Transmission Strategies for Remote Estimation with an Energy Harvesting Sensor
我们考虑使用能量收集（EH）传感器的时间相关信号的远程估计。传感器观察未知信号，并使用放大转发策略将其观察结果传送到远程融合中心。我们考虑的最佳功率分配策略的设计，以最小化在融合中心的均方误差。与传统方法相反，信号值之间的相关程度构成了我们制定的一个重要方面。我们提供了一些说明性的情况下的最佳功率分配策略。我们表明，最优化的功率分配策略，即尽可能平衡的功率分配，是最佳的情况下，循环广义平稳（c.w.s.s.）具有静态相关系数的信号，以及采样的低通c.w.s.静态信道的信号。我们表明，最佳策略可以被描述为一个注水型的解决方案采样低通c.w.s. s。用于衰落信道的信号。由于优化问题的数值解的高复杂性，我们提出了一般情况下的低复杂性策略。数值评估表明这些低复杂度策略的性能与最优策略的性能接近，并展示了EH约束和信号自由度的影响。
2016-10-09 cs.IT math.IT
Cooperative Wireless Sensor Network Positioning via Implicit Convex Feasibility
我们提出了一种分布式定位算法来估计未知的位置的目标节点的数量，给定的距离测量目标节点之间的目标节点和目标节点之间的一些参考节点在已知的位置。基于几何解释，我们制定的定位问题作为一个隐式的凸可行性问题，其中的一些集取决于未知的目标位置，并应用平行投影到凸集的方法来估计未知的目标节点的位置。所提出的技术是适合于并行实现，其中每个目标节点在并行可以更新其位置，并与其他目标共享其位置的估计。我们在数学上证明了该算法的收敛性。仿真结果表明，所提出的方法相比，现有的技术的基础上的预测，特别是稀疏网络的性能增强。
2013-09-09 cs.IT math.IT math.OC
Convex Optimization Based State Estimation against Sparse Integrity Attacks
我们认为存在完整性攻击的鲁棒估计的问题。有m个传感器监视状态，其中p个传感器受到攻击。由受损传感器收集的恶意测量值可以由攻击者任意操纵。经典的估计器如最小二乘估计器在所谓的（p，m）稀疏攻击下可能不能提供可靠的估计。在这项工作中，我们并没有限制我们的努力，研究是否任何特定的估计是弹性的攻击或没有，而是我们的目标是提出一些通用的充分和必要条件的鲁棒性，考虑一般类的凸优化为基础的估计。充分和必要条件被证明是紧的，一个平凡的差距。
2015-11-23 cs.IT math.IT
Optimized Sensor Collaboration for Estimation of Temporally Correlated Parameters
在本文中，我们的目标是设计最佳的传感器协作策略估计的时变参数，其中协作是指与相邻传感器共享测量传输到融合中心之前的行为。我们首先解决的传感器协作问题的不相关参数的估计。我们表明，由此产生的合作问题可以转化为一个特殊的非凸优化问题，其中凸函数的差异进行所有的非凸性。这个特定的问题结构，使使用的凹凸过程，以获得一个接近最优的解决方案。当感兴趣的参数是时间相关的，一个惩罚版本的凹凸过程变得非常适合设计的最佳合作方案。为了提高计算效率，我们进一步提出了一个快速算法，通过交替方向的乘法器的问题大小优雅地缩放。数值结果表明，我们的方法的有效性和传感器网络的参数相关性和时间动态的估计性能的影响。
2016-08-26 cs.IT math.IT stat.AP
Dynamic Bit Allocation for Object Tracking in Bandwidth Limited Sensor Networks
