【技术实现步骤摘要】
本专利技术涉及自适应信号处理领域，特别涉及一种采用投影梯度法与幂迭代法的分布式网络协作优化方法。
技术介绍
1、在线参数估计技术可以在无需先验信息的情况下，通过对实时流数据的自学习来跟踪外部环境的非平稳变化，最终逼近潜在的模型参数。待估计参数可以是信号、信道参数等。经典在线参数估计技术已被成功应用于通信、雷达、声纳、控制和生物医学等领域。近年来，随着多智能体系统的迅速发展，分布式网络中在线参数估计理论成为当今信号处理领域中一个重要并具有挑战性的研究点。相较于经典在线参数估计理论，网络节点不仅需要根据自身观测数据进行参数估计，还要在一定的关联感知区域内与其他相连接的邻居节点通过协作方式完成全局参数估计任务。分布式参数估计理论相关成果在目标定位与跟踪、分布式语音增强、频谱感知、分布式图像处理等应用中都发挥了重要作用。
2、利用分布式参数估计技术解决实际问题的一个关键是对网络中不同节点上待估计参数向量的关系进行合理建模。现有分布式参数估计理论仅考虑了稀疏、联合稀疏、子空间约束等关联方式，这些模型只能涵盖有限的应用场景。在分布式语音...
【技术保护点】
1.一种采用投影梯度法与幂迭代法的分布式网络协作优化方法，其特征在于，所述方法针对由多个节点组成的分布式网络中，每个节点上的实际代价函数的优化变量进行求解；所述方法包括：
2.根据权利要求1所述的采用投影梯度法与幂迭代法的分布式网络协作优化方法，其特征在于，所述每个节点上的实际代价函数，表示为：
3.根据权利要求1所述的采用投影梯度法与幂迭代法的分布式网络协作优化方法，其特征在于，当所述协作优化方法应用于分布式网络中的声学系统辨识时，所述实际代价函数中的损失函数采用最小均方误差代价函数：
4.根据权利要求1所述的采用投影梯度法与幂迭...
【技术特征摘要】
1.一种采用投影梯度法与幂迭代法的分布式网络协作优化方法，其特征在于，所述方法针对由多个节点组成的分布式网络中，每个节点上的实际代价函数的优化变量进行求解；所述方法包括：
2.根据权利要求1所述的采用投影梯度法与幂迭代法的分布式网络协作优化方法，其特征在于，所述每个节点上的实际代价函数，表示为：
3.根据权利要求1所述的采用投影梯度法与幂迭代法的分布式网络协作优化方法，其特征在于，当所述协作优化方法应用于分布式网络中的声学系统辨识时，所述实际代价函数中的损失函数采用最小均方误差代价函数：
4.根据权利要求1所述的采用投影梯度法与幂迭代法的分布式网络协作优化方法，其特征在于，所述对优化变量进行初始化，分布式网络中每个节点k通过随机梯度下降计算下一时刻的中间变量向量，包括：
5.根据权利...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。