این تحقیق به ارائه مسئله تخمین توزیع‌شده در یک شبکه افزایشی بر اساس الگوریتم‌های خانواده زیرباند نرمالیزه‌شده (NSAAs) پرداخته است و الگوریتم‌های زیرباند نرمالیزه‌شده توزیع‌شده (dNSAA)، زیرباند نرمالیزه‌شده توزیع‌شده با انتخاب جزئی ضرایب (dSPU-NSAA)، زیرباند نرمالیزه‌شده چکیده کامل
این تحقیق به ارائه مسئله تخمین توزیع‌شده در یک شبکه افزایشی بر اساس الگوریتم‌های خانواده زیرباند نرمالیزه‌شده (NSAAs) پرداخته است و الگوریتم‌های زیرباند نرمالیزه‌شده توزیع‌شده (dNSAA)، زیرباند نرمالیزه‌شده توزیع‌شده با انتخاب جزئی ضرایب (dSPU-NSAA)، زیرباند نرمالیزه‌شده توزیع‌شده با انتخاب پویای زیرباندها (dDS-NSAA) و زیرباند نرمالیزه‌شده توزیع‌شده با انتخاب جزئی ضرایب و انتخاب پویای زیرباندها (dSPU-DS-NSAA) را در یک قالب واحد معرفی می‌کند. الگوریتم زیرباند نرمالیزه‌شده توزیع‌شده تطبیقی نسبت به الگوریتم حداقل میانگین مربعات نرمالیزه‌شده توزیع‌شده تطبیقی (dNLMS)، دارای عملکرد بهتری از لحاظ سرعت همگرایی در مواجهه با ورودی‌های رنگی در گره‌ها است. در مقایسه با (dNSAA)، الگوریتم‌های (dSPU-NSAA) و (dDS-NSAA)، علی‌رغم عملکردی مشابه دارای پیچیدگی محاسباتی کمتری هستند. همچنین با ترکیب این دو الگوریتم، الگوریتم (dSPU-DS-NSAA) برقرار می‌شود که از لحاظ پیچیدگی محاسباتی کاهش بیشتری دارد. به علاوه، یک روش واحد برای تحلیل تئوری عملکرد میانگین مربعات برای هر گره ارائه شده و روابط جامعی برای بررسی عملکرد حالت گذرا، ماندگار و باند پایداری برای الگوریتم‌های نوین توزیع‌شده به دست می‌آید. با انجام شبیه‌سازی‌های مختلف در شبکه‌های توزیع‌شده، عملکرد مناسب این الگوریتم‌ها و صحت روابط تئوری حاصل‌شده مورد بررسی قرار گرفته است.
پرونده مقاله
