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

در این مقاله، مسئله تخمین تطبیقی در شبکه‌های حسگری بی‌سیم با ساختار مشارکت نفوذی، با در نظر گرفتن دو مورد واقع بینانه، یعنی نویزی بودن لینک تبادل بین گره‌ها و مجهول یا متغیر بودن طول پارامتر مورد تخمین مطالعه می‌شود. خواهیم دید که الگوریتم طول متغیر کسری که با تخمین بی‌درنگ طول فیلتر بهینه بین خطای حالت دائم و نرخ همگرایی تعادل برقرار می‌سازد، در حضور لینک‌های نویزی چه اندازه ناموفق عمل می‌کند. بدیهی است که این تخمین اشتباه طول ناشی از نویزی بودن لینک‌ها با تخمین نادرست ضرایب همراه است، واقعیتی که نیاز به ارائه شیوه‌ای مقاوم در برابر نویز را غیر قابل اجتناب می‌کند. لذا، در این مقاله، الگوریتمی با مشارکت مبتنی بر گرادیان پیشنهاد داده می‌شود که در آن میزان مشارکت بنا به شدت نویز بر اساس مفهوم گرادیان تنظیم می‌شود. مفهوم مشارکت مبتنی بر گرادیان شیوه‌ای است که هم امکان بهره گرفتن از همبستگی فضایی را فراهم کرده و هم اثرات لینک‌های نویزی را کاهش می‌دهد. نوآوری مقاله ارائه شیوه‌ای برای بهبود عملکرد شبکه‌های تطبیقی با طول فیلتر متغیر در حضور لینک‌های نویزی است. چرا که تطبیق صحیح طول در شرایط لینک‌های 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 لینک‌های نویزی دارد. به نحوی که در تخمین طول فیلتر موفقیت 100% حاصل شده و میزان بهبود در msd، mse و emse همواره بسیار بهتر از الگوریتم ft نفوذی در شرایط لینک‌های نویزی است. به نحوی که msd و mse به ترتیب از مقادیر 8.9db و 7.8dbدر الگوریتم ft نفوذی در شرایط لینک‌های نویزی می‌تواند تا 25.3db و 26.5dbدر الگوریتم پیشنهادی بهبود یابد.

Diffusion fractional tap-length algorithm with gradient-based cooperation to enhance the performance of adaptive networks with noisy links

In this paper, we consider the adaptive estimation in wireless sensor networks (WSNs) with diffusion strategy, where the communication links between nodes are noisy, and the parameter vector of interest has unknown or variable taplength. The diffusion fractional taplength (FT) algorithm seeks a taplength estimator in realtime through local interactions to best balance steadystate error and the convergence rate. However, its performance is severely degraded in the presence of noisy links. This incorrect estimation of the length due to the noise of the links is followed by an inaccurate estimate of the coefficients. This fact shows the requirement of a noiserobust method. On this basis, we propose gradientbased cooperation in which the cooperation rate is adjusted based on the noise level using the concept of gradient. The concept of gradientbased cooperation is a way to make use of spatial correlation, and at the same time, to reduce the effects of noisy links. Simulation results show the superiority of the proposed method in the diffusion adaptation over networks with noisy links.