分布式估计由于其可伸缩性,鲁棒性和低功耗而受到越来越多的关注。 在大多数分布式估计算法中,系统的输出被认为是有噪声的,而输入数据则被认为是准确的。 但是,在实际应用中,输入和输出数据都可能受到噪声的干扰。 因此,假设输入数据中的所有条目都是准确的并且仅输出数据中的条目被破坏是不现实的。 在输入和输出数据嘈杂的情况下,总最小二乘(TLS)方法具有将输入和输出数据中的扰动最小化的能力,因此比基于最小二乘(LS)的方法具有更好的性能。 。 此外,许多自然和人为系统都表现出高度的稀疏性。 在本文中,我们考虑输入和输出数据都被噪声破坏,并且感兴趣的参数稀疏的情况。 针对网络内协作估计问题,我们提出了几种稀疏感知的分布式TLS算法,其中使用l(1)-或l(0)-范数惩罚项来利用信号的稀疏性。 然后,我们对提出的算法的均值和均方性能进行理论分析。 另外,给出了几个数值模拟,以验证这些建议算法的有效性和优势。
1