Faithful Simulation of Distributed Quantum Measurement with Coding for Computing
本文研究分布式量子测量模拟问题,提出在经典信道和共享随机性下忠实模拟联合测量所需的最小通信量,并推导了可达速率区域。
2025-06-21 cs.IT math.IT
Information Theoretic Limits of Data Shuffling for Distributed Learning
University of Arizona(亚利桑那大学)
数据混洗是分布式学习算法的基本构建块之一,它增加了学习过程中每一步的统计增益。在每次迭代中,不同的混洗数据点由中心节点分配给一组分布式工作者来执行本地计算,这导致了通信瓶颈。本文的重点是形式化和理解的基本信息理论之间的权衡存储(每个工人)和最坏情况下的数据洗牌问题的通信开销。我们完全描述了信息理论的权衡$K=2$,和$K=3$工人,为任何值的存储容量,并表明,增加跨工人的存储可以通过利用编码来减少通信开销。我们提出了一种新的和系统的数据传输和存储更新策略,为每个数据洗牌迭代,它保留了整个工人的存储的结构属性,并有助于在随后的数据洗牌迭代的通信开销最小化。
2016-09-16 cs.DC cs.IT cs.LG
Distributed High Dimensional Information Theoretical Image Registration via Random Projections
Eötvös Loránd University(厄特沃什·罗兰大学)
信息论度量,如熵、互信息和各种发散,在图像配准应用中表现出鲁棒性。然而,这些量的估计在高维中是计算密集型的。另一方面,从样本点的成对距离的一致估计是可能的,这适合于基于随机投影(RP)的低维嵌入。我们通过一个简单的集成方法来适应RP技术来完成这项任务。据我们所知,这是第一个分布式的,RP基于信息理论的图像配准方法。数值算例表明了该方法的有效性。
2012-10-02 cs.IT cs.LG 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 Quantum Faithful Simulation and Function Computation Using Algebraic Structured Measurements
在这项工作中,我们考虑的任务是忠实地模拟量子测量,作用于一个联合的二分量子态,以分布式的方式。在分布式设置中,联合量子态的组成子系统由两个代理Alice和Bob测量。第三个代理,查理接收爱丽丝和鲍勃发送的测量结果。Charlie使用局部和成对共享随机性来计算测量结果的二元函数。三个代理的目标是忠实地模拟给定的分布式量子测量作用于给定的量子态,同时最小化通信和共享随机率。我们展示了一个新的可实现的信息理论率区域,利用随机结构POVM的基础上渐近良好的代数码的二元函数。这些代码的代数结构与查理行为的二元函数相匹配。这类问题的传统方法是在Charlie处重建对应于Alice和Bob的个体测量结果,然后计算二元函数,使用基于随机非结构化代码的相互独立的近似POVM实现。在本方法中,使用代数结构POVM,计算是在飞行中执行的,从而避免了需要在查理重建个人的测量结果。使用这一点,我们表明,可以实现严格较大的速率区域。在分析这些结构化POVM的挑战之一是,他们只表现出成对的独立性,并只诱导均匀的单字母分布。为了解决这个问题,我们使用嵌套的代数码,并开发一个覆盖引理适用于成对独立的POVM合奏。结合这些技术,我们提供了一个多方分布式忠实模拟和功能计算协议。
2021-10-14 cs.IT math.IT quant-ph
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
Improving Triplet-Based Channel Charting on Distributed Massive MIMO Measurements
信道制图的目的是从由多天线无线系统获取的高维CSI中学习无线电环境的虚拟地图。由于在静态环境中,CSI是发射机位置的函数,因此可以使用降维技术以自监督方式学习从CSI到信道图坐标的映射。最先进的基于三重态的方法在分布式大规模多输入多输出信道探测器测量的多个数据集上进行评估,具有协同定位和分布式天线设置。合适的三重选择的重要性进行了研究,通过比较结果的通道图从一个天才辅助三重生成器,并通过测量数据的模拟轨迹上的三重学习。最后,探讨了学习的前向制图功能到类似但不同的无线电环境的可转移性。
