الگوریتم طول متغیر کسری نفوذی با قابلیت پیشبرد مشارکت مبتنی بر گرادیان برای افزایش کارایی شبکه های تطبیقی با لینک های نویزی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 105

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSCIT-10-4_001

تاریخ نمایه سازی: 25 مهر 1403

چکیده مقاله:

در این مقاله، مسئله تخمین تطبیقی در شبکه های حسگری بی سیم با ساختار مشارکت نفوذی، با در نظر گرفتن دو مورد واقع بینانه، یعنی نویزی بودن لینک تبادل بین گره ها و مجهول یا متغیر بودن طول پارامتر مورد تخمین مطالعه می شود. خواهیم دید که الگوریتم طول متغیر کسری که با تخمین بی درنگ طول فیلتر بهینه بین خطای حالت دائم و نرخ همگرایی تعادل برقرار می سازد، در حضور لینک های نویزی چه اندازه ناموفق عمل می کند. بدیهی است که این تخمین اشتباه طول ناشی از نویزی بودن لینک ها با تخمین نادرست ضرایب همراه است، واقعیتی که نیاز به ارائه شیوه ای مقاوم در برابر نویز را غیر قابل اجتناب می کند. لذا، در این مقاله، الگوریتمی با مشارکت مبتنی بر گرادیان پیشنهاد داده می شود که در آن میزان مشارکت بنا به شدت نویز بر اساس مفهوم گرادیان تنظیم می شود. مفهوم مشارکت مبتنی بر گرادیان شیوه ای است که هم امکان بهره گرفتن از همبستگی فضایی را فراهم کرده و هم اثرات لینک های نویزی را کاهش می دهد. نوآوری مقاله ارائه شیوه ای برای بهبود عملکرد شبکه های تطبیقی با طول فیلتر متغیر در حضور لینک های نویزی است. چرا که تطبیق صحیح طول در شرایط لینک های نویزی شرط اساسی برای عملکرد مناسب الگوریتم تطبیقی توزیع شده است. برای ارزیابی الگوریتم پیشنهادی علاوه بر منحنی آموزشی طول کسری، از معیارهای میانگین مربع انحراف (MSD)، میانگین مربع خطا (MSE) و میانگین مربع خطای اضافی (EMSE) استفاده می شود. الگوریتم پیشنهادی بر اساس این پارامترها عملکرد بهتری در مقایسه با الگوریتم FT نفوذی در شرایط لینک های نویزی دارد. به نحوی که در تخمین طول فیلتر موفقیت ۱۰۰% حاصل شده و میزان بهبود در MSD، MSE و EMSE همواره بسیار بهتر از الگوریتم FT نفوذی در شرایط لینک های نویزی است. به نحوی که MSD و MSE به ترتیب از مقادیر ۸.۹dB و -۷.۸dBدر الگوریتم FT نفوذی در شرایط لینک های نویزی می تواند تا -۲۵.۳dB و -۲۶.۵dBدر الگوریتم پیشنهادی بهبود یابد.

کلیدواژه ها:

تخمین توزیع شده ، شبکه های تطبیقی ، استراتژی نفوذی ، الگوریتم تطبیق طول کسری (FT)

نویسندگان

Ghanbar Azarnia

دانشکده فنی و مهندسی خوی - دانشگاه صنعتی ارومیه - ارومیه – ایران

Abbbas Ali Sharifi

دانشکده فنی و مهندسی، گروه مهندسی برق - دانشگاه بناب، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • G. Lopes and A. H. Sayed, “Incremental adaptive strategies over ...
  • O. B. Saeed and A. Zerguine, "An incremental variable step-size ...
  • Chen and Y. Liu, "Robust distributed parameter estimation of nonlinear ...
  • A. Alghunaim, K. Yuan and A. H. Sayed, "A Proximal ...
  • Li, W. Shi and M. Yan, "A decentralized proximal-gradient method ...
  • A. Alghunaim, E. Ryu, K. Yuan and A. H. Sayed, ...
  • Wang, and X. Meng. "Adaptive Consensus and Parameter Estimation of ...
  • S. Esfand Abadi and A. P. Adabi, "Convex Combination of ...
  • Rastegarnia, "Reduced-communication diffusion RLS for distributed estimation over multi-agent networks," ...
  • Chu, S. C. Chan, Y. Zhou and M. Wu, "A ...
  • Xu, R. C. de Lamare and H. V. Poor, "Distributed ...
  • S. E. Abadi and M. S. Shafiee, "Distributed estimation over ...
  • Azarnia, M.A. Tinati, A.A. Sharifi, and H. Shiri “Incremental and ...
  • Azarnia, M. A. Tinati and T. Y. Rezaii, "Cooperative and ...
  • Azarnia, M. A. Tinati, and T. Y. Rezaii. "Generic cooperative ...
  • Li, S. Huang, Y. Liu and Z. Zhang, "Distributed jointly ...
  • Azarnia, and M. A. Tinati, “Steady-State Analysis of the Deficient ...
  • Azarnia and M. A. Tinati, “Steady-State Analysis of the Deficient ...
  • Riero-Palou, J. M. Noras, and D. G. M. Cruickshank, “Linear ...
  • GU, K. Tang, H. Cui, and W. Du, “LMS algorithm ...
  • Gong and C. F. N. Cowan, “An LMS style variable ...
  • Li, Y. Zhang, and J. A. Chambers, “Variable length adaptive ...
  • Azarnia, and M. Hassanlou. "A variable tap-length DILMS algorithm with ...
  • Li, J. Feng, J. He, and J. A. Chambers, “A ...
  • Zhang, C. Wang, L. Zhao and J. A. Chambers, "A ...
  • Azarnia, “Diffusion Fractional Tap-length Algorithm with Adaptive Error Width and ...
  • Khalili, A., Tinati, M.A., Rastegarnia, A. and Chambers, J.A., ۲۰۱۱. ...
  • Khalili, A., Tinati, M.A. and Rastegarnia, A., ۲۰۱۱. Steady-state analysis ...
  • نمایش کامل مراجع