الضوضاء, هذه الخوارزمية قريبة من خوارزمية (VSSDLMS) لكنها حسابيا أكثر تعقيدا. تم إجراء تحاليل الالتقاء والحالة الثابتة بشكل مفصل لكلا الخوارزميتين. تم دراسة تأثير عدم التطابق في تفاوت الضوضاء للخوارزمية المعتمدة على القيد. تم إجراء محاكاة واسعة النطاق لتقييم أداء الخوارزميات المقترحة, وكانت نتائج هذه المحاكاة معززة لما هو في النتائج النظرية. تم أخيرا التحقق من سيناريو جديد. جميع الخوارزميات الموجودة في الأدب تفترض معرفة بيانات المتغير المستقل (Regressor), ومع ذلك فان هذه المعلومات غير متوفرة دائما. في هذا العمل تم دراسة الخوارزمية العمياء للشبكات المتكيفة. تم باستوحاء من طرق التقدير العمياء ذات إحصاءات الدرجة الثانية أولا تحويل خوارزميتين إلى خوارزمية عمياء ذات كتلة عودية. بعد ذلك هذه الخوارزمية تم تطبيقها على سيناريو شبكة متكيفة باستخدام نظام النشر. وتم تنفيذ نتائج المحاكاة لتقييم أداء خوارزميات تحت سيناريوهات مختلف.