2022-06-20 cs.IT eess.SP math.IT
Distributed Estimation in Multi-Agent Networks
一个分布式状态估计的问题,在多个代理的物理连接,并有竞争力的利益被映射到一个分布式信源编码的问题与额外的隐私约束。代理相互作用,以估计自己的状态,以期望的保真度,从他们的(传感器)测量,这是本地状态和其他代理的状态的函数。对于一个高斯状态和测量模型,它示出的和率实现的分布式协议中,代理人广播到另一个是一个集中式协议,代理人广播,好像一个虚拟CEO收敛的限制,只有在大量的代理人的下限。使用本地测量编码的充分性也证明了这两个协议。
2012-07-09 cs.IT math.IT
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
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
Power Allocation and Measurement Matrix Design for Block CS-Based Distributed MIMO Radars
多输入多输出(MIMO)雷达提供更高的分辨率,更好的目标检测,更准确的目标参数估计。由于目标在空间速度域的稀疏性,当采样率远小于奈奎斯特采样率时,可以利用压缩感知(CS)来提高MIMO雷达的性能。在分布式MIMO雷达中,由于接收信号是一个基上的块稀疏信号,因此可以用块压缩感知方法代替经典的压缩感知方法,以获得更好的性能。针对基于分组CS的分布式MIMO雷达,提出了两种提高雷达性能的新方法。第一种方法是一种新的能量分配方法,另一种方法是一种新的测量矩阵的优化设计方法。这些方法基于感测矩阵块相干性的上限的最小化。仿真结果表明,这两种方法提高了多目标参数估计的精度。
2016-03-08 cs.IT math.IT
Multi-Version Coding - An Information Theoretic Perspective of Consistent Distributed Storage
在分布式存储系统到分布式计算的应用和键值存储的实现中,以下属性(通常在计算机科学和工程中被称为一致性)是重要的要求:随着存储的数据改变,数据的最新版本必须可由连接到存储系统的客户端访问。为了研究一致性分布式存储系统的存储代价,本文引入了一种信息论的多版本编码方法。多版本编码的特征在于消息的ν个全序版本和具有n个服务器的存储系统。在每个服务器处,接收并编码对应于v个版本的任意子集的值。对于存储系统中的c服务器的任何子集,与c服务器中的最新公共版本或根据总排序的更高版本相对应的值需要是可解码的。通过线性编码和一个相反的结果,表明该结构是近似紧的,提供了一个可实现的多版本码的结构。相反的含义是,在存储成本方面,为了确保分布式存储系统的一致性,存在不可避免的代价。
2015-10-19 cs.IT math.IT
When Is Distributed Nonlinear Aggregation Private? Optimality and Information-Theoretical Bounds
Aalborg University(奥尔堡大学);Netherlands Defence Academy(荷兰皇家军事学院);Delft University of Technology(代尔夫特理工大学)
本文提出了一种统一的信息论框架,用于分析分布式非线性聚合的隐私泄露问题,通过理论分析和实验验证,得出了最优隐私保障界限及网络拓扑和参数对泄露的影响。
2026-01-19 cs.IT eess.SP math.IT
Distributed Sparse Signal Recovery For Sensor Networks
提出了一种基于迭代硬采样保持(IHT)的传感器网络稀疏信号恢复分布式算法。每个代理都有一组信号x的测量值,目标是代理以最小的通信成本和低的计算复杂性从它们的集体测量值中恢复x。IHT的简单分布式实现需要在每次迭代中对每个代理的完整状态进行全局通信。我们发现,我们可以大大降低这种通信成本,利用解决方案的分布式top-K问题的数据库文献。评估表明,我们的算法需要高达三个数量级的总带宽比最有名的分布式基追踪方法。
