Distributed Quantization for Compressed Sensing
研究了基于矢量量化器的压缩感知测量数据的分布式编码。我们开发了一个分布式框架，实现优化量化器，使相关稀疏源的CS测量编码，然后在融合中心联合解码。通过最小化稀疏源和它们在融合中心处的重构向量之间的均方误差之和来解决VQ编码器-解码器对的最优性。我们推导出所研究的分布式系统的端到端性能的下限，并通过迭代算法提出了一个实用的编码器-解码器设计。
2014-04-30 cs.IT math.IT
Distributed Wideband Spectrum Sensing
我们考虑的问题重建宽带频谱分布，压缩测量。测量由节点网络进行，每个节点独立地将环境光谱与低频随机信号混合。重建通过节点之间的本地传输进行，每个节点执行简单的统计操作，如岭回归和收缩。
2015-06-24 cs.IT math.IT
Distributed STBCs with Full-diversity Partial Interference Cancellation Decoding
最近，Guo和Xia针对点对点MIMO信道引入了称为部分干扰消除（PIC）和具有连续干扰消除的PIC（PIC-SIC）的低复杂度解码器，其包括迫零（ZF）和ZF-SIC接收机作为特殊情况。在本文中，我们表明，PIC和PIC-SIC解码器能够实现无线中继网络中的充分合作的多样性。给出了分布式空时分组码（DSTBC）在PIC和PIC-SIC译码器下实现全分集的充分条件，并利用复正交设计构造了一类新的低复杂度全分集PIC-SIC译码DSTBC.这类新的码包括许多已知的全分集PIC/PIC-SIC可解码空时分组码（STBC）构造的点对点信道作为特殊情况。所提出的DSTBC实现了比文献中可用的多组ML可解码DSTBC更高的速率（在每个信道使用的复杂符号中）。仿真结果表明，所提出的码具有更好的比特出错率性能比最有名的低复杂度，全分集DSTBC。
2011-04-28 cs.IT math.IT
Joint recovery algorithms using difference of innovations for distributed compressed sensing
分布式压缩感知关注的是使用尽可能少的线性测量来表示联合稀疏信号的集合。提出了两种新的分布式压缩感知联合重构算法。这些算法是基于使用的信号之一作为边信息的想法，这使得利用联合稀疏性在一个更有效的方式相对于现有的计划。它们提供了重建质量的增益，特别是当节点获得很少的测量时，使得系统能够以比其他现有方案所需的更少的测量来操作。我们表明，该算法实现了更好的性能相对于国家的最先进的。
2013-11-11 cs.IT math.IT
Configurable Distributed Physical Downlink Control Channel for 5G New Radio: ResourceBundling and Diversity Trade-off
第五代无线通信系统的新技术在全球范围内得到了广泛的研究。具体地，用于5G无线电接入网络的空中接口协议将在未来几年由3GPP标准化。物理层下行链路控制信道（PDCCH）在调度系统中起着至关重要的作用，是实现所有物理层数据传输的核心元素。最近，在3GPP中已经开发了旨在应对不同场景的可配置分布式PDCCH。为了全面了解各自的技术优势和潜在的场景依赖的限制，详细的性能分析和评估的可配置分布式PDCCH在本文中进行了深入研究。特别地，指数有效SNR映射（EESM）已经被用作不同场景中的可配置分布式PDCCH的性能度量。从EESM结果证明，可配置的分布式PDCCH通过根据控制信道传输所经历的信道和干扰场景来调整资源捆绑级别，为所实现的频率分集和信道估计增益之间的权衡提供了额外的自由度。
2018-08-20 cs.IT math.IT
Distributed Compressed Sensing for Sensor Networks with Packet Erasures
我们研究了两种分布式压缩感知的方法，在网络中的数据压缩和信号重建在无线传感器网络中的传感器被放置在一条直线上的汇。由于大量的设备，到信宿的通信被认为是带宽受限的。通过使用分布式压缩感知来压缩网络中的数据，可以以压缩所需的本地通信引起的延迟为代价来降低到信宿的通信成本（带宽使用）。我们调查成本和延迟之间的关系给出了一定的重建性能要求时，使用基追踪去噪重建。此外，我们分析和比较的性能下降，由于删除数据包发送到汇的两种方法。
2015-03-31 cs.IT math.IT
Networked Sensing with AI-Empowered Interference Management: Exploiting Macro-Diversity and Array Gain in Perceptive Mobile Networks
本文针对感知移动网络中感知与通信干扰及分布式感知节点联合处理问题，提出两阶段干扰管理协议、网络化感知检测器和SN选择算法，并设计分布式模型驱动深度学习算法提升杂波估计效率，仿真验证了网络化感知增益和算法高效性。
2023-04-19 cs.IT eess.SP math.IT
Diversity Analysis of Millimeter-Wave Massive MIMO Systems
研究了毫米波大规模MIMO系统的渐近分集分析。首先，对于采用分布式天线子阵列架构的单用户毫米波系统，其中发射机和接收机分别由Kt和Kr子阵列组成，当子阵列处的天线数量趋于无穷大时，建立了分集增益定理。具体地，假设所有子信道具有相同数量的传播路径L，该定理指出，通过采用这种分布式天线子阵列架构，可以实现KrKtL-Ns+1的分集增益，其中Ns是数据流的数量。该结果意味着与共置天线架构相比，使用分布式天线子阵列架构可以与KrKt成比例地按比例增加分集增益或复用增益。分集增益分析，然后扩展到多用户的情况下，以及与传统的部分连接的RF结构的情况下，在文献中。与混合模拟/数字处理得到的仿真结果证实了分析结果，并表明，分布式子阵列架构确实产生显着更好的分集性能比共址天线架构。
2018-01-01 cs.IT math.IT
