Opportunistic Relay Selection with Limited Feedback
它已被证明是一个分散的中继选择协议的基础上,从中继机会反馈,在密集的无线网络中产生良好的吞吐量性能。该选择策略支持混合ARQ传输方法,其中在解码错误的情况下中继转发奇偶校验信息到目的地。然而,这样的方法,遭受损失相比,集中式的策略,选择具有最佳信道增益的中继到目的地。本文通过在分散式中继选择问题中加入另一级信道反馈来弥补性能差距。它表明,只有一个额外的反馈位是必要的良好的吞吐量性能。不同的关键参数,如中继的数量和信道反馈阈值的性能影响进行了讨论。伴随的位出错率分析表明中继选择的重要性。
2007-04-05 cs.IT math.IT
Minimax Robust Decentralized Detection in Parallel Sensor Networks
研究了并行传感器网络的Minimax鲁棒分散检测问题。对应于传感器观测的随机变量被假定为遵循分布函数,该分布函数属于不确定性类。它已被证明,对于某些不确定性类,如果所有的概率分布是绝对连续的一个共同的措施,联合随机有界性,这是基本规则的推导Veerevalli的工作,不成立。这就提出了一个自然的问题,如果不确定性类不拥有这个属性,是否可以进行极大极小鲁棒分散检测。这个问题的答案已被证明是积极的,这导致了一个一般化的工作韦雷瓦利。此外,由于Tsitsiklis工作的直接结果,传感器处的量化函数不需要是单调的。对于所提出的模型,已经提供了一些具体的例子,并讨论了可能的推广。
2017-03-22 cs.IT math.IT
Decentralized Detection in Energy Harvesting Wireless Sensor Networks
我们考虑一个分散的假设检验问题,其中多个外围能量收集传感器并行排列。每个传感器对时变现象进行噪声观测,并在每个时刻t向融合中心发送关于当前假设的消息。融合中心使用在时间实例t期间接收到的消息的聚合,做出关于当前假设的状态的决定。我们假设每个传感器都是一个能量收集设备,并且能够从其环境中收集通信所需的所有能量。我们的贡献是制定和分析的分散检测问题时,能量收集传感器被允许形成一个长期的能源使用政策。我们的分析是基于电池的电池理论模型。然后,通过使用数值模拟,我们展示了所得到的性能与能量不受约束的情况下的不同。
2016-03-02 cs.IT math.IT
Theoretical Bounds in Minimax Decentralized Hypothesis Testing
研究了两种情况下的极大极小分散检测:有和没有一个融合中心时,不确定性的来源是贝叶斯先验。当不存在融合中心时,确定了网络设计中的约束条件。对于单个决策者和多个决策者,由于极大极小决策,检测性能的最大损失。在存在融合中心的情况下,假设两个网络都是极大极小鲁棒的,则有无融合中心网络之间的检测性能的最大损失。最后对结果进行了推广。
2016-04-24 cs.IT math.IT
Cache-Enabled Broadcast Packet Erasure Channels with State Feedback
我们考虑启用缓存的K用户广播擦除分组信道,其中具有N个文件的库的服务器希望向配备有有限存储器M的缓存的每个用户递送所请求的文件。假设发射机有状态反馈和用户缓存可以填充在非高峰时段可靠地分散的缓存放置,我们的特征在于最佳速率区域作为一个函数的内存大小,擦除概率。基于Gatzianas等人提出的方案,利用在放置阶段期间建立的接收器侧信息。我们的研究结果使我们能够量化存在擦除的分散编码缓存的净效益。状态反馈的作用被发现是有用的,特别是当擦除概率是大的和/或归一化的内存大小是小的。
2015-09-07 cs.IT math.IT
Nonparametric Decentralized Sequential Detection via Universal Source Coding
当原假设下的分布是完全已知的,而备择假设对应于其他未知分布时,我们考虑非参数或泛序贯假设检验问题。这些算法主要是从认知无线电中的频谱感知和无线传感器网络中的入侵检测中得到的。我们使用易于实现的通用无损源代码,提出简单的算法,这样的设置。该算法首次提出了离散字母表。理论上研究了它们的性能和渐近性质。后来这些扩展到连续字母表。它们的性能与两个著名的通用源代码,Lempel-Ziv码和Krichevsky-Trofimov估计与算术编码器进行了比较。这些算法也比较了使用各种其他非参数估计的测试。最后,还提出了一种利用空间分集的分散版本。分析了它的性能,证明了它的渐近性质。