2013-02-21 cs.IT math.IT
Distributed Game Theoretic Optimization and Management of Multichannel ALOHA Networks
研究了多信道ALOHA网络中的分布式速率最大化问题。首先,我们研究了约束分布式速率最大化问题,其中用户速率受到总传输概率约束。我们提出了一个最佳响应算法,每个用户更新其策略,以增加其速率根据信道状态信息和当前的信道利用率。我们证明了该算法的收敛到一个纳什均衡在同构和异构网络使用潜在的游戏理论。的最佳响应动态的性能进行了分析和比较,一个简单的传输方案,其中用户传输的信道具有最高的无冲突效用。然后,我们考虑的情况下,用户不受传输概率约束。不确定条件下的分布式速率最大化被认为是实现效率和用户之间的公平性。我们提出了一个分布式的计划,用户调整他们的传输概率,以最大限度地提高他们的速率,根据当前的网络状态,同时保持所需的信道上的负载。我们表明,我们的方法在实现用户之间的纳什讨价还价的解决方案中起着重要的作用。顺序和并行算法,提出了以分布式的方式实现目标的解决方案。理论和仿真结果都证明了算法的有效性。
2015-05-22 cs.GT cs.IT cs.NI
Game theoretic aspects of distributed spectral coordination with application to DSL networks
在本文中,我们使用博弈论的技术来研究分布式频谱管理问题中的合作价值。我们发现,著名的迭代注水算法是受囚徒困境,因此可以导致严重退化的干扰信道环境中的可实现的速率区域。我们还提供了一个简单的两个频段近远的情况下,我们能够提供封闭形式的严格限制的固定利润迭代注水(FM-IWF)和动态频分复用(DFDM)方法的速率区域进行了彻底的分析。这是唯一的情况下,这样的解析表达式是已知的,所有以前的研究只包括模拟结果的速率区域。然后,我们提出了一种替代算法,该算法的IWF算法在近远的情况下,DSL接入网络相关的一些缺点。我们还提供了实验分析的基础上测量的DSL信道的两种算法,以及集中的最佳频谱管理。
2006-02-06 cs.IT math.IT
Rate-Distortion Theoretic Bounds on Generalization Error for Distributed Learning
Paris Research Center, Huawei Technologies France(华为技术法国巴黎研究中心);Université Paris-Est(巴黎东大学)
在本文中,我们使用率失真理论的工具,建立新的统计分布式学习算法的泛化误差的上界。具体地,存在$K$客户端,其单独选择的模型由中央服务器聚合。边界取决于每个客户端的算法的可压缩性,同时保持其他客户端的算法不被压缩,并且利用每个本地模型中的小变化仅以$1/K$的因子改变聚合模型的事实。采用Sefidgaran等人最近提出的方法,并且将其适当地扩展到分布式设置,这使得能够实现更小的速率失真项,所述速率失真项被示出为转换成更紧的泛化界。然后将该边界应用于分布式支持向量机(SVM),表明分布式设置的泛化误差衰减速度比集中式设置快,其因子为$\mathcal{O}(\log(K)/\sqrt{K})$。这一发现也得到了实验验证。对于多轮联邦学习设置,每个客户端都使用随机梯度Langevin动态(SGLD),也得到了类似的结论。
2022-11-22 cs.IT cs.LG math.IT
On the Effect of Correlated Measurements on the Performance of Distributed Estimation
研究了无线传感器网络中未知标量参数的分布式估计问题。传感器节点通过多个接入信道将其噪声观测值传输到融合中心(FC),融合中心重建源参数。接收信号被噪声和信道衰落破坏,因此FC的目标是最小化估计的均方误差(MSE)。在本文中,我们假设传感器节点的观测值是相关的源信号,并相互相关以及。两个观测值之间的相关系数随着距离的增加呈指数衰减。基于距离的相关性对估计质量的影响进行了论证,并与单位相关观测值的情况进行了比较。此外,一个封闭形式的中断概率的表达式推导和相关系数的依赖关系进行了研究。数值模拟验证了我们的分析结果。
2013-04-28 cs.IT math.IT