Operational Rate-Distortion Performance of Single-source and Distributed Compressed Sensing
我们认为相关的和分布式的源，而不合作的编码器。对于这些来源，我们得出的最佳可实现的性能在率失真意义上的任何分布式压缩感知方案，在高速率量化的约束下。此外，在此模型下，我们推导出一个封闭的形式表达的速率增益实现考虑到在接收机和一个封闭的形式表达的Oracle接收机的独立和联合重建的平均性能的相关性。最后，我们的实验表明，利用源之间的相关性执行接近最佳的，唯一的惩罚是由于在（非分布式）压缩感知的稀疏支持的知识缺失。即使推导是在大的系统政权，其中信号和系统参数趋于无穷大，数值结果表明，方程匹配模拟的参数值的实际利益。
2014-04-04 cs.IT math.IT
Distributed Compressed Sensing For Static and Time-Varying Networks
我们考虑的问题，在网络中的压缩感知从分布式测量。每个代理具有信号$x$的一组测量，并且目标是代理仅使用与网络中的邻居的通信从它们的集体测量恢复$x$。我们的分布式解决这个问题的方法是基于集中式迭代硬存储算法（IHT）。首先，我们提出了一个分布式IHT算法的静态网络，利用标准的工具，从分布式计算，以最小的带宽消耗执行网络计算。接下来，我们解决分布式信号恢复网络随时间变化的拓扑结构。网络动态必然会给我们的网络内计算带来不准确性。为了适应这些不准确的，我们展示了如何集中IHT可以扩展到包括不精确的计算，同时仍然提供相同的恢复保证原始IHT算法。然后，我们利用这些新的理论结果，开发一个分布式版本的IHT随时间变化的网络。评估表明，我们的分布式算法的静态和时变网络优于以前提出的解决方案的时间和带宽的几个数量级。
2014-08-07 cs.IT math.IT
End-to-End Joint Antenna Selection Strategy and Distributed Compress and Forward Strategy for Relay Channels
多跳中继信道使用多个中继级，每个中继级具有多个中继节点，以促进源和目的地之间的通信。以前，分布式空时码被提出来最大化可实现的分集复用折衷，然而，它们未能实现最佳分集复用折衷的所有点。在存在从目的地到每个中继级和源的低速率反馈链路的情况下，本文提出了一种端到端天线选择（EEAS）策略作为分布式空时码的替代方案。EEAS策略使用每个中继级的天线子集将源信号传输到目的地，并在每个中继级进行放大和转发。选择子集使得它们最大化目的地处的端到端互信息。EEAS策略实现了最佳分集复用折衷（对应于最大分集增益和最大复用增益）的角点，并且在复用增益的中间值处实现了更好的分集增益，而不是最佳已知的分布式空时编码策略。提出了一种分布式压缩转发策略，实现了多中继节点的两跳中继信道的最优分集复用折衷。
2009-05-13 cs.IT math.IT
On the Approximate Analysis of Energy Detection over n*Rayleigh Fading Channels through Cooperative Spectrum Sensing
在这封信中，我们考虑的问题，未知信号的能量检测在车辆间通信（IVC）系统在n* 瑞利衰落信道（也称为级联瑞利）。新的紧密近似的检测概率推导出无分集和最大比合并（MRC））分集计划。此外，我们调查的系统性能时，合作频谱感知（CSS）被认为是不完美的报告信道。分析结果表明，随着衰落严重性参数n的增加，检测可靠性下降，但可靠性显着提高时，CSS采用MRC方案。
2016-11-07 cs.IT math.IT
On sensing capacity of sensor networks for the class of linear observation, fixed SNR models
在本文中，我们解决的问题，发现传感器网络的感知能力的一类线性观测模型和固定的SNR制度。感知能力被定义为每个传感器观测可靠识别的信号维度的最大数量。在这种情况下，稀疏的现象是一个关键的功能，确定传感能力。在压缩感知中，除了环境的SNR之外，稀疏性对精确重建稀疏现象所需的测量次数的影响已经得到了广泛的处理。然而，那里的发展是从算法的角度出发的。在本文中，我们的目的是推导出这些界限的信息理论设置，从而提供算法独立的条件，可靠的重建稀疏信号。在这个方向上，我们首先推广的Fano不等式，并提供下界的概率重建的错误受到任意的失真标准。使用这些下界的错误概率，我们推导出上限的感知能力，并表明，对于固定的SNR制度的感知能力下降到零，稀疏下降到零。这意味着需要不成比例地更多的传感器来监测非常稀疏的事件。我们的下一个主要贡献是，我们显示的感知能力，尚未被考虑之前的效果的感知多样性的影响。感测分集与传感器相对于场的有效\emph{coverage}有关。在这个方向上，我们显示了以下结果：（a）随着每个传感器的感知多样性下降，感知能力下降;（b）传感器对该领域的随机采样（覆盖）优于连续位置采样（覆盖）。
2007-06-04 cs.IT math.IT
Simultaneous Sparse Approximation and Common Component Extraction using Fast Distributed Compressive Sensing
同时稀疏近似是标准稀疏近似的推广，用于使用公共稀疏模型同时表示一组信号。将压缩感测概念推广到同时稀疏近似产生分布式压缩感测（DCS）。DCS使用公共+新息信号模型找到多个相关信号的稀疏表示。然而，DCS对于大量信号的联合恢复不是有效的，因为它需要大量的存储器和计算时间。在本文中，我们提出了一个新的分层算法，实现联合稀疏恢复框架的DCS更有效。该算法应用于视频背景提取问题，其中背景对应于跨帧的常见稀疏活动。
2016-04-11 cs.IT math.IT
Spectrum Sensing Via Reconfigurable Antennas: Is Cooperation of Secondary Users Indispensable?