在本文中，我们研究了无线传感器网络（WSNs）中的目标跟踪问题，利用量化的传感器测量有限的带宽可用性。在跟踪的每个时间步，可用带宽$R$需要在WSN中的$N$传感器之间分配以用于下一个时间步。带宽分配问题的最优解可以通过使用组合搜索来获得，该组合搜索对于大的$N$和$R$可能在计算上变得过高。因此，我们开发了两个新的计算效率的次优带宽分配算法，这是基于凸松弛和近似动态规划（A-DP）。我们比较了均方误差（MSE）和计算复杂度性能的凸松弛和A-DP与其他现有的次优带宽分配方案的基础上广义Breiman，Friedman，Olshen，和Stone（GBFOS）算法和贪婪搜索。仿真结果表明，A-DP算法、凸优化算法和GBFOS算法的均方误差性能相当，与基于最优穷举搜索算法的均方误差性能非常接近，且性能明显优于贪婪搜索算法和基于最近邻的带宽分配算法。在计算上，A-DP比基于凸松弛和GBFOS的带宽分配方案更有效，特别是对于大型传感器网络。
2011-10-21 cs.IT math.IT stat.AP
Channel Access Strategies for Control-Communication Co-Designed Networks
针对多控制器多受控系统的无线网络化控制系统，基于泊松点过程建模开发通信-控制协同设计框架，结合ALOHA协议优化信道接入并通过汤普森采样实现次线性遗憾，提升控制性能与传输成功率。
2024-11-29 cs.IT math.IT
Study of Distributed Conjugate Gradient Strategies for Distributed Estimation Over Sensor Networks
提出了一种基于分布式共轭梯度算法的无线传感器网络参数估计和频谱估计算法。特别是，分布式的传统共轭梯度（CCG）和修改共轭梯度（MCG）被认为是与增量和扩散自适应解决方案。分布式CCG和MCG算法在均方误差方面与基于最小均方（LMS）的算法相比具有改进的性能，并且性能接近于递归最小二乘（RLS）算法。与现有的集中式或分布式估计策略相比，本文算法的主要特点是：1）可以获得更精确的估计和更快的收敛速度; 2）CG算法的预处理器设计，提出了一种改进CG算法性能的新方法;所提出的算法在分布参数估计和谱估计领域中实现。所提出的分布式估计算法的性能通过仿真来说明，并且所得到的算法是分布式的、协作的并且能够实时的响应环境的变化。
2016-01-16 cs.DC cs.IT 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
Distributed Cooperative Localization in Wireless Sensor Networks without NLOS Identification
提出了一种基于到达时间（TOA）数据的两阶段分布式协同定位算法，该算法无需识别非视距（NLOS）链路。在第一阶段中，为了克服离群值的影响，应用Huber损失函数的凸松弛，使得通过使用迭代优化技术，可以获得对真实传感器位置的良好估计。在第二阶段中，原始的（非松弛的）Huber成本函数被进一步优化，以基于在第一阶段中获得的那些来获得精细的位置估计。在这两个阶段中，使用简单的梯度下降技术来执行优化。通过仿真和实际数据分析，它表明，建议的凸松弛一般实现了较低的均方根误差（RMSE）相比，其他凸松弛技术在文献中。此外，通过进行第二阶段，位置估计得到改善，并且我们可以实现接近于其他分布式算法的RMSE，这些算法知道\textit{a priori}哪些链路处于NLOS中。
2014-03-03 cs.IT cs.NI math.IT
Optimization vs. Reinforcement Learning for Wirelessly Powered Sensor Networks
我们认为传感器节点的传感应用无线供电的能量信标。我们专注于联合优化的问题的能量信标的能量分配到不同的传感器和传感器的数据传输功率，以最大限度地减少在汇的字段重建误差。与标准的理想线性能量收集（EH）模型相比，我们考虑实际的非线性EH模型。我们在两个不同的框架下研究这个问题：i）能量信标知道节点的效用函数、信道状态信息和设备的能量收集特性的优化方法;因此，可以使用优化问题来设计最优功率分配策略，以及ii）学习方法，其中能量信标利用电池水平信息和关于效用函数的反馈自适应地决定其策略。我们的研究结果表明，深度强化学习方法可以获得与优化方法相同的错误水平，并提供了一个有前途的替代优化框架。
2018-06-06 cs.IT math.IT
Age of Information Optimization with Preemption Strategies for Correlated Systems
