کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11003520 1460618 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Accuracy analysis for distributed weighted least-squares estimation in finite steps and loopy networks
ترجمه فارسی عنوان
تجزیه و تحلیل دقت برای ارزیابی خرده مقیاس وزنی حداقل مربعات در مراحل نهایی و شبکه های حلقه ای
کلمات کلیدی
برآورد آماری توزیع، حداقل مربعات وزنی، نرخ همگرایی،
ترجمه چکیده
برآورد پارامتر توزیع شده برای سیستم های بزرگ مقیاس یک مسئله تحقیق فعال است. هدف این است که یک الگوریتم توزیع شده را استخراج کنیم که هر عامل یک برآورد محلی از زیر مجموعه خود را از بردار پارامتر جهانی بر اساس اندازه گیری های محلی و همچنین اطلاعات دریافت شده از همسایگانش به دست می آورد. یک الگوریتم اخیر پیشنهاد شده است که راه حل بهینه (یعنی آنچه که با استفاده از روش متمرکز به دست می آید) را در زمان محدود فراهم می کند، در صورتی که شبکه ارتباطی یک گراف آسیکل را تشکیل می دهد. اگر در عوض، گراف چرخه ای است، تنها الگوریتم جایگزین موجود، که بر مبنای معکوس ماتریس تکراری است، به دست آوردن راه حل بهینه، به طرزی غیرمستقیم به کار می رود. با این حال، همچنین شناخته شده است که در مورد چرخه، الگوریتم طراحی شده برای گراف های آسیلیک تولید راه حل است که، اگر چه غیر بهینه، بسیار دقیق است. در این مقاله، یک مطالعه نظر سنجی از دقت این الگوریتم، در شبکه های ارتباطی ایجاد نمودار های چرخه ای انجام می شود. برای این منظور، برای یک طبقه از سیستم هایی که ضریب توپولوژیکی توپولوژی و نسبت سیگنال به نویز شرایط خاصی را برآورده می کنند، محدوده هایی را برای کمبود مطلوب خطای تخمین و کوواریانس خطای تخمین ارائه می کنیم. نتایج ما نشان می دهد که در هر گره، دقت با عمق به اصطلاح بدون حلقه بهبود می یابد. همچنین، اگرچه الگوریتم دیگر در زمان محدود در نمودارهای چرخه همگرا نیست، نتایج شبیه سازی نشان می دهد که همگرایی به طور قابل توجهی سریع تر از روش های مبتنی بر انتگرال ماتریس تکراری است. نتایج ما نشان می دهد که، بسته به عمق آزاد حلقه، الگوریتم مورد مطالعه ممکن است گزینه ترجیحی حتی در برنامه های کاربردی با نمودار ارتباط چرخه باشد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
چکیده انگلیسی
Distributed parameter estimation for large-scale systems is an active research problem. The goal is to derive a distributed algorithm in which each agent obtains a local estimate of its own subset of the global parameter vector, based on local measurements as well as information received from its neighbors. A recent algorithm has been proposed, which yields the optimal solution (i.e., the one that would be obtained using a centralized method) in finite time, provided the communication network forms an acyclic graph. If instead, the graph is cyclic, the only available alternative algorithm, which is based on iterative matrix inversion, achieving the optimal solution, does so asymptotically. However, it is also known that, in the cyclic case, the algorithm designed for acyclic graphs produces a solution which, although non optimal, is highly accurate. In this paper we do a theoretical study of the accuracy of this algorithm, in communication networks forming cyclic graphs. To this end, we provide bounds for the sub-optimality of the estimation error and the estimation error covariance, for a class of systems whose topological sparsity and signal-to-noise ratio satisfy certain condition. Our results show that, at each node, the accuracy improves exponentially with the so-called loop-free depth. Also, although the algorithm no longer converges in finite time in the case of cyclic graphs, simulation results show that the convergence is significantly faster than that of methods based on iterative matrix inversion. Our results suggest that, depending on the loop-free depth, the studied algorithm may be the preferred option even in applications with cyclic communication graphs.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Automatica - Volume 97, November 2018, Pages 82-91
نویسندگان
, , , ,