本發(fā)明涉及感知網(wǎng)絡(luò)、分布式估計(jì),d-LMS等領(lǐng)域,尤其涉及一種記憶分布式最小二乘(記憶d-LMS)方法。
背景技術(shù):
無線傳感網(wǎng)絡(luò)由大量感知節(jié)點(diǎn)構(gòu)成,經(jīng)部署后可以監(jiān)控難以達(dá)到的區(qū)域,如深海、森林火災(zāi)、大氣污染等等。分布在幾何區(qū)域的節(jié)點(diǎn)將收集該區(qū)域的數(shù)據(jù),為了分析數(shù)據(jù)中的參數(shù),設(shè)計(jì)和分析網(wǎng)絡(luò)的估計(jì)算法十分重要。一般來說,分析算法有兩種,集中式估計(jì)和分布式估計(jì)。在集中式估計(jì)算法中,所有節(jié)點(diǎn)將它們的測量結(jié)果傳輸?shù)街醒肴诤现行膩硖幚?,最終分析結(jié)果會(huì)被送回到這些節(jié)點(diǎn)。這種方法可以獲得全局解,但是它需要消耗大量的能量。而且,如果融合中心產(chǎn)生問題的話,結(jié)果會(huì)變得不可靠。在分布式估計(jì)算法中,每一個(gè)節(jié)點(diǎn)都只與它的鄰近節(jié)點(diǎn)互相傳遞信息,信息的處理也只在本地進(jìn)行。與集中式估計(jì)相比,分布式估計(jì)能夠獲得更好的估計(jì)而且減少了算法復(fù)雜度。為了更有效的利用節(jié)點(diǎn)獲得的歷史統(tǒng)計(jì)信息,我們提出了一種分布估計(jì)方法,稱為記憶分布式最小二乘(記憶d-LMS)算法。
技術(shù)實(shí)現(xiàn)要素:
本發(fā)明的目的是針對現(xiàn)有技術(shù)不足,提出一種記憶d-LMS,它是在d-LMS的基礎(chǔ)上,通過增加額外的統(tǒng)計(jì)信息而得來的,具體的是一種記憶分布式最小二乘方法。
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案包括如下步驟:
步驟1:初始化:對于任意一個(gè)節(jié)點(diǎn)l,其網(wǎng)絡(luò)中待估計(jì)參數(shù)ω的初始估計(jì)值ωl,0為0。
步驟2:在時(shí)刻i,網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)l獲取測量信息{xl,j,yl,j};其中,xl,j為節(jié)點(diǎn)l在時(shí)刻j的M×1維的已知輸入信息,yl,j表示1×1的觀察信息,xl,j和yl,j滿足如下線性關(guān)系:
yl,j=xl,jω+el,j; 公式(1)
ω為未知待估參數(shù),el,j表示零均值、方差為的獨(dú)立同分布的隨機(jī)誤差;
步驟3:在時(shí)刻i,每個(gè)節(jié)點(diǎn)l計(jì)算從時(shí)刻i-i0+1到時(shí)刻i的互相關(guān)函數(shù)之和αl,i與自相關(guān)函數(shù)之和βl,i,得到:
其中,xl,jT表示xl,j的轉(zhuǎn)置,i0表示一個(gè)取值范圍在1與i之間的正整數(shù);
步驟4:每個(gè)節(jié)點(diǎn)將其在步驟3中的計(jì)算結(jié)果傳輸?shù)洁徑?jié)點(diǎn),任意節(jié)點(diǎn)k根據(jù)如下公式得到未知待估參數(shù)ω的預(yù)估計(jì),記為
其中,ωk,i-1表示節(jié)點(diǎn)k在時(shí)刻i-1的估計(jì)值,μk表示迭代步長,{cl,k}表示節(jié)點(diǎn)l和節(jié)點(diǎn)k的非負(fù)權(quán)系數(shù)集合,滿足:
當(dāng)節(jié)點(diǎn)l和節(jié)點(diǎn)k沒有連接時(shí)cl,k=0。
步驟5:每個(gè)節(jié)點(diǎn)k將步驟4中其鄰近節(jié)點(diǎn)的預(yù)估計(jì)值結(jié)合起來獲得估計(jì)結(jié)果ωk,i:
其中,{al,k}表示節(jié)點(diǎn)l和節(jié)點(diǎn)k的非負(fù)權(quán)系數(shù)集合,滿足
1TA=1T 公式(6)
其中A={al,k}N×N,且當(dāng)時(shí),al,k=0。