这项工作提出了一个分析框架，通过计算出在每个方案中实现的分集和编码增益之间的权衡来表征合作和非合作频谱感知方案的性能。基于这一分析，我们试图回答的基本问题：我们可以免除SU的合作，仍然实现了任意的多样性增益？它表明，这确实是可能的，通过一种新的技术，可以提供分集增益为一个单一的SU使用一个天线。该技术是基于一个可重构的天线，随着时间的推移改变其传播特性的使用，从而创建一个人工的时间分集。结果表明，使用可重构天线优于合作以及非合作计划在低和高信噪比（SNR）。此外，如果信道状态信息在SU处可用，则还可以实现额外的SNR增益。
2014-01-30 cs.IT cs.NI math.IT
Analysis of Hard-Thresholding for Distributed Compressed Sensing with One-Bit Measurements
一个简单的硬阈值操作被证明能够恢复$L$信号$\mathbf{x}_1,...,\mathbf{x}_L \in \mathbb{R}^n$，共享一个共同的支持的大小$s$从$m = \mathcal{O}(s)$一位测量每个信号，如果$L \ge \log(en/s)$。该结果改进了具有$m = \mathcal{O}(s\log(en/s))$测量的单个信号恢复界限，在这个意义上，每个非零条目需要渐近更少的测量。数值证据支持理论上的考虑。
2018-09-17 cs.IT math.IT
Distributed Beamforming in Wireless Multiuser Relay-Interference Networks with Quantized Feedback
我们研究具有任意数量的发射机、中继器和接收机的无线放大转发中继干扰网络中的量化波束成形。我们设计的量化器的信道状态信息，以尽量减少的概率，至少有一个接收机错误地解码其所需的符号（S）。相应地，我们引入了一个广义的多样性措施，封装传统的一阶多样性。此外，它还结合了二阶分集，这与发射机功率相关的对数项，出现在出错率表达式。首先，我们表明，无论量化器和反馈量，使用的中继干扰网络遭受二阶分集损失相比，无干扰网络。然后，两种不同的量化方案进行了研究：第一，使用一个全局量化器，我们表明，一个简单的中继选择方案可以实现最大的多样性。然后，使用本地化方法，我们构建固定长度和可变长度的本地（分布式）量化器（fLQs和vLQs）。我们的fLQ实现了最大的一阶分集，而我们的vLQ实现了最大的分集。此外，我们表明，所有承诺的多样性和阵列增益可以获得任意低的反馈率时，发射机功率足够大。最后，我们通过模拟证实了我们的分析结果。
2010-07-30 cs.IT math.IT
Distributed Cognitive Multiple Access Networks: Power Control, Scheduling and Multiuser Diversity
研究了分布式总功率和干扰受限（DTPIL）认知多址接入网络中的最优分布式功率分配和调度策略（DPASPs）。在DTPIL中，次用户（SU）利用其对次发射次基站（STSB）和次发射主基站（STPB）信道增益的本地知识独立地执行功率分配和调度任务。在这样的网络中，SU的传输功率受到平均总传输功率约束和SU对主基站造成的平均干扰功率约束的限制。我们首先建立了DTPIL网络的注水功率分配和基于阈值的调度策略的联合最优性。然后，我们表明，根据$\frac{1}{\e{}n_h}\log\logp{N}$，其中$n_h$是从STSB信道功率增益的分布获得的参数和$N$是SU的总数的最佳DPASP规模下的次级网络吞吐量。从实用的角度来看，我们的研究结果表明，分布式认知多址接入网络能够收获多用户分集增益，而不采用集中式的路由器和反馈链路，以及不破坏主的服务质量（QoS）
2013-04-13 cs.IT math.IT
Distributed Compressed Sensing off the Grid
这封信探讨了联合恢复的频率稀疏信号合奏共享一个共同的频率稀疏的组成部分，从收集他们的压缩测量。与压缩感测中的常规技术不同，频率遵循离网公式并且在$\left\lbrack 0,1 \right\rbrack$中连续地被赋值。作为原子范数的一种扩展，提出了一种级联原子范数最小化方法来处理信号的精确恢复问题，并将其转化为一个可计算的半定规划.所提出的方法的最优性的特点是使用一个双重证书。数值实验表明了该方法的有效性及其相对于单独恢复的优势。
2014-08-13 cs.IT math.IT
Distributed Compressive Sensing
