خانواده الگوریتمهای تطبیقی تصویر افاین با اندازه گام متغیر در شبکههای توزیعشده انتشاری
محورهای موضوعی : مهندسی برق و کامپیوترمحمد شمس اسفند آبادی 1 * , اسماعیل حیدری 2
1 - دانشگاه شهید رجایی
2 - دانشگاه تربیت دبیر شهید رجایی
کلید واژه: فیلتر تطبیقیانتشاریتصویر افایناندازه گام متغیراصلاح جزئی ضرایبانتخاب دنباله ورودی,
چکیده مقاله :
پردازشهای توزیعشده از محاسبات محلی در هر گره و ارتباطات میان گرههای همسایه برای حل مسایل در شبکهها استفاده میکنند. روش انتشاری به عنوان کاراترین و قابل انعطافترین روش برای اجرای شبکههای توزیعشده است. در این مقاله، جهت بهبود عملکرد الگوریتم تصویر افاین انتشاری (DAPA)، یک الگوریتم نوین تصویر افاین انتشاری با اندازه گام متغیر (VSS-DAPA) در شبکههای توزیعشده ارائه میگردد. اندازه گام متغیر در هر گره به وسیله مینیممکردن متوسط مربع انحراف (MSD) در آن گره به دست آمده است. در مقایسه با الگوریتم تصویر افاین انتشاری (DAPA)، الگوریتم تصویر افاین انتشاری با اندازه گام متغیر VSS-DAPA دارای سرعت همگرایی سریعتر و خطای حالت ماندگار کمتر است. جهت کاهش پیچیدگی محاسباتی VSS-DAPA، الگوریتم تصویر افاین انتشاری با اندازه گام متغیر با انتخاب دنباله ورودی (VSS-SR-DAPA)، الگوریتم تصویر افاین انتشاری با اندازه گام متغیر با انتخاب پویای دنباله ورودی (VSS-DS-DAPA) و الگوریتم تصویر افاین انتشاری با اندازه گام متغیر با اصلاح جزئی ضرایب (VSS-SPU-DAPA) پیشنهاد شدهاند. نتایج شبیهسازی، عملکرد مطلوب الگوریتمهای پیشنهادی از نظر سرعت همگرایی و خطای حالت ماندگار را نشان میدهد.
Distributed processing uses local computations at each node and communications among neighboring nodes to solve the problems over the entire network. Diffusion is one of the methods for performing distributed networks. This paper presents a novel Variable Step-Size Diffusion Affine Projection Algorithm (VSS-DAPA) to improve the performance of the Diffusion Affine Projection Algorithm (DAPA) in distributed networks. The variable step-size of each node is obtained by minimizing the Mean-Square Deviation (MSD) in that node. In comparison with Diffusion Affine Projection Algorithm (DAPA), the VSS-DAPA algorithm has faster convergence speed and lower steady-state error. To reduce the computational complexity of VSS-DAPA, the Variable Step-Size Selective Regressors Diffusion Affine Projection Algorithm (VSS-SR-DAPA), the Variable Step-Size Dynamic Selection of Diffusion Affine Projection Algorithm (VSS-DS-DAPA) and Variable Step-Size Selective Partial Update Diffusion Affine Projection Algorithm (VSS-SPU-DAPA) are proposed. Simulation results show the good performance of proposed algorithms in convergence speed and steady-state error.
[1] B. Widrow and S. D. Stearns, Adaptive Signal Processing, Englewood Cliffs, NJ: Prentice-Hall, 1985.
[2] J. R. Treichler, C. R. Johnson, and M. G. Larimore, Theory and Design of Adaptive Filters, Wiley, 1987.
[3] B. F. Boroujeny, Adaptive Filters: Theory and Applications, Wiley, 1998.
[4] S. Haykin, Adaptive Filter Theory, NJ: Prentice-Hall, 4th Edition, 2002.
[5] A. H. Sayed, Fundamentals of Adaptive Filtering, Wiley, 2003.
[6] P. S. R. Diniz, Adaptive Filtering: Algorithms and Practical Implementation, 2nd Ed, Kluwer, 2002.
[7] م. حاجیآبادی، ع. ابراهیمیمقدم و ح. خوشبین، "حذف نویز صوتی مبتنی بر یک الگوریتم وفقی نوین،" مجله مهندسی برق دانشگاه تبریز، دوره 45، شماره 3، صص. 139-146، زمستان 1395.
[8] ق. آذرنیا و م. ع. طینتی، "افزایش همگرایی شبکههای تطبیقی با لینکهای نویزی: الگوریتم حداقل میانگین مربعات توزیعشده افزایشی طول متغیر،" مجله مهندسی برق دانشگاه تبریز، جدوره 45، شماره 3، صص. 15-1، زمستان 1394.
[9] H. S. Lee, S. E. un Kim, J. W. Lee, and W. J. Song, "A variable step-size diffusion LMS algorithm for distributed estimation," IEEE Trans. on Signal Processing, vol. 63, no. 7, pp. 1808-1820, 1 Apr. 2015.
[10] I. Akyildiz, W. Su, Y. Sankarasubramaniam, and E. Cayirci, "A surveyon sensor networks," IEEE Commun. Mag., vol. 40, no. 8, pp. 102-114, Aug. 2002.
