Distributed Source Coding of Correlated Gaussian Remote Sources
本文研究了$L$相关高斯观测值$Y_i, i=1,2, ..., L$的分布式信源编码系统。设$X_i,i=1,2, ..., L$是$L$相关的高斯随机变量,$N_i,$ $i=1,2,... L$是独立的加性高斯噪声,也与$X_i, i=1,2,..., L$无关。我们考虑这样的情况,其中对于每个$i=1,2,..., L$,$Y_i$是$X_i$的噪声观测,即,$Y_i=X_i+N_i$。在这种编码系统中,率失真区域的确定问题仍然是开放的。在本文中,我们推导出明确的外部和内部边界的率失真区域。我们进一步找到了这两个匹配的显式充分条件。我们还研究了相关系数具有对称性时率失真区域的和率部分,并给出了和率部分的一个新的下界。我们得到一个充分条件,这个下界是紧的。导出的充分条件仅依赖于源和观测值的相关性。
2009-08-09 cs.IT math.IT
On a Relationship between the Correct Probability of Estimation from Correlated Data and Mutual Information
设$X$、$Y$是两个相关的离散随机变量。我们考虑通过一些编码器函数$φ(Y)$从$Y$的编码数据$φ(Y)$估计$X$。我们推导出一个描述正确估计概率与$X$和$φ(Y)$之间的互信息之间关系的不等式。该不等式可用于以估计秘密数据的成功概率作为安全性判据的密码系统的安全性分析。给出了强保密准则中保密指数的直观含义。
2017-02-04 cs.IT math.IT
Distributed Source Coding for Correlated Memoryless Gaussian Sources
本文研究了$L$相关高斯观测值$Y_i, i=1,2,...,L$的分布式信源编码问题。我们假设随机向量$Y^{L}={}^{\rm t} (Y_1,Y_2,$ $...,Y_L)$是高斯随机向量$X^K={}^{\rm t}(X_1,X_2,...,X_K)$的观测值,具有形式$Y^L=AX^K+N^L ,$,其中$A$是$L\times K$矩阵,而$N^L={}^{\rm t}(N_1,N_2,...,N_L)$是$L$独立的高斯随机变量的向量,也独立于$X^K$。$X^K$上的估计误差由失真协方差矩阵来测量。率失真区域是由一组所有的速率矢量定义的,对于这些速率矢量,在半正定的意义下,估计误差的上界是由任意指定的协方差矩阵限定的。在本文中,我们推导出明确的外部和内部边界的率失真区域。这一结果为研究这种高斯分布信源编码系统的直接和间接信源编码问题提供了一个有用的工具,而这一问题目前还没有得到解决。
2010-01-13 cs.IT math.IT
Distributed Nonlinear Transform Source-Channel Coding for Wireless Correlated Image Transmission
本文提出分布式非线性变换源信道编码框架,通过显式建模联合分布和联合熵模型,在无线相关图像传输中优于现有分布式方案。
2025-03-27 cs.IT math.IT
On Distributed Lossy Coding of Symmetrically Correlated Gaussian Sources
本文研究了一个具有$L$编码器和解码器的分布式有损压缩网络。每个编码器观察一个源,并将压缩版本发送到解码器。解码器产生目标信号的联合重建,均方误差失真低于给定阈值。假设观测源可以表示为目标信号和由两个对称多元高斯分布独立产生的破坏性噪声之和。该网络的最小压缩率与失真阈值的关系被称为率失真函数,通过求解最小化问题来建立其明确的下限。我们的下限匹配著名的Berger-Tung上限的失真阈值的一些值。上界和下界之间的渐近间隙的特征在于大的$L$极限。
2022-06-03 cs.IT math.IT
On Capacity of Large-Scale MIMO Multiple Access Channels with Distributed Sets of Correlated Antennas