压缩感知是一种信号采集框架，其基于稀疏信号的线性投影的小集合包含足够的信息以用于稳定恢复的启示。在本文中，我们介绍了一种新的理论，分布式压缩感知（DCS），使新的分布式编码算法的多信号集成，利用内部和信号间的相关结构。DCS理论基于一个新的概念，我们称之为联合稀疏的信号系综。我们的理论贡献是表征DCS恢复的基本性能限制联合稀疏信号合奏在无噪声测量设置;我们的结果连接单信号，联合和分布式（多编码器）压缩感知。为了证明我们的框架的有效性，并表明可以解决计算易处理性等其他挑战，我们详细研究了联合稀疏信号的三个示例模型。对于这些模型，我们开发了实用的算法，从非相干投影的多个信号的联合恢复。在我们的三个模型中，有两个模型的结果是渐近最佳的，这意味着上界和下界都与我们的实际算法的性能相匹配。此外，模拟表明，渐近性仅在中等数量的信号下生效。DCS可立即应用于传感器阵列和网络中的一系列问题。
2009-01-22 cs.IT math.IT
Integrated Sensing and Communication with Distributed Rate-Limited Helpers
本文研究含两个速率受限辅助节点的ISAC系统，提出基于状态信息压缩时机的编码方案以获得容量-压缩-失真权衡区域内界，该内界在特殊情况下为紧界。
2025-02-13 cs.IT math.IT
Distributed Cooperative Spectrum Sensing in Mobile Ad Hoc Networks with Cognitive Radios
在认知无线电移动自组织网络中，次用户可以通过协作感知频谱来检测主用户的存在。在本章中，我们提出了一个完全分布式和可扩展的协作频谱感知方案的基础上，最近的进展共识算法。在所提出的方案中，次用户可以保持协调的基础上，只有本地的信息交换没有一个集中的公共接收机。我们使用二级用户的共识来做出最终决定。所提出的方案基本上是基于共识算法的最新进展，这些算法从复杂的自然现象中获得灵感，包括鸟类成群，鱼类成群，蚂蚁和蜜蜂成群。与现有的协作频谱感知方案不同，所提出的方案不需要集中式接收机，这使得它们适用于分布式CR-MANN。仿真结果表明，所提出的一致性方案可以显着降低漏报概率和虚警概率的CR-MANDROOM。它也表明，该方案不仅具有证明在检测主用户的存在的灵敏度，但也具有鲁棒性，在选择一个理想的决策阈值。
2011-04-29 cs.IT math.IT
Theoretical Bounds on MAP Estimation in Distributed Sensing Networks
空间相关信号恢复的典型方法是带有耦合正则化项的正则化最小二乘法。在贝叶斯框架中，该算法被视为最大后验估计，其假定先验与正则化项成比例。在本文中，我们研究了分布式传感网络，其中一组空间相关的信号分别在不同的终端测量，但通过一个通用的最大后验估计联合恢复。使用副本的方法，它示出的设置具有解耦属性。对于联合稀疏信号的情况下，我们调用贝叶斯推理，并提出了“多维软阈值”算法，这是作为一个线性规划。我们的研究表明，该算法优于传统的$\ell_{2,1}$范数正则化最小二乘计划，同时享有可行的计算复杂性。
2018-05-30 cs.IT math.IT
Distributed Compressive Sensing Based Doubly Selective Channel Estimation for Large-Scale MIMO Systems
大规模多输入多输出（MIMO）系统中的双选择性（DS）信道估计是一个具有挑战性的问题，由于无法承受的导频开销和禁止的复杂性的要求。在本文中，我们提出了一种新的分布式压缩感知（DCS）的信道估计方案来解决这个问题。在该方案中，我们引入基扩展模型（BEM），以减少所需的信道系数和导频开销。由于所有发射-接收天线对在延迟域中的共同稀疏性，我们考虑DCS框架来估计BEM系数，该框架具有简单的线性结构和低复杂度。此外，提出了一种线性平滑方法，以提高估计精度。最后，我们进行各种模拟，以验证所提出的计划的有效性，并证明所提出的计划相比，传统的计划的性能增益。
2015-11-09 cs.IT math.IT
A Simple Receive Diversity Technique for Distributed Beamforming
针对单天线源经多单天线中继与双天线目的节点通信的超可靠低时延场景，提出基于目的端空时分集变换的分布式波束成形方案，在无需接收端信道状态信息时使分集阶数翻倍并保留中继阵列增益。
2019-08-29 cs.IT math.IT
Distributed Sensing with Orthogonal Multiple Access: To code or not to Code?