Sheaf-Theoretic Causal Emergence for Resilience Analysis in Distributed Systems
提出融合属性图、图上流动模拟与层论因果涌现的框架,通过有效信息比较宏微观因果效力,以识别分布式系统中的韧性涌现结构。
2025-03-18 cs.DM cs.IT cs.SE
Asymptotically Optimal Distributed Channel Allocation: a Competitive Game-Theoretic Approach
本文研究了频率选择性干扰信道下大型网络中的分布式信道分配问题。性能通过可实现速率的加权和来衡量。首先,我们提出了一个自然的非合作博弈理论制定这个问题。结果表明,当干扰足够强时,该博弈的纯无政府状态无政府代价以高概率趋近无穷大,且存在渐近递增的最差均衡点.然后,我们提出了一种新的非合作M频率选择性干扰博弈(M-FSIG),其中用户限制他们的效用,使其大于零,只有他们的M个最佳信道,并为他们平等。我们表明,M-FSIG表现出,具有很高的概率,越来越多的最佳纯纳什均衡,没有坏的均衡。因此,无政府状态的纯粹无政府代价在任何干预体制中都有可能收敛为一。为了利用这些结果在算法上,我们提出了一个修改后的Fictionary Play算法,可以分布式实现。我们进行了模拟,证明其快速收敛到纯纳什均衡。
2016-03-12 cs.GT cs.IT math.IT
Distributed noise-shaping quantization: I. Beta duals of finite frames and near-optimal quantization of random measurements
本文介绍了一种新的算法,所谓的“分析问题”的量化有限框架表示提供了一个接近最佳的解决方案的情况下,随机测量。主要贡献包括一个通用的量化框架称为分布式噪声整形的发展,特别是,beta的帧,以及在确定性和概率设置的beta的性能分析。它示出,对于随机帧,使用β random的结果在接近最佳的准确重建相对于帧的冗余度和帧系数被量化的水平的数量。更具体地,对于$\mathbb{R}^k$中的$m$向量的任何帧$E$,除了可能来自$m$中指数小的高斯测量的子集之外,以及对于要用于对$\mathbb{R}^k$中的单位球进行编码的每个测量的任何数量的量化级别$L \geq 2$,存在算法量化方案和对偶帧,它们一起保证至多$\sqrt{k}L^{-(1-η)m/k}$的重构误差,其中,对于足够大的问题,$η$可以任意小。所提出的算法的其他特点包括低计算成本和并行实现。
2016-05-05 cs.IT math.IT
Distributed MIMO Measurements for Integrated Communication and Sensing in an Industrial Environment
本文在工业环境中开展 sub-6 GHz 分布式 MIMO 测量,评估衰落分集与链路可靠性,并验证多基地感知定位及新型空间一致信道模型需求。
2024-03-04 cs.IT eess.SP math.IT
A New Distributed Localization Method for Sensor Networks
本文研究了在大型传感器网络中仅使用相对距离测量来确定传感器位置的问题。我们的工作来自Khan等人的开创性论文。[1]其中使用重心坐标给出了用于传感器定位的分布式算法,称为DIRECT。DIMENSIONAL算法的主要限制是所有传感器节点必须在锚节点的凸包内。在本文中,我们考虑了一般的传感器网络没有凸包假设,这在确定重心坐标的符号模式带来的挑战。一个标准的开发,以解决这个问题的基础上可用的距离测量。此外,提出了一种新的分布式算法,以保证所有可定位的传感器节点的渐近定位。
2013-01-12 cs.DC cs.IT cs.NI
An Information-theoretic Method for Collaborative Distributed Learning with Limited Communication