本文提出了一种确定性遍历和速率的等价形式,并给出了一种估计上行链路大规模多输入多输出(MIMO)天线信道容量实现输入协方差矩阵的算法。我们考虑一个大规模的MIMO系统,由多个用户和一个基站与几个分布式天线集。用户和天线组之间的每个链路形成具有视线(LOS)分量的双侧空间相关MIMO信道。我们的推导是基于新的技术,从高维随机矩阵理论(RMT)的假设下,在终端的天线数量接近无穷大的固定比例。确定性等价的结果(遍历和速率和容量实现输入协方差矩阵的确定性等价)是很容易计算的,并被证明是准确的现实系统的尺寸。此外,他们被证明是不变的几种类型的衰落分布。
2012-09-26 cs.IT math.IT
Distributed Indirect Source Coding with Decoder Side Information
本文面向任务语义通信与分布式学习场景,研究带解码器边信息的分布式间接信源编码率失真问题,给出通用率失真区域界,并在信源条件独立于边信息时精确刻画率失真函数。
2024-05-22 cs.IT math.IT
Distributed Compressed Estimation for Wireless Sensor Networks Based on Compressive Sensing
本文提出了一种基于压缩感知技术的稀疏信号和系统的分布式压缩估计方法。该方案由压缩和解压缩模块的启发压缩感知执行分布式压缩估计。文中还提出了一种测量矩阵优化的设计方法和算法,进一步提高了分布式压缩估计算法的性能。无线传感器网络的仿真结果表明,所提出的方案和算法的收敛速度和均方误差性能方面的优势。
2015-02-03 cs.IT math.IT
Covariance Matrix Estimation from Linearly-Correlated Gaussian Samples
协方差矩阵估计涉及从样本集合中估计协方差矩阵的问题,这在许多应用中是极其重要的。经典的结果表明,$O(n)$样本足以从$n$维独立高斯样本中精确地估计协方差矩阵。然而,在许多实际应用中,接收信号样本可能是相关的,这使得经典的分析不适用。本文对相关高斯样本协方差矩阵的估计进行了非渐近分析。我们的理论结果表明,误差界是由信号维数$n$,样本大小$m$,和相关样本协方差矩阵分布的形状参数。特别地,当形状参数是一类Toeplitz矩阵(其具有很大的实际意义)时,$O(n)$样本也足以从相关样本忠实地估计协方差矩阵。仿真结果验证了理论结果的正确性。
2019-03-18 cs.IT math.IT
Learning to Cache: Distributed Coded Caching in a Cellular Network With Correlated Demands
分布式缓存机制的设计被认为是一个活跃的研究领域,由于其有前途的解决方案,在减少数据负载的回程链路的蜂窝网络。在本文中,分布式内容缓存的小小区基站(sBS)的无线网络中,最大限度地提高缓存命中性能的问题被认为是。大多数现有的工作集中在静态需求,然而,在这里,每个sBS处的数据被认为是跨时间和sBS相关的。缓存策略被假定为过去的缓存策略的加权组合。一个高概率的泛化保证所提出的缓存策略的性能。理论保证提供了关于获得缓存策略的以下见解:(i)在每个sBS处运行遗憾最小化以获得跨时间的缓存策略的序列,以及(ii)最大化边界的估计以获得取决于差异的缓存策略的权重集合。最后,给出了LRFU缓存策略性能的理论保证。在此基础上,提出了基于联邦学习的启发式缓存算法。最后,通过使用Movie Lens数据集的仿真表明,该算法显着优于LRFU算法。
2020-10-13 cs.IT math.IT
Distributed Massive MIMO Channel Estimation and Channel Database Assistance
由于单天线信噪比低和信令开销大,信道估计是大规模MIMO系统的主要瓶颈。空间约束可以通过利用稀疏性来提高估计性能。存在基于到达角估计的远场波束域信道估计的解决方案。然而,对于近场和分布式MIMO空间信道估计没有等效的解决方案。我们提出了一种解决方案-源域信道估计-这是基于源位置估计。我们扩展到采用“信道数据库”,将有关的物理散射环境的信息到信道估计。我们提出的方法来生成,存储和使用的渠道数据库,以协助本地化和通信。