考虑了有限个传感器节点的分布式传感系统的估计失真问题，其中节点观测到一个共同的现象，并通过正交信道将其观测值传输到融合中心。特别是，我们调查是否编码方案（单独的源-信道编码）优于未编码方案（联合源-信道编码）或不。为此，我们明确地推导出不同的节点和信道配置的编码异构传感系统的估计失真。基于这个结果，我们表明，在一个均匀的传感系统具有相同的节点和信道配置，编码方案优于未编码的方案，如果节点的数量是$K=1$或$K=2$。对于具有$K\geq3$节点的同质传感系统和一般的异构传感系统，我们还提出了明确的条件，编码方案比未编码方案的性能更好。此外，我们建议使用混合编码来最小化异构传感系统的估计失真，即，一些节点使用编码方案，而其它节点使用未编码方案。为了确定最优的混合编码策略，我们开发了三种贪心算法，其中纯贪心算法最小化失真贪婪，组贪心算法通过使用一组潜在的子策略来提高性能，排序贪心算法通过使用预先求解的迭代顺序来降低计算复杂性。我们的数值计算和蒙特卡洛结果表明，所提出的算法接近最优策略的平均估计失真。
2020-01-27 cs.IT math.IT
On the Performance Trade-off of Distributed Integrated Sensing and Communication Networks
本文利用随机几何理论分析分布式ISAC网络，推导了给定用户数下的检测与覆盖概率，定量描述了给定功率和带宽预算下感知与通信间的性能折中，并通过仿真验证了准确性。
2023-08-12 cs.IT cs.NI math.IT
Distributed Compressed Wideband Sensing in Cognitive Radio Sensor Networks
提出了一种新的认知无线电传感器网络（CRSN）分布式压缩宽带感知方案。该方案利用CRSN的分布式特性，在每个节点上仅部署一个超低采样率的窄带采样器，即可完成宽带频谱感知。首先，详细描述了各节点处压缩采样器的实际结构。其次，我们展示了融合中心（FC）如何利用频谱随机混叠的采样信号来检测全球宽带频谱活动。最后，通过大量的仿真验证了所提出的方案，这表明它是特别适合CRSN。
2014-02-22 cs.IT cs.NI math.IT
Towards Distributed and Intelligent Integrated Sensing and Communications for 6G Networks
针对现有ISAC模型的局限，本文提出面向6G的DISAC概念，通过引入分布式架构和语义化目标导向框架，拓展了感知通信一体化的能力边界。
2024-12-12 cs.IT eess.SP math.IT
A Novel Algorithm for Cooperative Distributed Sequential Spectrum Sensing in Cognitive Radio
本文研究了认知无线电中的协作频谱感知问题。在我们以前的工作中，我们已经开发了DualSPRT，一个分布式算法的合作频谱感知使用顺序概率比测试（SPRT）在认知无线电以及在融合中心。该算法运行良好，但不是最优的。在本文中，我们提出了一种改进的算法- SPRT-CSPRT，这是从累积和程序（CSPUM）的动机。我们从理论上进行了分析。我们也修改这个算法来处理SNR和衰落的不确定性。
2012-11-23 cs.IT math.IT stat.AP
Data-aided Sensing where Communication and Sensing Meet: An Introduction
由于有许多物联网（IoT）应用需要从大量传感器或设备实时收集数据集，因此需要集成传感和通信，以便从设备高效上传。在本文中，我们介绍了数据辅助感测（DAS）的概念，其中基站（BS）利用已经上传的数据的子集，并可用于选择下一个设备进行有效的数据汇集或感测。因此，使用DAS，物联网应用程序中的某些任务（包括联邦学习）可以通过从少量选定设备上传来完成。考虑两种不同类型的DAS：一种是集中式DAS，另一种是分布式DAS。在集中式DAS中，BS决定上传顺序，而在分布式DAS中，每个设备可以决定何时在多个上传轮中上传其自己的本地数据集。在分布式DAS中，采用随机接入，其中每个设备的接入概率根据其本地测量来决定，以实现高效上传。
2021-12-07 cs.IT math.IT
Spectrum Sensing Via Reconfigurable Antennas: Fundamental Limits and Potential Gains
我们提出了一种新的模式，在认知无线电网络的频谱感知，提供多样性和容量的好处，使用一个单一的天线在次要用户（SU）接收机。所提出的方案是基于一个可重构天线：天线，是能够改变其辐射特性，通过改变其几何配置。每个配置被指定为天线模式或状态，并且对应于不同的信道实现。可重构天线的抽象模型的基础上，我们解决了两个不同的设置认知无线电问题，并提出了基本的限制，可实现的多样性和吞吐量增益。首先，我们探讨（合作或不合作）的多样性和编码增益之间的权衡在传统的合作和非合作频谱感知方案，合作并不总是有益的。在此基础上，我们提出了两种基于可重构天线的感知方案，我们称之为状态切换和状态选择。结果表明，这些方案优于合作和非合作频谱感知下的全局能量约束。接下来，我们研究（感测吞吐量）的权衡，并证明，使用可重构天线，最佳的感测时间减少，允许更长的传输时间，从而更好的吞吐量。此外，可以应用状态选择来提高SU传输的容量。
2014-03-04 cs.IT cs.NI math.IT
Distributed Approximate Message Passing for Compressed Sensing