The George Washington University（乔治华盛顿大学）；Yale University（耶鲁大学）；Nanjing University of Information Science and Technology（南京信息工程大学）
本文提出了一种概率抢占策略，用于优化多传感器相关系统中的信息年龄，揭示了过程多样性对抢占优先级的影响。
2025-02-11 cs.IT math.IT
Optimized Data Rate Allocation for Dynamic Sensor Fusion over Resource Constrained Communication Networks
本文提出了一种新的方法来解决动态传感器融合问题。我们考虑了大量的远程传感器测量一个共同的高斯-马尔可夫过程和编码器，通过资源受限的通信网络传输的测量数据融合中心。所提出的方法在融合中心的状态估计误差的约束下，启发式地最小化通信成本的加权和。通信成本被量化为从传感器到融合中心的期望比特率。我们表明，制定的问题是一个不同的凸计划，并应用凸凹程序（CCP），以获得一个启发式的解决方案。我们考虑了一维热传递模型和二维目标跟踪的无人机群模型的数值研究。通过这些模拟，我们观察到，我们提出的方法有一种倾向，分配零数据速率不必要的传感器，表明我们的方法是稀疏促进，和一个有效的传感器选择启发式。
2022-10-18 cs.IT math.IT math.OC
Optimal Communication Strategies in Networked Cyber-Physical Systems with Adversarial Elements
在博弈论的框架下，研究了网络物理系统中防御者和攻击者的最优通信和协调策略。我们将信息物理系统的通信网络建模为一个传感器网络，该网络包含一个由多个传感器观测的单个高斯源，受加性独立高斯观测噪声的影响。传感器通过相干高斯多址信道与估计器通信。接收机的目标是以最小均方误差重建潜在的源。这里感兴趣的场景是，一些传感器被攻击者捕获，它们充当对手（干扰机）：它们努力最大化失真。接收器（估计器）知道捕获的传感器，但由于多址信道，即，对所有传感器的输出求和以生成估计器输入。我们表明，发射机传感器秘密同意一个随机事件，即“协调”的能力，在分析中起着关键作用…
2017-01-27 cs.CR cs.GT cs.IT
A Non-Convex Blind Calibration Method for Randomised Sensing Strategies
计算感测策略的实现通常面临校准问题，校准问题通常通过多个准确选择的训练信号来解决，这种方法可能是消耗资源和繁琐的。相反，盲校准不需要任何训练，但对应于双线性逆问题，其算法解决方案是一个开放的问题。在这里，我们将盲校准作为线性随机传感模型的非凸问题，我们的目标是从其在亚高斯随机向量上的投影中恢复未知信号，每个投影都受到未知的乘法因子（增益）的影响。为了解决这个优化问题，我们诉诸于从一个合适的初始化开始的投影梯度下降。对该算法的分析使我们能够表明，只要满足样本复杂度要求，它就收敛到全局最优值，即，将收敛与在感测过程期间收集的信息量相关联。最后，我们提出了一些数值实验中，我们的算法允许一个简单的解决方案，在计算传感应用中的传感器增益的盲校准。
2016-08-17 cs.IT math.IT math.OC
Trajectory Design for Distributed Estimation in UAV Enabled Wireless Sensor Network
在本文中，我们研究了一个无人机（UAV）使能的无线传感器网络，其中无人机被派遣到收集传感器节点（SN）的传感器数据估计未知参数。结果表明，为了使估计的均方误差最小，无人机需要从尽可能多的SN上采集数据，并在此基础上建立了一个基于实际机动约束的无人机航迹优化设计问题。虽然该问题是非凸的，NP-难的，我们证明了最优无人机轨迹只由连接的线段。通过这种简化，利用经典的旅行商问题（TSP）方法和应用凸优化技术，提出了一个有效的次优解决方案。仿真结果表明，所提出的轨迹设计实现了显着的性能增益的SN的数据被成功收集的数量，相比其他基准计划。
