확산 누수 제로 어트랙팅 LMS 알고리즘 및 성능 분석

본 논문은 분산 적응 네트워크에서 사용되는 확산 LMS(Least‑Mean‑Square) 알고리즘의 최신 변형들을 다루며, 특히 고입력 고유값 스펙트럼과 낮은 신호‑대‑잡음비(SNR) 환경에서 우수한 수렴 특성을 보이는 누수 확산 LMS(DLMS)의 한계를 극복하고자 한다. 기존 DLMS는 누수 계수(μ)와 확산 계수(α)를 도입해 입력 데이터의 상관성이 강하거나 잡음이 큰 경우에도 안정적인 추정을 가능하게 했지만, 시스템 자체가 희소(sparse)할 때는 불필요한 비희소 계수에 대한 업데이트가 과도하게 이루어져 전체 성능이 저하되는 문제가 있었다. 이러한 문제를 해결하기 위해 저자들은 두 가지 새로운 알고리즘을 제안한다. 첫 번째는 LZA‑DLMS(Leaky Zero‑Attracting Diffusion LMS)이다. 여기서는 기존 DLMS의 비용 함수에 l1‑노름 패널티를 추가한다. l1‑패널티는 가중치 벡터의 절댓값 합을 최소화함으로써 작은 계수를 0에 가깝게 끌어당기는 ‘제로 어트랙팅’ 효과를 제공한다. 구체적으로, 각 노드 i의 비용 함수는 J_i(w)=E