其中,Nk表示節(jié)點(diǎn)k的鄰近節(jié)點(diǎn)的集合,所述的鄰近節(jié)點(diǎn)包括相連的相鄰節(jié)點(diǎn)和自身節(jié)點(diǎn)。
本發(fā)明中步驟1是初始化步驟,初始化完成以后,重復(fù)進(jìn)行步驟2、步驟3、步驟4和步驟5,直到估計(jì)值收斂。
本發(fā)明有益效果如下:
本發(fā)明與傳統(tǒng)算法相比,本算法充分利用了各個(gè)節(jié)點(diǎn)的歷史測量信息,使得估計(jì)值更接近于真實(shí)值,收斂速度更快,均方誤差更小。
附圖說明
圖1為本發(fā)明一個(gè)實(shí)施例。
具體實(shí)施方式
下面結(jié)合附圖和實(shí)施例,對本發(fā)明作進(jìn)一步說明。
一種記憶分布式最小二乘方法,具體步驟如下:
步驟1:初始化:對于所有的節(jié)點(diǎn)l,網(wǎng)絡(luò)中待估計(jì)參數(shù)ω的初始估計(jì)值ωl,0為0。
步驟2:在時(shí)刻i,網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)l獲取測量信息{xl,j,yl,j};其中,xl,j為節(jié)點(diǎn)l在時(shí)刻j的M×1維的已知輸入信息,yl,j表示1×1的觀察信息,xl,j和yl,j滿足如下線性關(guān)系:
yl,j=xl,jω+el,j; 公式(1)
ω為未知待估參數(shù),el,j表示零均值、方差為的獨(dú)立同分布的隨機(jī)誤差;
步驟3:在時(shí)刻i,每個(gè)節(jié)點(diǎn)l計(jì)算從時(shí)刻i-i0+1到時(shí)刻i的互相關(guān)函數(shù)之和αl,i與自相關(guān)函數(shù)之和βl,i,得到:
其中,xl,jT表示xl,j的轉(zhuǎn)置,i0表示一個(gè)取值范圍在1與i之間的正整數(shù);
步驟4:每個(gè)節(jié)點(diǎn)將其在步驟3中的計(jì)算結(jié)果傳輸?shù)洁徑?jié)點(diǎn),任意節(jié)點(diǎn)k根據(jù)如下公式得到ω的預(yù)估計(jì),記為
其中,ωk,i-1表示節(jié)點(diǎn)k在時(shí)刻i-1的估計(jì)值,μk表示迭代步長,{cl,k}表示節(jié)點(diǎn)l和節(jié)點(diǎn)k的非負(fù)權(quán)系數(shù)集合,滿足:
當(dāng)節(jié)點(diǎn)l和節(jié)點(diǎn)k沒有連接時(shí)cl,k=0。
步驟5:每一個(gè)節(jié)點(diǎn)k將步驟4中其鄰近節(jié)點(diǎn)的預(yù)估計(jì)值結(jié)合起來獲得估計(jì)結(jié)果ωk,i:
其中,{al,k}表示節(jié)點(diǎn)l和節(jié)點(diǎn)k的非負(fù)權(quán)系數(shù)集合,滿足
1TA=1T 公式(6)
其中A={al,k}N×N,且當(dāng)時(shí),al,k=0。
其中,Nk表示節(jié)點(diǎn)k的鄰近節(jié)點(diǎn)的集合,所述的鄰近節(jié)點(diǎn)包括相連的相鄰節(jié)點(diǎn)及其本身。
說明:步驟1完成以后,重復(fù)進(jìn)行步驟2、步驟3、步驟4和步驟5,直到估計(jì)值收斂。
其中,Nk表示節(jié)點(diǎn)k的鄰近節(jié)點(diǎn)的集合,所述的鄰近節(jié)點(diǎn)包括相連的相鄰節(jié)點(diǎn)及其本身。
說明:步驟1和步驟2完成以后,重復(fù)進(jìn)行步驟3、步驟4和步驟5,直到估計(jì)值收斂。
實(shí)施例1:
下面參照附圖并結(jié)合本發(fā)明的優(yōu)選實(shí)施例來描述本發(fā)明的一種記憶分布式最小二乘方法(記憶d-LMS)。具體的為分布式感知網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖,圖中黑色實(shí)心圓點(diǎn)表示網(wǎng)絡(luò)節(jié)點(diǎn),節(jié)點(diǎn)之間的連線表示節(jié)點(diǎn)之間可以互相傳遞信息,沒有連線的節(jié)點(diǎn)之間則不能傳遞信息。圖中節(jié)點(diǎn)k的鄰近節(jié)點(diǎn)是節(jié)點(diǎn)k,節(jié)點(diǎn)l,節(jié)點(diǎn)m和節(jié)點(diǎn)n。