2017-12-19 cs.IT math.IT
A New Data Processing Inequality and Its Applications in Distributed Source and Channel Coding
在相关信源的分布式编码中,出现了描述一对随机变量的联合概率分布的问题。这个问题的精确解是难以解决的。在本文中,我们寻求一个单字母的必要条件,这n-字母马尔可夫链。为此,我们提出了一个新的数据处理不等式的一个新的相关性的措施,通过谱分析。基于这一新的数据处理不等式,我们提供了所需的联合概率分布的一个单字母的必要条件。我们将我们的结果应用到两个具体的例子,涉及相关源的分布式编码:多终端率失真区域和多址信道与相关源,并提出了新的必要条件,这两个问题。
2006-11-03 cs.IT math.IT
Distributed Source Coding of Correlated Gaussian Sources
我们考虑$L$相关高斯源$Y_i,i=1,2,...,L$的分布式信源编码系统,$Y_i,i=1,2,...,L$是相关高斯远程源$X_k, k=1,2,...,K$的噪声观测。我们假设$Y^{L}={}^{\rm t}(Y_1,Y_2,$ $..., Y_L)$是源向量$X^K={}^{\rm t}(X_1,X_2,..., X_K)$的观测,具有$Y^L=AX^K+N^L$的形式,其中$A$是$L\times K$矩阵,而$N^L={}^{\rm t}(N_1,N_2,...,N_L)$是$L$独立的高斯随机变量的向量,也独立于$X^K$。在该系统中,$L$相关高斯观测值分别由$L$编码器压缩并发送到信息处理中心。我们研究了远程信源编码问题,在中心的解码器试图重建远程源$X^K$。我们考虑三个失真准则的基础上的协方差矩阵的估计误差$X^K$。对于这三个标准中的每一个,我们得到明确的内部和外部边界的率失真区域。接下来,在$K=L$和$A=I_L$的情况下,我们研究了多终端信源编码问题,其中解码器希望重建观测$Y^L=X^L+N^L$。为了研究这个问题,我们将建立一个结果,它提供了一个强有力的连接之间的远程信源编码问题和多端信源编码问题。利用这一结果,我们驱动几个新的部分解决方案的多端信源编码问题。
2011-02-18 cs.IT math.IT
Diffusion Least Mean P-Power Algorithms for Distributed Estimation in Alpha-Stable Noise Environments
我们提出了一种扩散最小平均p-功率(LMP)算法的分布估计在α稳定噪声环境中,这是一个广泛使用的模型,出现在各种环境中。与扩散最小均方(LMS)算法相比,当噪声具有α稳定分布时,扩散LMP算法具有更好的性能。
2013-07-27 cs.IT 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
Correlated quantization for distributed mean estimation and optimization
Google Research(谷歌研究院)
研究了通信约束下的分布均值估计和优化问题。我们提出了一个相关的量化协议,其领先的长期在误差保证取决于数据点的平均偏差,而不仅仅是他们的绝对范围。该设计不需要任何关于数据集浓度属性的先验知识,这是在以前的工作中获得这种依赖性所必需的。我们表明,应用该协议的子例程在分布式优化算法导致更好的收敛速度。我们还证明了我们的协议在温和的假设下的最优性。实验结果表明,我们提出的算法优于现有的均值估计协议在不同的任务集。
2022-07-08 cs.DS cs.IT cs.LG
Distributed conjugate gradient strategies for parameter estimation over sensor networks
提出了一种基于共轭梯度法的分布式自适应算法。增量和扩散自适应解决方案都被认为是。分布式常规(CG)和修改的CG(MCG)算法有一个改进的性能方面的均方误差相比,最小均方(LMS)为基础的算法和性能接近递归最小二乘(RLS)算法。由此产生的算法是分布式的,合作的,能够实时的响应环境的变化。