针对稀疏度K未知的传感器网络中压缩感知（CS）恢复问题，提出了一种高效的分布式近似消息传递（AMP）算法--分布式AMP（DAMP）.在所提出的DAMP中，分布式传感器不必使用或知道整个全局感知矩阵，并且减少了每个传感器的计算和存储负担。为了减少传感器之间的通信，提出了一种新的数据查询算法，称为全局计算AMP（GCAMP）。本文从理论上证明了基于GCAMP的DAMP算法与集中式AMP算法具有完全相同的恢复解。DAMP方法的性能进行评估的通信成本节省使用GCAMP。为了比较的目的，阈值算法（TA），一个众所周知的分布式Top-K算法，修改，使它也导致相同的恢复解决方案的集中式AMP。数值结果表明，基于GCAMP的DAMP算法的性能优于基于改进TA的DAMP算法，并显著降低了通信开销。
2014-05-22 cs.DC cs.IT math.IT
Cooperative Distributed Sequential Spectrum Sensing
我们认为合作频谱感知认知无线电。我们开发了一个能量有效的检测器，具有低检测延迟，使用顺序假设检验。在局部节点和融合中心均采用序贯概率比检验（SPRT）。我们还分析了该算法的性能，并与仿真结果进行了比较。模型的分布参数的不确定性被认为是。考虑了认知无线电系统中存在和不存在理想信道状态信息时的慢衰落。
2012-11-23 cs.IT math.IT stat.AP
Perceptive Mobile Network with Distributed Target Monitoring Terminals: Leaking Communication Energy for Sensing
集成传感和通信（ISAC）创建了一个平台，可以利用两个单独开发的强大功能之间的协同作用。然而，在传感和通信之间的干扰管理和资源分配还没有得到充分的研究。在本文中，我们认为感知移动网络（PMN）的设计，通过增加感知能力，目前的蜂窝网络。为了避免全双工操作，我们提出了PMN与分布式目标监测终端（TMT），被动TMT部署在无线网络上定位的传感目标（ST）。我们共同优化的发送和接收波束形成器对通信用户终端（UE）和ST交替优化（AO），并证明其收敛性。为了降低计算复杂度并获得物理见解，我们进一步研究了线性收发器的使用，包括迫零和波束合成（B-syn）。我们的分析揭示了关于感测和通信之间的干扰管理和资源分配的有趣的物理见解：1）代替形成专用感测信号，更有效的是针对通信和感测目的重新设计通信信号并且“泄漏”用于感测的通信能量; 2）从一个UE到ST的能量泄漏量取决于它们的相对位置。
2022-04-19 cs.IT eess.SP math.IT
On the Energy Self-Sustainability of IoT via Distributed Compressed Sensing
本文倡导使用分布式压缩感知（DCS）范式来部署能量收集（EH）物联网（IoT）设备，以实现能源自我可持续性。我们考虑具有信号/能量模型的网络，该模型捕捉到这样一个事实，即收集的信号和不同设备的收获能量都可以表现出相关性。我们对经典压缩感知（CS）方法和提出的基于分布式CS（DCS）的EH IoT数据采集方法的性能进行了理论分析。此外，我们进行了深入的比较，建议基于DCS的方法对分布式信源编码（DSC）系统。这些性能表征和比较体现了各种系统现象和参数的影响，包括信号相关性，EH相关性，网络规模和能量可用性水平。我们的研究结果揭示，所提出的方法提供了显着增加的数据收集能力相对于基于CS的方法，并提供了一个显着减少的均方误差失真相对于DSC系统。
2020-09-11 cs.IT cs.NI math.IT
Data-aided Sensing for Distributed Detection
Deakin University（迪肯大学）
在本文中，我们研究了数据辅助传感（DAS）的分布式检测在无线传感器网络（WSNs）传感器的测量是相关的。特别是，我们推导出一个节点选择标准的基础上，在DAS的J-发散可靠的决策受到决策延迟约束。基于所提出的基于J-散度的DAS，可以选择节点以快速增加对数似然比（LLR），这导致了具有较小数量的传感器的可靠决策，所述传感器上传测量以用于较短的决策延迟。从仿真结果中，它被证实，基于J-发散DAS可以提供一个可靠的决策与其他方法相比，较少的传感器数量。
2020-11-17 cs.IT cs.LG math.IT
Channel Capacity-Aware Distributed Encoding for Multi-View Sensing and Edge Inference
本文提出一种名为 ADE-MI 的新型框架，通过设备端自适应分布式编码与边缘端多视图推理的两阶段优化，在信道容量约束下最大化感知任务的互信息，实现了高识别准确率与超低通信延迟。
2024-11-18 cs.IT eess.SP math.IT
Extremum-Based Joint Compression and Detection for Distributed Sensing
Bar-Ilan University（巴伊兰大学）；Universidad Carlos III de Madrid（马德里卡洛斯三世大学）
研究分布式传感系统中压缩与检测的联合优化问题，提出基于极值的简单策略，通过发送最大样本索引和阈值测试实现高效检测，推导非渐近的误报和误检概率并验证。
2026-03-29 cs.IT eess.SP math.IT
Distributed Edge Learning under Imperfect Data Sensing
Purdue University（普渡大学）
研究不完美数据感知下的分布式边缘学习，将传感噪声建模为结构化协方差，推导非凸学习收敛界，得出相关可达界和阈值，联合优化模态等参数，通过仿真展示性能增益。
2026-07-22 cs.IT eess.SP math.IT
