이벤트 기반 확산 LMS 전략으로 에너지 절감과 성능 유지

본 논문은 사물인터넷(IoT) 및 빅데이터 시대에 무선 센서 네트워크가 실시간으로 데이터를 수집·처리하면서도 에너지와 대역폭 제약을 받는 현실적인 문제를 다룬다. 기존의 확산 LMS(Adapt‑Then‑Combine, ATC) 알고리즘은 각 노드가 매 시간 단계마다 이웃에게 중간 추정치 ψ_k(i)를 전송함으로써 높은 통신 부하와 배터리 소모를 초래한다. 이를 해결하고자 저자들은 ‘이벤트 기반’ 전송 메커니즘을 도입한 EB‑ATC(이벤트 기반 ATC) 전략을 제안한다. 네트워크 모델은 무향 그래프 G=(V,E) 로 정의되며, 각 노드 k는 회귀 벡터 u_k(i)와 관측값 d_k(i)=u_k(i)^T w°+v_k(i) 를 관측한다. 가정 1·2에 따라 회귀와 잡음은 서로 독립이며 백색이다. 목표는 전체 네트워크가 공동으로 파라미터 w°를 LMS 방식으로 추정하는 것이다. EB‑ATC는 기존 ATC와 동일하게 (4)식으로 지역 적응을 수행하고, (13)식으로 결합한다. 차이점은 ψ_k(i)와 마지막 전송 ψ̂_k(i) 사이의 차이를 측정하는 ‘사전 갭’ Δψ_k(i)=ψ_k(i)−ψ̂_k(i) 를 정의하고, 이를 가중 행렬 Y_k 로 정규화한 노름 f(Δψ_k(i))=‖Δψ_k(i)‖_{Y_k} 가 임계값 δ_k(i) 를 초과하면 전송을 트리거한다. 전송 여부는 이진 변수 γ_k(i) 로 표시되며, γ_k(i)=1이면 ψ_k(i) 를 이웃에게 전송하고, 0이면 이전에 전송한 ψ̂_k(i) 를 그대로 사용한다. 이러한 트리거링으로 인해 결합 단계에서 사용되는 이웃 추정치는 최신이 아닐 수 있다. 이를 보정하기 위해 ‘사후 갭’ ϵ_k(i)=ψ_k(i)−ψ̂_k(i) 를 도입하고, Lemma 1을 통해 ϵ_k(i)의 노름이 √