통신 감소 확산 LMS 알고리즘 분석

초록

본 논문은 확산형 적응 네트워크에서 각 노드가 이웃의 중간 추정값을 모두 수신하지 않고, 일부 이웃만 선택적으로 받아들이는 Reduced‑Communication Diffusion LMS(RC‑DLMS) 알고리즘을 제안한다. 제안 기법의 평균 및 평균제곱 수렴성을 이론적으로 증명하고, 정상 상태에서의 평균제곱 편차(MSD)를 정확히 도출한다. 시뮬레이션을 통해 이론적 결과와 실험 결과가 일치함을 확인하고, 통신 비용 감소와 추정 성능 사이의 트레이드오프를 정량적으로 보여준다.

상세 분석

RC‑DLMS 알고리즘은 전통적인 Diffusion LMS(DLMS) 구조를 변형하여, 각 시간 단계 (i)에서 노드 (k)가 자신의 이웃 (\mathcal{N}k) 중 일부 집합 (\mathcal{S}{k,i}\subseteq\mathcal{N}k)만으로부터 중간 추정 (\psi{\ell,i})를 받아들인다. 이때 선택 메커니즘은 무작위 샘플링 혹은 사전 정의된 스케줄링에 기반할 수 있으며, 선택 확률을 (p_{k\ell})라 두면 전체 네트워크의 평균 통신 부하가 (\sum_{k}\sum_{\ell\in\mathcal{N}k}p{k\ell}) 로 감소한다.

수학적 분석은 먼저 알고리즘을 두 단계(적응 단계와 결합 단계)로 분리하고, 각 단계에서 발생하는 오차 벡터 (\tilde{w}{k,i}=w^o-w{k,i})의 동역학을 행렬 형태로 기술한다. 평균 수렴성은 기대값 연산자를 적용해 (\mathbb{E}