2013-06-18 cs.IT math.IT
Converses for distributed estimation via strong data processing inequalities
我们考虑分布式估计的问题,其中本地处理器观察独立的样本条件下的一个共同的随机参数的兴趣,映射到一个有限数量的位的意见,并将这些位发送到一个远程估计独立的噪声信道。我们推导出这个问题的逆结果,如贝叶斯风险的下界。主要的技术工具包括通过互信息和小球概率的贝叶斯风险的下界,以及相对熵的强数据处理不等式。我们的结果可以恢复和改进一些现有的无噪声信道的分布式估计的结果,也捕捉噪声信道对估计性能的影响。
2015-04-23 cs.IT math.IT
Channel Estimation Techniques for Quantized Distributed Reception in MIMO Systems
物联网(IoT)可以实现云多输入多输出(MIMO)系统的开发,其中支持互联网的设备可以作为分布式传输/接收实体工作。我们预计,使用云MIMO的分布式接收的空间复用将是未来无线通信系统的关键因素。在本文中,我们首先审查实际的接收机的空间复用传输数据的分布式接收的融合中心依赖于量化的接收信号从地理上分离的接收节点。使用这些接收机的结构,我们提出了实用的块衰落的情况下的信道估计技术。所提出的信道估计技术依赖于在接收节点处的非常简单的操作,同时随着训练长度变大而实现接近最优的信道估计性能。
2014-11-30 cs.IT math.IT
Distributed Joint Source-Channel Coding for Functions over a Multiple Access Channel
在本文中,我们提供了相关数据的功能在多址信道(MAC)的有损传输的充分条件。所得的条件可作为Yamamoto结果的推广.我们还获得了有效的联合信源-信道编码方案,用于传输离散和连续字母表信源以恢复函数值。关键词:联合信源-信道编码,图着色,Lipschitz函数,相关信源.
2009-08-09 cs.IT math.IT
Robust Distributed Compression of Symmetrically Correlated Gaussian Sources
考虑具有$\ell$分布式编码器和集中式解码器的有损压缩系统。每个编码器压缩其观测源,并将压缩数据转发到解码器,用于在均方误差失真约束下联合重建目标信号。假设观测源可以表示为目标信号和破坏性噪声之和,这两个破坏性噪声独立地产生于两个对称的多元高斯分布。取决于这样的分布的参数,该系统的率失真极限的特征在于完全或至少足够低的失真。结果被进一步扩展到鲁棒分布式压缩设置,其中编码器的子集的输出也可以用于产生对应的目标信号的非平凡重构。特别是,我们在高-当所有$\ell$编码器中的每个$k$共同以相同模式操作时,基于$k+1$或更多编码器的输出的最小可实现重构失真的精确表征,该模式在最小化由相应$k$目标信号的重构引起的失真相对于这些目标信号的平均速率的意义上是贪婪的$k$编码器。
2018-07-18 cs.IT math.IT
Distributed Secret Sharing over a Public Channel from Correlated Random Variables
该研究推广Shamir秘密共享模型,允许联合设计、使用公共信道和相关随机性,并考虑多子分发者场景,提出两种新技术,得到阈值和全有或全无访问结构的容量区域。
2024-02-05 cs.IT math.IT
Coverage Probability of Distributed IRS Systems Under Spatially Correlated Channels
针对相关瑞利衰落 SISO 场景,论文用确定性等价分析推导两类分布式 IRS 部署的闭式覆盖概率并优化,证明增加反射面数量优于增加单表面元件数。
2021-05-11 cs.IT math.IT
Distributed Estimation of Dynamic Fields over Multi-agent Networks