2013-08-29 cs.IT math.IT
Rate Allocation for Decentralized Detection in Wireless Sensor Networks
我们考虑分散检测的问题,其中外围节点的噪声观测的现象,并发送量化信息的现象对融合中心的总和速率约束的多址接入信道。然后,融合中心基于聚集的接收数据做出关于现象的状态的决定。Chamberland和Veeravalli以前研究了在无限数量传感器的假设下,这种情况下的最优速率分配策略的结构。我们的主要贡献是将这些结果扩展到有源传感器的最大数量有约束的情况。特别是,我们找到了充分的条件下,均匀的速率分配是一个最优的策略,然后数值验证,这些条件满足一些相关的传感器设计规则下的高斯观测模型。
2015-05-04 cs.IT math.IT
Decentralized Coordinate-Descent Data Detection and Precoding for Massive MU-MIMO
与小规模MIMO相比,大规模多用户(MU)多输入多输出(MIMO)有望显著提高频谱效率。典型的大规模MU-MIMO基站(BS)设计依赖于集中式线性数据检测器和预编码器,当在单个计算结构上执行时,集中式线性数据检测器和预编码器需要过高的复杂度、互连数据率和芯片输入/输出(I/O)带宽。为了解决这些复杂性和带宽瓶颈,我们提出了新的分散算法的数据检测和预编码,使用坐标下降。我们的方法在多个计算结构上并行计算,同时最大限度地减少互连和I/O带宽。提出的分散式算法实现了接近最佳的错误率性能和多Gbps的吞吐量在次1毫秒的延迟时,实现了多GPU集群与半精度浮点运算。
2019-02-22 cs.DC cs.IT math.IT
Decentralized sequential change detection using physical layer fusion
研究了具有条件独立观测值的分散序贯检测问题。传感器形成一个星型拓扑结构,中心节点称为融合中心作为枢纽。传感器对在随机时间从初始状态变化到最终状态的参数进行噪声观测,其中随机变化时间具有几何分布。传感器通过无线高斯多址信道放大和转发观测数据,并在功率约束或能量约束下工作。每个阶段的最佳传输策略是最大化改变之前和之后假设分布之间的特定Ali-Silvey距离的策略。仿真结果表明,所提出的模拟技术具有较低的检测延迟时,与现有的计划。仿真结果进一步表明,在变化检测问题中,能量约束公式比功率约束公式能够更好地利用总可用能量。
2008-08-04 cs.IT math.IT
On optimal quantization rules for some problems in sequential decentralized detection
我们考虑系统的设计顺序分散检测,一个问题,需要几个相互依赖的选择:选择一个停止规则(指定的样本量),一个全球决策功能(两个相互竞争的假设之间的选择),和一组量化规则(本地决策的基础上,全球决策)。本文讨论了一个开放的问题,是否在贝叶斯制定的顺序分散检测,最佳的局部决策函数可以找到固定的规则类。我们开发了一个渐近近似的静态量化规则的最佳成本,并利用这种近似表明,静态量化器是不是最佳的,在广泛的设置类。我们还考虑了类的块平稳量化器,并表明,渐近最佳量化器是基于似然阈值规则。
2008-11-26 cs.IT math.IT math.ST
Robust Decentralized Detection and Social Learning in Tandem Networks
我们研究了一个串联的代理人作出决定的一个基本的二元假设,其中每个假设下的代理人的意见分布来自一个不确定性类。我们调查分散的检测规则,代理合作,以尽量减少最终代理的错误概率,和社会学习规则,每个代理最大限度地减少自己的本地极大极小错误概率。然后,我们将我们的结果扩展到无限串联网络,并推导出必要和充分条件的不确定性类的极小极大错误概率收敛到零时,代理知道自己的位置在串联。另一方面,当代理不知道他们在网络中的位置,我们研究的情况下,代理合作,以尽量减少渐近极大极小错误概率,并在代理寻求最坏情况下极大极小错误概率(在所有可能的位置串联)。我们表明,渐近学习的真实假设不再是可能的,在这些情况下,并获得表征的极大极小误差性能。
2015-01-23 cs.IT math.IT
On the Price of Decentralization in Decentralized Detection
