一种记忆分布式最小二乘方法与流程

技术特征：

1.一种记忆分布式最小二乘方法，其特征在于包括如下步骤：

步骤1：初始化：对于任意一个节点l，其网络中待估计参数ω的初始估计值ω_l,0为0；

步骤2：在时刻i，网络中每个节点l获取测量信息{x_l,j,y_l,j}；其中，x_l,j为节点l在时刻j的M×1维的已知输入信息，y_l,j表示1×1的观察信息，x_l,j和y_l,j满足如下线性关系：

y_l,j＝x_l,jω+e_l,j； 公式(1)

ω为未知待估参数，e_l,j表示零均值、方差为的独立同分布的随机误差；

步骤3：在时刻i，每个节点l计算从时刻i-i₀+1到时刻i的互相关函数之和α_l,i与自相关函数之和β_l,i，得到：

和

其中，x_l,j^T表示x_l,j的转置，i₀表示一个取值范围在1与i之间的正整数；

步骤4：每个节点将其在步骤3中的计算结果传输到邻近节点，任意节点k根据如下公式得到未知待估参数ω的预估计，记为

其中，ω_k,i-1表示节点k在时刻i-1的估计值，μ_k表示迭代步长，{c_l,k}表示节点l和节点k的非负权系数集合，满足：

当节点l和节点k没有连接时c_l,k＝0；

步骤5：每个节点k将步骤4中其邻近节点的预估计值结合起来获得估计结果ω_k,i：

其中，{a_l,k}表示节点l和节点k的非负权系数集合，满足

1^TA＝1^T 公式(6)

其中A＝{a_l,k}_N×N，且当时，a_l,k＝0；

其中，N_k表示节点k的邻近节点的集合，所述的邻近节点包括相连的相邻节点和自身节点。