Distributed diffusion bias-compensated LMS for node-specific networks
Distributed diffusion bias-compensated LMS for node-specific networks
复制标题
DOI：
10.1016/j.sigpro.2019.01.015
复制
发表时间：
2019-07
期刊：
影响因子：
--
通讯作者：
L. Jia;C. Zheng;Albert Katerega;Zi‐Jiang Yang
中科院分区：
文献类型：
--
作者：
L. Jia;C. Zheng;Albert Katerega;Zi‐Jiang Yang
本文研究了分布式多智能体网络中节点具有噪声破坏回归向量的节点特定参数估计（NSPE）问题。当经典的扩散最小均方（LMS）算法在这种情况下使用时，它会导致对节点目标的有偏估计。因此，我们提出了一种在线偏置补偿方法来消除扩散LMS结果中引入的偏置。此外，我们还研究了均值和均方意义上的性能分析。此外，我们还提供了数值实验来说明和比较我们的方法在各种分布式策略和不同网络拓扑下的鲁棒性。
In this paper, we study the problem of node-specific parameter estimation(NSPE) over distributed multi-agent networks, whose nodes have noise-corrupted regressor vectors. When the classic diffusion least mean square(LMS) algorithm is used in this situation, it results biased estimates of the nodal objectives. Therefore, we propose an online bias-compensated method to remove the bias introduced on the diffusion LMS results. Moreover, we investigate performance analysis in the mean and mean-square sense. Furthermore, we provide numerical experiments to illustrate and compare the robustness of our method under various distributed strategies and different network topologies.