[論文レビュー] Tracking Performance of Incremental LMS Algorithm over Adaptive Distributed Sensor Networks

Ehsan Mostafapour, Changiz Ghobadi+2 more|arXiv (Cornell University)|Feb 4, 2021

Advanced Algorithms and Applications被引用数 5

ひとこと要約

本稿は、時間変動する未知の重みベクトルを伴う適応型分散センサネットワークにおけるインクリメンタル最小平均差分（LMS）アルゴリズムの追跡性能を分析している。時間変動する重みをランダムウォークとしてモデル化し、レイノールズフェージングチャネルモデルを適用することで、平均二乗誤差（MSE）、平均二乗歪度（MSD）、余剰平均二乗誤差（EMSE）の閉形式式を導出している。理論的予測とシミュレーション結果の間で完全な一致が確認された。

ABSTRACT

In this paper we focus on the tracking performance of incremental adaptive LMS algorithm in an adaptive network. For this reason we consider the unknown weight vector to be a time varying sequence. First we analyze the performance of network in tracking a time varying weight vector and then we explain the estimation of Rayleigh fading channel through a random walk model. Closed-form relations are derived for mean square error (MSE), mean square deviation (MSD) and excess mean square error (EMSE)of analyzed network in tracking Rayleigh fading channel and random walk model. Comparison between theoretical and simulation results shows a perfect match and verifies performed calculations.

研究の動機と目的

• 時間変動する重みベクトルを伴う適応型分散センサネットワークにおけるインクリメンタルLMSアルゴリズムの追跡性能を分析すること。
• 時間変動する重みベクトルをランダムウォークとしてモデル化し、レイノールズフェージングチャネル推定に応用すること。
• 時間変動系の文脈において、MSE、MSD、EMSEといった主要な性能指標の閉形式式を導出すること。
• 理論的結果をシミュレーション結果と比較することで、導出された式の正確性を検証すること。

提案手法

• インクリメンタルLMSアルゴリズムを、各ノードが局所データと隣接ノードとの情報交換に基づいて重みを更新する分散センサネットワークに適用する。
• 未知の重みベクトルを、動的環境を模倣するための時間変動列としてランダムウォーク過程に従うようにモデル化する。
• レイノールズフェージングチャネルを、時間変動するチャネル状態を反映するためのランダムウォークモデルで表現する。
• ゼロ平均かつ非相関のノイズとノード間で独立した重み更新を仮定し、確率的解析を用いてMSE、MSD、EMSEの閉形式式を導出する。
• 理論的性能指標をシミュレーション結果と比較することで、導出された式の正確性を検証する。
• 解析では、対称的な重み更新を持つネットワークを仮定し、2次モーメント統計を用いて収束性および追跡行動を評価する。

実験結果

リサーチクエスチョン

• RQ1 インクリメンタルLMSアルゴリズムは、時間変動する重みベクトルを含む分散センサネットワークで、どのように時間変動を追跡するか？
• RQ2 重みベクトルがランダムウォークモデルに従って変化する場合、MSE、MSD、EMSEの閉形式式は何か？
• RQ3 レイノールズフェージングチャネルの追跡において、理論的性能指標はシミュレーション結果とどの程度一致するか？
• RQ4 時間変動ダイナミクスは、適応型ネットワークにおけるインクリメンタルLMSアルゴリズムの安定性および収束性にどのような影響を与えるか？

主な発見

• MSE、MSD、EMSEの理論的式は、シミュレーション結果と完全に一致しており、導出された閉形式解の妥当性が確認された。
• インクリメンタルLMSアルゴリズムは、ランダムウォークとしてモデル化された時間変動する重みベクトルを効果的に追跡でき、MSEおよびEMSE指標を用いて性能が定量的に評価された。
• MSDおよびEMSEの導出式は、ゼロ平均かつ非相関のノイズとノード間で独立した重み更新を仮定した場合に有効である。
• 性能解析により、レイノールズフェージングでモデル化される急激に変化するチャネル状態下でも、アルゴリズムが安定した追跡行動を維持することが示された。
• 理論とシミュレーションの一致は、動的ネットワークにおけるインクリメンタルLMS動作を予測する解析フレームワークの頑健性を裏付けた。
• 本結果は、リアルタイム追跡機能を備えた適応型分散センサネットワークの設計に、信頼できる理論的基盤を提供する。