کاهش بارمخابراتی شبکه در تخمین توزیع‌شده با استفاده از کورنتروپی به عنوان یک معیاراطلاعاتی

تخمین توزیع ‌شده در شبکه‌های مخابراتی مساله‌ای است که اخیرا موردتوجه قرار گرفته‌است. یکی از مسایل چالش برانگیز در این شبکه‌ها بارمخابراتی می‌باشد. اخیراً محققان روش‌هایی را برای کاهش بارمخابراتی ارائه داده‌اند که ضمن کاهش بارمخابراتی در شبکه، تاثیر کمتری بر عملکرد نهایی شبکه داشته باشد. برای پردازش سیگنال در فضای غیرخطی، کورنتروپی به عنوان یک معیاراطلاعاتی در سال های اخیر موردتوجه بوده است. البته در فضای گاوسی همواره استفاده از کورنتروپی نتیجه خوبی نمی‌دهد. اما اگر نویز ضربه داشته باشیم، تابع هزینه بر پایه کورنتروپی بهتر از تابع هزینه بر پایه مربع خطای تخمین جواب می‌دهد. در این کار تحقیقاتی، نویز شبکه از نوع نویز ضربه می‌باشد. بنابراین، برای اینکه کاهش بارمخابراتی اثر مخرب کمتری بر عملکرد نهایی شبکه داشته باشد، راهکار جدیدی بر مبنای معیارهای اطلاعاتی ارائه می‌شود. کورنتروپی یک معیار شباهت بین دو متغیرتصادفی است که در یک فضای مشترک قرار دارند. به دلیل اینکه کورنتروپی نسبت به تغییرات ناگهانی حساس نیست، معیار مناسبی است. حذف گره‌ها هوشمندانه و براساس کورنتروپی میان گره مرجع و گره‌های همسایه انجام می‌شود. همچنین، در یک تحلیل ریاضی نشان داده می شود که معیار حذف گره ها بر اساس کورنتروپی به پارامترهای هسته کورنتروپی وابسته نیست. نتایج شبیه سازی نشان می‌دهد که این روش نسبت به روش‌های دیگر کاهش بارمخابراتی شبکه، msd نهایی کمتری دارد.

communication reduction in distributed estimation using correntropy as an information criterion

distributed estimation in communication networks is an issue that has received a lot of attention recently. one of the most challenging issues in these networks is the communication reduction of the network. recently, researchers have proposed methods to reduce the communication load that while reducing the communication load in the network, have less impact on the final performance of the network. for signal processing in nonlinear space, correntropy has been regarded as an information criterion in recent years. of course, in gaussian space, the use of correntropy does not always work well, but if we have impulse noise, the cost function based on correntropy is better than the cost function based on square estimation error. in this research work, network noise is impulse noise. to have less destructive effect on the final performance of the network, a new solution is presented based on information criteria. correntropy is a good criterion as a measure of similarity between two random variables that are in the same space and also because correntropy is not sensitive to sudden changes. node deletion is performed intelligently and based on correntropy between the reference node and neighboring nodes. also, a mathematical analysis shows that the condition of deletion of nodes is not dependent on the parameters of the correntropy kernel. the simulation results show that this method has less final msd than other methods of reducing the network communication load.