本文提出了多智能体/传感器网络中时变随机场估计的分布式算法。传感器网络对动态场进行稀疏且有噪声的局部测量。每个传感器的目标是获得无偏分布估计的整个领域的有界均方误差(MSE)的基础上,自己的本地观测和邻居的估计。本文提出了三种新的分布式估计器:伪新息卡尔曼滤波器(PIKF)、分布式信息卡尔曼滤波器(DIKF)和一致性+新息卡尔曼滤波器(CIKF)。我们设计的增益矩阵,使估计实现无偏估计与有界的MSE在最小的假设下的本地观测和网络通信模型。这项工作建立了这三个分布式估计之间的权衡,并演示了他们如何优于现有的解决方案。我们通过大量的数值计算来验证我们的结果。
2017-01-10 cs.IT math.IT
Optimal Asymmetric Binary Quantization for Estimation Under Symmetrically Distributed Noise
在这封信中考虑了基于噪声和二进制量化测量的位置参数估计。我们研究了不同对称单峰噪声分布的Cramer-Rao界作为量化器阈值的函数的行为。我们表明,在某些情况下,直观的选择阈值位置的对称性的问题,把阈值的真实参数值,可以导致局部最差的估计性能。
2013-10-25 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
5G Mobile Cellular Networks: Enabling Distributed State Estimation for Smart Grids
随着向5G的过渡,移动蜂窝网络正在发展成为无处不在的大规模信息获取、通信、存储和处理的强大平台。5G将为关键任务和实时应用提供合适的服务,例如未来智能电网中设想的应用。在这项工作中,我们展示了新兴的5G移动蜂窝网络,其机器类型通信的演变和移动边缘计算的概念,为智能电网中的分布式监测和控制任务提供了足够的环境。特别是,我们详细介绍了智能电网如何从5G环境中的先进分布式状态估计方法中受益。我们提出了一个新兴的分布式状态估计解决方案的概述,重点是那些基于分布式优化和概率图形模型,并研究其集成为未来5G智能电网服务的一部分。
2017-05-20 cs.IT math.IT
Optimal Sampling and Scheduling for Remote Fusion Estimation of Correlated Wiener Processes
METU, Ankara, Turkey(中东理工大学)
本文针对分布式传感器网络中相关观测异步到达的融合估计难题,建立分离原理并提出采样、调度与估计的联合最优策略,证明拉取式通信下优化信息年龄等价于优化均方误差,为相关传感环境的估计设计提供了新替代指标。
2025-10-25 cs.IT math.IT
Distributed Frequency Offsets Estimation
在本文中,我们提供了一个分布式的频率偏移估计算法的基础上的一个变种的信念传播(BP)。网络中的每个代理单独地预补偿其载波频率,使得在每对收发器之间不存在与期望载波频率的频率偏移。每个代理的预补偿偏移以分布式方式计算,以便适应分布式网络。为了减少通信负担,BP算法的变体更新过程采用广播方式设计。严格证明了算法的收敛性。仿真结果表明,该方法在误差接近Cramér-Rao下界的情况下,几乎达到了最优的频率补偿精度。
2018-02-12 cs.IT math.IT
A Distributed Sparse Channel Estimation Technique for mmWave Massive MIMO Systems
在本文中,我们研究了稀疏信道估计的问题,通过协作和完全分布式的方法。估计问题制定在角度域中,通过利用空间上共同的稀疏结构的多用户场景中所涉及的信道。稀疏信道估计问题是通过一个有效的分布式方法解决的,在该方法中,参与的用户协同估计他们的信道稀疏支持集,在本地估计信道值之前,假设存在全局和公共支持子集。所提出的算法,命名为WDiOMP的性能进行比较,DiOMP,本地OMP和集中式解决方案的基础上SOMP,在支持集恢复错误在各种实验场景下。即使在底层稀疏结构未知的情况下,也证明了WDiOMP的功效。