[11] L. A. Rossi, B. Krishnamachari, and C. C. J. Kuo, "Distributed parameter estimation for monitoring diffusion phenomena using physical models," in Proc. IEEE Int. Conf. Sensor Ad Hoc Comm. Netw, pp. 460-469, Santa Clara, CA, USA, 4-7 Oct. 2004.
[12] F. S. Cattivelli and A. H. Sayed, "Modeling bird flight formations using diffusion adaptation," IEEE Trans, Signal Process, vol. 59, no. 5, pp. 2038-2051, May 2011.
[13] S. Y. Tu and A. H. Sayed, "Mobile adaptive networks," IEEE J. Sel. Topics Signal Process, vol. 5, no. 4, pp. 649-664, Aug. 2011.
[14] F. S. Cattivelli and A. H. Sayed, "Distributed detection over adaptive networks using diffusion adaptation," IEEE Trans. Signal Process, vol. 59, no. 5, pp. 1917-1932, May 2011.
[15] J. B. Predd, S. R. Kulkarni, and H. V. Poor, "Distributed learning in wireless sensor networks," IEEE Signal Processing Magazine, vol. 23, no. 4, pp. 56-69, Jul. 2006.
[16] C. G. Lopes and A. H. Sayed, "Diffusion least-mean squares over adaptive networks," in Proc. IEEE Int. Conf. on Acoustics, Speech and Signal Processing, ICASSP '07, vol. 3, pp. 917-920, Honolulu, HI, USA, 15-20 Apr. 2007.
[17] K. Ozeki and T. Umeda, "An adaptive filtering algorithm using an orthogonal projection to an affine subspace and its properties," Electronics and Communications in Japan, Part I: Communications, vol. 67-A, no. 5, pp. 19-27, May 1984.
[18] K. Dogancay and O. Tanrıkulu, "Adaptive filtering algorithms with selective partial updates," IEEE Trans. Circuits, Syst. II: Analog and Digital Signal Processing, vol. 48, no. 8, pp. 762-769, Aug. 2001.
[19] S. Werner, M. L. R. de Campos, and P. S. R. Diniz, "Partial-update NLMS algorithms with data-selective updating," IEEE Trans, Signal Processing, vol. 52, no. 4, pp. 938-948, Apr. 2004.
[20] K. Y. Hwang and W. J. Song, "An affine projection adaptive filtering algorithm with selective regressors," IEEE Trans. Circuit. Syst. II: Express Briefs, vol. 54, no. 1, pp. 43-46, Jan. 2007.
[21] S. J. Kong, K. Y. Hwang, and W. J. Song, "An affine projection algorithm with with dynamic selection of input vectors," IEEE Signal Processing Letters, vol. 14, no. 8, pp. 529-532, Aug. 2007.
[22] M. S. E. Abadi and V. Mehrdad, "Family of affine projection adaptive filters with selective partial updates and selective regressors," IET Signal Processing, vol. 4, no. 5, pp. 567-575, Oct. 2010.
[23] L. Shi and H. Zhao, "Variable step-size distributed incremental normalised LMS algorithm," Electronics Letters, vol. 52, no. 7, pp. 519-521, Apr. 2016.
[24] M. O. B. Saeed and A. Zerguine, "A new variable step-size strategy for adaptive networks," in Proc. 45th Asilamar Conf. Signals, Syst, Comput, pp. 312-315, Pacific Grove, CA, USA, 6-9 Nov. 2011.
[25] M. O. B. Saeed, A. Zerguine, and S. A. Zummo, "A noise-constrained algorithm for estimation over distributed networks," Int, J. Adapt. Contr. Signal Process, vol. 27, no. 10, pp. 827-845, Oct. 2013.
[26] J. Shi, J. Ni, and X. Chen, "Variable step-size diffusion proportionate affine projection algorithm," in Proc. IEEE Int. Workshop on Acoustic Signal Enhancement, IWAENC'16, 4 pp., Xi'an, China, 13-16 Sept. 2016.
[27] J. W. Yoo, I. S. Song, J. W. Shin, and P. G. Park, "A variable step-size diffusion affine projection algorithm," Int. J. Commun. Syst., vol. 29, no. 5, pp. 1012-1025, 25 Mar. 2016.
[28] H. C. Shin, A. H. Sayed, and W. J. Song, "Variable step-size NLMS and affine projection algorithms," IEEE Signal Process. Lett., vol. 11, no. 2, pp. 132-135, Feb. 2004.
[29] F. S. Cattivelli and A. H. Sayed, "Diffusion LMS strategies for distributed estimation," IEEE Trans. Signal Process, vol. 58, no. 3, pp. 1035-1048, Mar. 2010.
[30] L. Li and J. Chambers, "Distributed adaptive estimation based on the apa algorithm over diffusion networks with changing topology," in Proc. IEEE/SP 15th Workshop on Statistical Signal Processing Statistical Signal Processing, pp. 757-760, , Cardiff, UK, 31 Aug.-3 Sept. 2009.
[31] H. C. Shin and A. H. Sayed, "Transient behavior of affine projection algorithms," in Proc. Int. Conf., Acoust. Speech, Signal Processing, ICASSP'03, vol. 4, pp. 353-356, Hong Kong, China, 6-10 Apr. 2003.
[32] N. Metropolis, A. W. Rosenbluth, M. N. Rosenbluth, A. H. Teller, and E. Teller, "Equations of state calculationsby fast computing machines," J. of Chemical Physics, vol. 21, no. 6, pp. 1087-1092, 1953.