本文研究去中心化检测中错误概率的极限,揭示了原始社会学习规则因局部权重导致网络不平衡而与集中式存在错误指数差距,并提出改进规则以消除该差距,证明去中心化不造成一阶性能损失。
2025-02-06 cs.IT math.IT
Mini-Batch Gradient-Based MCMC for Decentralized Massive MIMO Detection
本文针对大规模MIMO集中式处理的计算与数据交换瓶颈,提出一种去中心化架构下结合小批量随机梯度下降的梯度MCMC检测方法,在降低计算延迟和互连带宽的同时实现显著性能提升。
2024-07-26 cs.IT eess.SP math.IT
Fully Decentralized Massive MIMO Detection Based on Recursive Methods
用于大规模多输入多输出上行链路检测的算法通常依赖于集中式方法,通过该方法,来自所有天线模块的基带数据被路由到中央节点以便被处理。在大规模多输入多输出的情况下,其中在基站中预期有数百或数千个天线,这种架构导致瓶颈,在互连带宽要求方面具有关键限制。本文提出了一种基于递归方法的大规模多输入多输出上行链路的完全分散的结构和算法,该结构和算法不需要中心节点进行检测过程。通过一个递归的方法和非常低的复杂性操作,所提出的算法提供了一个序列的估计渐近收敛到迫零的解决方案,而不需要特定的硬件矩阵求逆。所提出的解决方案实现了显着低于其他架构的互连数据速率,使未来的可扩展性。
2018-08-28 cs.IT eess.SP math.IT
One-bit Decentralized Detection with a Rao Test for Multisensor Fusion
在这封信中,我们提出了一个更简单的替代广义似然比检验(GLRT)的多传感器融合的Rao测试。我们认为传感器观察一个未知的确定性参数与对称和单峰噪声。决策融合中心(DFC)通过易出错的二进制对称信道接收量化的传感器观测值,并做出全局决策。我们分析了最佳量化器阈值,我们研究的性能相比,GLRT的Rao测试。此外,理论上的比较和渐近性能推导出均匀传感器的情况下。所有的结果都通过仿真得到了证实。
2013-06-26 cs.IT math.IT
Decentralized Detection with Robust Information Privacy Protection
我们考虑一个分散的检测网络,其目的是推断出一个公共的假设的兴趣。然而,原始的传感器观察结果也允许融合中心推断我们希望保护的私人假设。我们考虑的情况下,有一个不可数的私人假设属于一个不确定性集,并制定本地隐私映射在每个传感器,使消毒传感器信息最大限度地减少贝叶斯错误的融合中心检测公共假设,同时实现所有私人假设的信息隐私。我们介绍了一个最有利的假设(MFH)的概念,并展示了如何找到一个MFH的私人假设。通过保护MFH的信息隐私,也实现了所有其他隐私假设的信息隐私。我们提供了一个迭代算法来寻找最优的局部隐私映射,并推导出这些隐私映射的一些理论性质。仿真结果表明,我们提出的方法允许融合中心推断的公共假设与低错误,同时保护所有私人假设的信息隐私。
2019-05-09 cs.IT math.IT
Decentralized Deep Scheduling for Interference Channels
本文研究了干扰信道下的分散调度问题。在该设置中,每个发射机(TX)接收关于全局多用户信道状态的任意量的反馈,基于该反馈,它决定是进行发送还是保持静默而不与其他TX进行任何形式的通信。虽然已经提出了许多方法来解决在存在可靠的信道状态信息(CSI)的情况下的链路调度问题,但是在每个TX处存在任意信道不确定性的情况下找到最优鲁棒传输策略在过去几年中仍然是难以捉摸的。在这项工作中,我们将链路调度问题转换为分散式分类问题,并提出使用协作深度神经网络(C-DNN)来解决这个问题。在充分的训练之后,使用C-DNN获得的调度灵活地适应分散的CSI配置,以优于其他调度算法。
2017-11-02 cs.IT math.IT
Generalized Rao Test for Decentralized Detection of an Uncooperative Target
