.png){kind=icon}
返回
Diffusion complex-valued least mean kurtosis adaptive algorithm for distributed networks
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jfranklin.2026.108587.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在大数据和系统复杂性日益增加的时代，分布式算法在各个领域的重要性日益凸显。值得注意的是，在扩散域中处理复值信号的算法存在不足。本文通过提出一种扩散复值最小峰度（D-CLMK）算法填补了这一空白，该算法利用分布式网络中每个节点的误差信号负峰度作为代价函数。该方法在处理次高斯噪声方面具有显著优势。我们利用Isserlis定理对所提出的D-CLMK进行了理论分析。仿真结果表明，当应用于分布式网络中的复值系统辨识时，D-CLMK算法在稳态下的均方偏差（MSD）低于相关算法。扩散策略的应用使估计过程能够实现更高的精度，这对于传感器网络和物联网（IoT）系统等领域的实际应用至关重要。
Keyword:
Diffusion algorithms
Complex-valued signals
Least mean kurtosis
Distributed networks
Adaptive algorithms