Integrated Sensing and Communication for Network-Assisted Full-Duplex Cell-Free Distributed Massive MIMO Systems
本文提出结合网络辅助全双工与分布式雷达感知的ISAC系统，通过功率分配算法优化通信与感知性能，实现更稳定感知和更优通信。
2023-11-13 cs.IT eess.SP math.IT
Distributed Intelligent Integrated Sensing and Communications: The 6G-DISAC Approach
本文提出6G-DISAC框架，通过分布式架构、新型波形及语义/目标导向通信，推动ISAC实现高能效高精度多模态感知与资源优化。
2024-02-28 cs.IT eess.SP math.IT
Bistatic Delay-Doppler Sensing for 3D Target Localization in Distributed Wi-Fi Systems
Interdisciplinary Centre for Security, Reliability and Trust (SnT), University of Luxembourg（卢森堡大学安全、可靠性与信任跨学科中心）；IEE S.A.（IEE公司）；Télécom SudParis, Institut Polytechnique de Paris（巴黎理工学院苏德帕里斯电信学院）
本文针对分布式Wi-Fi系统，对比仅多普勒与延迟-多普勒感知方案，推导相关信息矩阵并分析可观测性，仿真验证混合架构下的定位性能，为三维目标定位提供了更优的接收机配置方案。
2026-10-14 cs.IT eess.SP math.IT
DASS: Distributed Adaptive Sparse Sensing
无线传感器网络通常被设计为执行两项任务：感知物理场并将数据传输给最终用户。无线传感器网络设计的一个关键方面是最小化整体能耗。以前的研究人员旨在优化通信所花费的能量，而大多忽略了由于传感而产生的能量成本。最近，已经表明，考虑感测能量成本可以有利于进一步提高整体能量效率。更准确地说，稀疏感知技术被提出来减少收集的样本量，并通过使用数据统计来恢复丢失的数据。虽然大多数这些技术使用固定或随机的采样模式，我们建议自适应地学习信号模型的测量和使用该模型来安排何时何地采样的物理场。所提出的方法需要最小的板上计算，没有节点间的通信，仍然取得了吸引人的重建性能。通过对真实世界数据集的实验，我们证明了传统传感方案和最先进的稀疏传感方案的显着改进，特别是当测量数据具有较强的传感器内（时间）或传感器间（空间）相关性时。
2013-11-07 cs.IT cs.NI math.IT
Over-the-Air Multi-View Pooling for Distributed Sensing
感测被设想为6 G移动网络的关键网络功能。人工智能（AI）授权的传感融合了来自边缘网络中分布的设备的多个传感视图的特征，以便边缘服务器执行准确的推理。此过程称为多视图池，由于许多设备的多访问而造成通信瓶颈。为了缓解这个问题，我们提出了一个面向任务的分布式传感的同时访问计划称为空中池（AirPooling）。现有的空中计算（Over-the-Air Computing，AirComp）技术可以直接应用于通过利用多接入信道的波形叠加属性来实现平均空中池化。然而，尽管在实践中最受欢迎，但称为Max-AirPooling的空中最大化并不是AirComp可实现的，因为AirComp解决了有限的功能子集。我们解决的挑战，提出了新的广义AirPooling框架，可以配置为支持最大和平均AirPooling通过控制配置参数。前者是通过在AirComp中添加所设计的设备端预处理和服务器端后处理来实现的。为了表征端到端的感知性能，应用分类裕度理论将分类精度和AirPooling误差联系起来。此外，分析揭示了一个固有的权衡最大空气池之间的池函数近似的精度和噪声抑制的有效性。利用这种折衷，我们优化了Max-AirPooling的结构参数，得到了一种次优的自适应参数控制的封闭形式。在真实世界数据集上获得的实验结果表明，AirPooling提供的传感精度接近传统数字空中接口所能达到的精度，但大大降低了通信延迟…
2023-02-20 cs.IT eess.SP math.IT
Robust Detection of Random Events with Spatially Correlated Data in Wireless Sensor Networks via Distributed Compressive Sensing
在本文中，我们利用压缩感知的理论，在密集的传感器网络中执行检测的随机源。当传感器密集部署时，相邻传感器的观测值高度相关，而与远距离传感器对应的观测值相关性较低。因此，在任何给定时间所有传感器的级联观测向量的协方差矩阵可以是稀疏的，其中稀疏结构取决于网络拓扑和相关模型。利用协方差矩阵的稀疏结构，我们开发了一个强大的非参数检测器来检测随机事件的存在，使用在分布式节点收集的数据的压缩版本。我们采用的多址接入信道（MAC）模型与分布式随机投影传感器传输观测，以便在融合中心的压缩版本的意见。通过基于使用压缩数据估计的未压缩数据的协方差信息构建判决统计来执行检测。该方法不需要噪声参数的任何知识来设置阈值，并且当分布的随机投影矩阵变得稀疏时也是鲁棒的。
2017-07-07 cs.IT math.IT stat.CO
Towards Energy Neutrality in Energy Harvesting Wireless Sensor Networks: A Case for Distributed Compressive Sensing?