我们解决分布式检测的非合作目标的无线传感器网络(WSN)。当目标存在时,传感器观察到(未知)确定性信号,其衰减取决于传感器和(未知)目标位置之间的距离,嵌入在双模态和单峰噪声中。融合中心(FC)通过易出错的二进制对称信道(BSC)接收量化的传感器观测值,并负责执行更准确的全局决策。由此产生的问题是一个双边参数测试与滋扰参数(即目标位置)只存在于备择假设。在引入广义似然比检验(GLRT)的基础上,基于Davies的框架,提出了一种与广义Rao(G-Rao)检验相对应的融合规则,以降低计算复杂性。此外,阈值优化的基本原理提出并通过仿真证实。最后,从性能和计算复杂性两个方面对上述规则进行了比较。
2017-03-11 cs.IT math.IT
Decentralized Conformal Novelty Detection via Quantized Model Exchange
Department of Mathematics and Statistics(数学与统计学系)
本文提出基于量化代理模型交换的去中心化新颖性检测框架,通过共享低精度表示实现对异构复合空分布的全局FDR控制,降低通信成本同时保持统计效力。
2026-05-07 cs.IT cs.LG eess.SP
One shot schemes for decentralized quickest change detection
这项工作考虑了N个分布式传感器,从环境中接收连续的顺序观测的最快检测的问题。这些传感器采用累积和(CSCUM)策略,并通过一次性方案与中央融合中心进行通信。单触发方案是传感器仅与融合中心通信一次的方案,之后它们必须发出检测信号。通信显然是异步的,并考虑融合中心采用最小策略的情况,这意味着当第一次通信发生时,它会发出警报。假设在传感器处接收到的观测是独立的,并且信号出现的时间点是不同的。结果表明,有没有损失的性能相比,集中式的情况下,在扩展的Lorden最小-最大意义上的一次拍摄计划,因为最小的N个NMEUMS是渐近最优的平均时间之间的虚警增加没有约束。
2008-08-03 cs.IT math.IT
Uncoordinated and Decentralized Processing in Extra-Large MIMO Arrays
提出了一种适用于超大型多输入多输出(XL-MIMO)阵列的分散接收机。我们的方法没有中央处理器(CPU),所有的信号检测任务都在分布式节点上完成。我们利用一个组合的消息传递框架,设计一个不协调的检测方案,克服了XL-MIMO系统中的三个主要挑战:计算复杂性,可扩展性和用户能量分布的非平稳性。我们的数值计算结果表明,一个显着的性能改善相比,基准分布式方法,同时操作非常接近集中式接收器。
2021-03-11 cs.IT eess.SP math.IT
A Sequential Problem in Decentralized Detection with Communication
考虑了分散检测中的一个序列问题。两个观察者可以对环境状态的二元假设进行重复的噪声观察。在任何时候,观察者1可以停止并向观察者2发送最终的二进制消息,或者它可以继续进行更多的测量。每次观察者1向观察者2发送最后一条消息时,它都会受到惩罚。观察者2的操作下,两个不同的场景进行了探讨。在第一种情况下,观察者2等待接收来自观察者1的最终消息,然后开始进行自己的测量。然后,它面临着一个停止问题,即是否停止并宣布对假设的决定或继续进行测量。在第二种情况下,观察者2从一开始就开始测量。然后,它面临着一个不同的停止问题。在任何时候,观察者2都可以决定是否停止并宣布对假设的决定,或者继续进行更多的测量并等待观察者1发送其最终消息。在这两种情况下,获得两个观察员的最优策略的参数特征。一个顺序的方法来寻找最优的政策。然后,扩展的参数表征的问题与增加的通信字母表的最终消息从观察者1到观察者2;和多个外围传感器的情况下,每个发送一个单一的最终消息的协调传感器谁作出的最后决定的假设。
2009-10-27 cs.IT math.IT math.OC
Data-Efficient Minimax Quickest Change Detection in a Decentralized System
传感器网络被认为是一个序列的随机变量在每个传感器观察。在每一个时间步,一个处理后的版本的观察是从传感器传输到一个共同的节点称为融合中心。在某个未知的时间点,所有传感器节点处的观测值的分布发生变化。目标是在虚警率和每个传感器观测成本的限制下,尽快检测这种分布变化。针对上述问题,提出了极大极小问题的求解方法.提出了一种数据有效的算法,在该算法中,在每个传感器处使用自适应采样策略来控制在改变之前使用的观测值的成本。为了节省通信成本,偶尔从每个传感器向融合中心发送二进制数字。结果表明,所提出的算法是全局渐近最优的配方,作为虚警率趋于零。
2014-08-20 cs.IT math.IT math.PR