在本文中,我们研究了分布式学习框架下的信息传输问题,其中每个工作节点只允许传输一个$m$维统计,以改善学习结果的目标节点。具体而言,我们评估相应的预期人群风险(EPR)的制度下的大样本量。我们证明了性能可以提高,因为传输的统计数据有助于估计下的EPR范数矩阵测量的均方误差的基础分布。因此,所发送的统计对应于该矩阵的本征向量,并且期望的传输在统计中分配这些本征向量,使得EPR最小。此外,我们提供了单节点和两个节点的传输所需的统计分析解决方案,其中的几何解释给出解释的特征向量的选择。对于一般情况,提出了一种基于节点划分的高效分配算法。
2022-05-26 cs.IT eess.SP math.IT
Weighted Centroid Algorithm for Estimating Primary User Location: Theoretical Analysis and Distributed Implementation
关于主发射机位置的信息对于实现认知无线电网络中的几个关键功能至关重要,包括改进的时空感知、智能位置感知路由以及辅助频谱策略执行。与其他非交互式定位算法相比,加权质心定位(WCL)算法仅利用接收信号强度信息,易于实现,对传播环境的变化具有鲁棒性。在本文中,我们提出了第一个理论框架WCL性能分析的节点密度,节点位置,阴影方差,相关距离和传感器节点定位的不准确性参数化的定位误差分布。使用这种分析,我们量化的鲁棒性的WCL各种物理条件,并提供设计指导方针,如节点的位置和间距,WCL的实际部署。我们还提出了一种高能效的方法,通过分布式基于集群的算法实现WCL,实现了与集中式对应的准确性。
2011-05-09 cs.IT cs.NI cs.PF
Information-theoretically Secure Erasure Codes for Distributed Storage
分布式存储系统中的修复操作可能会将数据暴露给被动窃听者或主动攻击者的恶意行为,这可能对系统的安全性有害。本文提出了擦除码和修复算法,以确保在存在被动窃听者和主动对手的数据的安全性,同时保持系统的高可用性,可靠性和效率。我们的代码是最佳的,因为它们满足以前提出的下限的存储,网络带宽和可靠性的要求范围广泛的系统参数。因此,我们的研究结果建立这样的系统的能力。我们的代码,从积极的对手的安全提供了一个额外的吸引人的功能“按需安全”,所需的安全级别可以单独选择每个实例的修复,我们的算法保持最佳同时为所有可能的水平。本文还提供了必要和充分条件,管理任何(不安全)的代码转换成一个提供按需安全。
2015-08-16 cs.CR cs.IT math.IT
Distributed Power Control in Interference Channels with QoS Constraints and RF Energy Harvesting: A Game-Theoretic Approach
本文提出了一种新的分布式功率控制方案的基于功率分裂的干扰信道(IFC)与同时无线信息和功率传输(SWIPT)。所考虑的IFC由多个源-目的地对组成。每个目的地将其接收到的信号分成两部分,分别用于信息解码和能量收集(EH)。每对调整其发射功率和功率分配比,以满足其相应目的地的信号干扰噪声比(SINR)和EH约束。为了表征合理的行为的源-目的地对,我们制定了一个非合作的游戏所考虑的系统,其中每一对被建模为一个战略球员,其目的是最大限度地减少自己的发射功率下的SINR和EH的限制在目的地。我们得到了一个充分必要条件的存在性和唯一性的纳什均衡(NE)制定的游戏。首先推导出各局中人的最佳对策,然后迭代求解网元。数值结果表明,所提出的博弈论的方法可以达到接近最优的性能在不同的SINR和EH的约束。
2016-02-20 cs.IT math.IT
Distributed MIMO With Over-the-Air Phase Calibration Integrated Into the TDD Flow
Linköping University(林雪平大学)
本文提出将空中接口相位校准集成到TDD流程中,通过调整TDD时隙切换点,实现AP间短时间段的测量,分析校准资源与频谱效率的权衡,展示分布式MIMO的可行性。
2026-05-11 cs.IT math.IT
Robustness in Wireless Distributed Learning: An Information-Theoretic Analysis
本文通过信息论方法推导无线分布式学习中信道失真导致的任务性能损失上界,定义任务感知ε-容量,并提出鲁棒训练框架以在保证推理性能的同时实现高鲁棒性和高传输速率。
2025-07-08 cs.IT eess.SP math.IT