2021-07-22 cs.IT math.IT
Spatially correlated channel estimation based on block iterative support detection for large-scale MIMO
在大规模MIMO系统中,由于MIMO信道维数的大幅增加,具有低导频开销的下行链路信道估计是一个重要且具有挑战性的问题。在这封信中,我们提出了一种基于块迭代支持检测(块ISD)的下行链路信道估计算法,以减少导频开销,这是通过充分利用块稀疏等效信道中固有的块稀疏性从MIMO信道的空间相关性。此外,与依赖于稀疏水平的先验知识的传统压缩感测(CS)算法不同,块ISD放宽了这一苛刻的要求,因此更具有实际吸引力。仿真结果表明,块ISD产生更好的归一化均方误差(NMSE)的性能比经典CS算法,并实现比传统的信道估计技术减少84%的导频开销。
2014-10-20 cs.IT math.IT
Antenna Impedance Estimation in Correlated Rayleigh Fading Channels
本文在相关瑞利衰落信道中建立天线阻抗估计框架,基于多分组训练序列推导最大似然估计器,并通过数值实验分析其效率及信道相关性的影响。
2023-07-07 cs.IT eess.SP math.IT
Improved Communication Efficiency for Distributed Mean Estimation with Side Information
在本文中,我们考虑分布式均值估计问题,其中服务器可以访问一些边信息,例如,其本地计算的均值估计或由分布式客户端在先前迭代发送的接收信息。我们基于Mayekar等人提出的r比特Wynzer-Ziv估计器提出了一个实用而有效的估计器,这不需要对数据进行概率假设。不同于Mayekar的工作,只利用在服务器端的边信息,我们的计划联合利用客户端的数据和服务器端的边信息之间的相关性,以及不同客户端的数据之间。我们推导出所提出的估计器的估计误差的上界。在此上界的基础上,我们给出了两种选择估计器输入参数的算法。最后,我们的估计是优于前一个参数区域的特点。
2021-02-04 cs.IT math.IT
Network-Wide Distributed Carrier Frequency Offsets Estimation and Compensation
在本文中,我们提出了一个分散系统中的频率偏移估计的全分布式算法。该算法中,每个节点通过本地计算和有限的信息交换来估计其频偏。这种算法不需要任何集中的信息处理或全局网络拓扑的知识。分析表明,无论网络拓扑如何,该算法总是收敛到最优估计。仿真结果表明,该算法的快速收敛性,并显示在每个节点的估计均方误差触及集中式Cramér-Rao界内的几个{迭代的消息交换}。因此,所提出的方法具有较低的开销,并可扩展的网络规模。
2016-07-10 cs.IT math.IT
Asymptotic Data Rates of Receive-Diversity Systems with MMSE Estimation and Spatially Correlated Interferers
提出了一种渐近技术来表征在空间分布式网络中具有相关位置处的有源中继器、N个接收分集分支和线性最小均方误差(MMSE)接收器的代表性无线链路上可实现的比特/符号。这个框架,然后应用到系统,包括类似物的Matern I型和II型网络,这是有用的模型系统与媒体访问控制(MAC),蜂窝上行链路与正交传输和频率复用,和布尔集群网络。据发现,对于我们的网络模型,与适度大的N,的相关性之间的位置并不显着影响的比特/符号,导致在简单的近似值的数据率可实现在这样的网络,这是已知的是难以分析,并为其中很少的分析结果是可用的。
2013-12-26 cs.IT math.IT
New Distributed Source Encryption Framework
提出并研究了基于公钥密码体制的分布式安全信源编码。该密码系统包括Santoso和Oohama提出的使用后加密压缩的具有相关密钥的分布式加密源的保密放大问题。在本文中,我们提出了另一种新的安全标准,通常是更严格的比常用的安全标准,这是基于明文和密文之间的互信息的上界。在此准则下,我们建立了相关信源安全传输的充分必要条件。
