[發明專利]一種用于稀疏多任務自適應網絡非負參數向量估計的方法

有效

• 申請號: 202010325256.5
• 申請日: 2020-04-23
• 公開（公告）號: CN111639671B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 王紫璇
• 申請（專利權）人: 蘇州大學
• 主分類號: G06F18/22
• 分類號: G06F18/22;G06F18/10;G06F18/2133;G06F18/2136;H04W4/38
• 代理公司: 蘇州智品專利代理事務所(普通合伙) 32345
• 代理人: 唐學青

本發明公開一種用于稀疏多任務自適應網絡非負參數向量估計的方法，該稀疏多任務自適應網絡包含K節點，網絡分為Q個簇，每個簇估計的參數向量相同，不同簇估計的參數向量不同，每個節點包含一個自適應濾波器；簇用于仿真多任務系統的參數分布情況，從而保證不同任務簇的參數向量關聯；自適應濾波器基于代價函數引入Lsubgt;0/subgt;范數的方法對未知參數向量進行估計。該種自適應網絡分為多個簇，每個簇估計的參數向量相同，不同簇估計的參數向量不同，但它們之間存在某種相似性。該方法具有較快的收斂速度，以解決了在估計稀疏系統時傳統方法收斂速度慢的問題。

技術領域

本發明涉及一種用于稀疏多任務自適應網絡非負參數向量估計的方法，具體地涉及利用均方誤差結合L₀范數的方法來進行參數估計，屬于無線傳感器網絡領域。

背景技術

自適應網絡是由分散在一塊區域上的多個節點構成的通信網絡，每個節點配備一個自適應濾波器，用來對未知的參數向量進行自適應估計。目前，多任務自適應網絡的應用非常廣泛，網絡中的每個節點可以利用相鄰節點的交互信息進行獨立運算，從而提高整個網絡辨識的準確性。多任務自適應網絡已經廣泛應用于機器學習、計算機網絡等應用中。

根據節點的協作方式不同，可以將網絡分為遞增式、擴散式和概率式三種自適應網絡類型。基于各種結構和自適應濾波框架，學者們提出了一系列分布式網絡方法。2013年，Chen等人提出了多任務擴散式最小均方方法(簡記為MD-LMS)[Multitask?DiffusionAdaptation?over?Networks[J].IEEE?Journal?of?Selected?Topics?in?SignalProcessing,2013,PP(99):1-1.]，有效地拓展了自適應網絡的應用范圍。

在一些物理現象中，例如濃度場、人口統計等情況下，多任務自適應網絡中的參數向量需要滿足非負性約束。在非負性約束條件下的自適應濾波方法，本質上是求解條件約束下的最優化問題。2011年，Chen等人就提出了非負最小均方方法(簡記為NNLMS)[Nonnegative?Least-Mean-Square?Algorithm[J].Signal?Processing,2011,59(11):5225-5235.]，豐富了自適應濾波器的理論。

然而，現有的多任務擴散式LMS方法和多任務擴散式RLS方法只適用于辨識無約束的參數向量。

因此，需要尋找到一種有效的方法來進行多任務自適應網絡的非負參數向量辨識。

發明內容

為解決上述的缺陷本發明目的：提供一種用于稀疏多任務自適應網絡非負參數向量估計的方法，該方法補充了現有的辨識稀疏多任務網絡非負參數向量的空白，同時還能兼得較低的穩態失調。

為實現上述方案，本發明采用如下技術：

一種用于稀疏多任務自適應網絡非負參數向量估計的方法，其特征在于：所述稀疏多任務自適應網絡包含K節點，所述稀疏多任務自適應網絡分為Q個簇，每個簇估計的參數向量相同，不同簇估計的參數向量不同，

每個所述節點包含一個自適應濾波器；

所述簇用于仿真多任務系統的參數分布情況，從而保證不同任務簇的參數向量關聯；

所述自適應濾波器基于代價函數引入L₀范數的方法對未知參數向量進行估計。該方法具有較快的收斂速度，以解決了在估計稀疏系統時傳統方法收斂速度慢的問題。

在一實施方式中，該估計，包含如下步驟：

S1：求解網絡的聯合矩陣C、相似性矩陣ρ和系統聯合參數a_lk，其中，

在多任務自適應網絡中，定義節點k的鄰域(包括k)為N_k，節點k所在的簇為C(k)，