本文主张使用新兴的分布式压缩感知（DCS）范例，以部署能量收集（EH）无线传感器网络（WSN），其实际网络寿命和数据收集速率远远高于最先进的水平。特别是，我们认为EH WSN中有两个基本机制：i）与EH过程相关联的能量多样性，其使得所收集的能量可以在传感器节点之间变化，和ii）与DCS过程相关联的感测多样性使得能量消耗也可以在传感器节点之间变化，危及数据恢复。我们还认为，这样的机制提供了一种手段，以密切匹配的能源需求的能源供应，以解锁能量中立的无线传感器网络，利用EH能力的可能性。一些分析和仿真结果，以说明该方法的潜力。
2013-10-17 cs.IT cs.NI math.IT
MIMO-ISAC: Performance Analysis and Rate Region Characterization
分析了多输入多输出下行链路综合传感通信系统（ISAC）的传感通信性能。分析了三种ISAC方案，包括以感知为中心的设计、以通信为中心的设计和帕累托最优设计。对于每种情况下，多样性的订单和高信噪比斜率的传感速率（SR）和通信速率（CR）的推导，以获得进一步的见解。数值结果表明：\romannumeral 1）ISAC与现有频分S\&C（FDSAC）技术具有相同的分集阶数; \romannumeral 2）ISAC比FDSAC具有更大的高信噪比斜率和更宽的SR-CR区域。
2023-01-08 cs.IT eess.SP math.IT
Predictive Beamforming with Distributed MIMO
本研究将感知辅助通信扩展至多分布式 RSUs 和分布式 MIMO 场景，推导状态演化模型并构建扩展卡尔曼滤波方程以实现预测波束成形，仿真证明其感知性能、覆盖与速率优于共置大规模 MIMO。
2025-01-29 cs.IT eess.SP math.IT
Diversity Analysis of Millimeter-Wave OFDM Massive MIMO Systems
分析了毫米波大规模多输入多输出（MIMO）系统中采用正交频分复用（OFDM）的分布式天线子阵的分集增益。我们表明，分集增益取决于发送的数据流的数量，远程天线单元的数量，和RAU之间的传播路径的数量。此外，我们表明，通过使用比特交织编码多波束形成（BICMB），可以实现最大的分集增益在分布式天线子阵列系统。在这两种情况下的假设是，在发送器和接收器处的天线的数量足够大，并且信道状态信息（CSI）在发送器和接收器处是已知的。
2021-05-10 cs.IT eess.SP math.IT
Diversity/Parallelism Trade-off in Distributed Systems with Redundancy
随着许多机器学习和其他算法的复杂性和数据需求的增加，分布式计算成为满足不断增长的计算和存储需求所必需的，因为它使得能够并行执行构成大型计算作业的较小任务。然而，任务服务时间的随机波动会导致执行时间较长的离散任务。以任务复制和擦除编码的形式，冗余提供了多样性，允许在仅执行冗余任务的子集时完成作业，从而消除对离散任务的依赖性。在资源受限的情况下（这里是固定数量的并行服务器），增加冗余会减少并行可用的资源。在本文中，我们的特点的多样性与并行性的权衡，并确定最佳的策略，复制，编码和分裂，最大限度地减少预期的作业完成时间。我们考虑了三种常见的服务时间分布，并建立了三个模型来描述这些分布与任务大小的缩放。我们发现，具有不同缩放模型的不同分布在不同的冗余水平下最佳地操作，因此可能需要非常不同的码率。
2021-12-18 cs.DC cs.IT cs.PF
Precision and Privacy in Distributed Quantum Sensing: A Quantum Fisher Information Duality
University of Melbourne（墨尔本大学）
本文研究了分布式量子传感中精度与隐私的平衡，通过量子 Fisher 信息对偶性揭示了在局部相位编码下，Heisenberg 极限精度与隐私保护之间的关系，证明了在特定状态下，精度的提升会限制其他方向的隐私侵犯估计。
2026-05-20 cs.CR cs.IT math.IT
Anti-Jamming Sensing with Distributed Reconfigurable Intelligent Metasurface Antennas
School of Information and Communications Engineering, Xi’an Jiaotong University（信息与通信工程学院，西安交通大学）；Ministry of Education Key Laboratory for Intelligent Networks and Network Security, Xi’an Jiaotong University（教育部智能网络与网络安全重点实验室，西安交通大学）
针对传统射频感知易受不良传播信道影响的问题，提出采用分布式可重构智能超表面天线（RIMSA）结合深度强化学习优化波束成形与感知映射，并设计综合SINR的损失函数，实现了抗干扰的高精度无线感知。
2025-08-07 cs.IT cs.LG eess.SP