2018-05-11 cs.IT eess.SP math.IT
Distributed Sensor Selection using a Truncated Newton Method
我们提出了一个新的分布式算法计算截断牛顿法，其中的主对角线的Hessian计算使用的信念传播。作为这种方法的案例研究，我们研究传感器选择问题，布尔凸优化问题。我们形成两个分布式算法。第一个算法是Joshi和Boyd的内点方法的分布式版本，第二个算法是一个数量级更快的近似。作为一个例子，我们讨论了网络中的分布式异常检测。我们证明了我们的解决方案的适用性，使用合成数据和真实的流量日志收集阿比林互联网骨干。
2010-01-14 cs.IT math.IT
Distributed Event Localization via Alternating Direction Method of Multipliers
本文讨论了分布式事件定位的问题，使用噪声距离测量与已知位置的传感器。事件定位是许多无线传感器网络应用的基础，如国土安全，执法和环境研究。然而，大多数现有的分布式算法要求目标事件在部署的传感器的凸包内。基于交替方向乘子法（ADMM），提出了两种不要求目标事件在传感器部署的凸包内的可扩展分布式算法GS-ADMM和J-ADMM。更具体地说，这两种算法可以在整个传感器网络被划分为几个簇的场景中实现，簇头收集每个簇内的测量值并交换中间计算信息以实现所有簇之间的定位一致性（共识）。这种情况在许多应用中非常重要，例如国土安全和执法。仿真结果验证了所提算法的有效性。
2018-07-01 cs.DC cs.IT math.IT
Outage Probability Minimization for UAV-Enabled Data Collection with Distributed Beamforming
研究了一种基于无人机的无线传感器网络，其中一架无人机在空中飞行，通过分布式波束形成技术收集来自一组传感器的数据。我们考虑延迟敏感的应用场景，其中传感器通过使用固定的数据率和自适应的发送功率来发送公共/共享消息。在此基础上，在满足无人机飞行速度约束和传感器平均功率约束的前提下，联合优化无人机轨迹设计和传感器发射功率分配，以最小化传输中断概率。然而，制定中断概率最小化问题是非凸的，因此很难在一般情况下得到最优解。为了解决这个问题，我们首先考虑在理想情况下的无人机的飞行速度约束忽略的特殊问题，得到结构良好的最优解，揭示了基本的性能上界。其次，对于一般的无人机飞行速度约束问题，我们提出了一个有效的算法来解决它的次优使用凸优化和近似技术。最后，数值结果表明，我们提出的设计实现了显着降低中断概率比其他基准计划。
2020-03-07 cs.IT eess.SP math.IT
DILAND: An Algorithm for Distributed Sensor Localization with Noisy Distance Measurements
在这种对应关系中，我们提出了一种算法，分布式传感器定位与噪声距离测量（DILAND）的扩展，使DLRE更强大。DLRE是$\mathbb{R}^m$ $(m\geq1)$中的分布式传感器定位算法，在\cite{usman_loctsp:08}中引入。DILAND在以下情况下运行：（i）传感器之间的通信有噪声;（ii）网络中的通信链路可能以非零概率失败;以及（iii）为计算传感器之间的距离而执行的测量被噪声破坏。传感器（不知道它们的位置）位于至少$m+1$锚（知道它们自己的位置的节点）的凸包中。在对网络中每个传感器的连通性和三角测量的最小假设下，这种对应关系表明，在上述广泛的随机现象下，DILAND几乎肯定收敛（a.s.）精确的传感器位置
2009-10-14 cs.DC cs.IT math.IT
Sensor Design for Accuracy-Bounded Estimation via Maximum-Entropy Likelihood Synthesis
Texas A&M University（德克萨斯农工大学）
本文提出通过最大熵后验进行似然合成，以在给定误差预算下实现高精度估计，适用于时空系统的大规模传感架构设计。
2026-05-11 cs.IT cs.SY eess.SP