2022-08-30 cs.IT math.IT
Learning-Based Distributed Detection-Estimation in Sensor Networks with Unknown Sensor Defects
我们认为一个未知的确定性标量参数(目标信号)在无线传感器网络(WSN),其中每个传感器接收到一个单一的快照字段的分布式估计的问题。我们假设在每个节点的观察随机落入两种模式之一:有效或无效的观察模式。具体地,模式一对应于期望的信号加噪声观测模式(\emph{valid}),模式二对应于由于节点缺陷或损坏的纯噪声模式(\emph{invalid})。没有先验信息,这样的本地传感模式,我们引入了一个基于学习的分布式过程,称为混合检测估计(MDE)算法,基于模式学习(检测)和目标估计之间的迭代闭环相互作用。在线学习步骤在每次迭代时重新评估局部观测的有效性,从而细化正在进行的估计更新过程。MDE算法的收敛性建立解析。渐近分析表明,在高信噪比(SNR)制度,MDE估计误差收敛到一个理想的(集中式)估计与完美的信息节点的感知模式。这与基于朴素平均一致性的分布式估计器(没有模式学习)的估计性能形成对比,其估计误差随着SNR的增加而增大。
2015-10-08 cs.IT math.IT
DOA Estimation in Partially Correlated Noise Using Low-Rank/Sparse Matrix Decomposition
本文研究了部分相关噪声环境中噪声协方差矩阵稀疏的波达方向估计问题。稀疏噪声协方差矩阵是由多个相距甚远的子阵组成的稀疏阵列的一种常用模型。由于子阵列中的传感器之间的元件间间距很小,所以子阵列中的噪声一般是空间相关的,而由于子阵列之间的距离很大,它们之间的噪声是不相关的。因此,这样的阵列的噪声协方差矩阵具有块对角结构,其确实是稀疏的。此外,在一个普通的非稀疏阵列,由于相邻的传感器之间的距离很小,有相邻的传感器之间的噪声耦合,而人们可以假设,非相邻的传感器具有空间不相关的噪声,这使得阵列噪声协方差矩阵稀疏。利用低秩/稀疏矩阵分解、矩阵完备化和稀疏表示中的一些最近可用的工具,我们提出了一种新的方法,该方法可以在上述部分相关噪声中解决可能相关甚至相干的源。特别是,当源不相关时,我们的方法涉及求解二阶锥规划(SOCP),如果它们相关或相干,则需要求解计算上更难的凸规划。我们证明了该算法的有效性,通过数值模拟和比较的Cramer-Rao界(CRB)。
2014-05-04 cs.IT math.IT
Direction-of-Arrival Estimation for Temporally Correlated Narrowband Signals
使用传感器阵列的信号到达方向估计在过去二十年中已经成为深入研究和开发的主题。人们一直在努力为通用数据模型寻找更好的解决方案,并开发更切合实际的模型。到目前为止,许多作者都假设数据是多元统计模型的iid样本。虽然这种假设降低了模型的复杂性,但在信号显示时间相关性的某些情况下可能不成立。文献中已有关于时间相关信号模型的一些结果。计算了时间相关的随机Cramer-Rao界,并介绍了一种基于工具变量的方法IV-SSF。此外,它已被证明,时间相关的CRB是下界的确定性CRB。在本文中,我们证明了时间相关CRB也是随机iid CRB的上界。我们调查的最佳可实现的性能上的信号的时间相关性的效果。我们还表明,IV-SSF方法是不有效的,并根据CRB的分析,提出了一种方法,提高其性能的变化。仿真结果表明,所提出的方法在更低的偏差和误差方差方面的性能有所改善。
2009-04-23 cs.IT math.IT
Distributed Low-Rank Estimation Based on Joint Iterative Optimization in Wireless Sensor Networks
University of York(约克大学);PUC-Rio(里约热内卢天主教大学);Princeton University(普林斯顿大学)
提出了一种新的分布式降秩算法和一种自适应分布式估计算法。建议的分布式方案是基于一个变换,在网络的每个代理进行降维,然后由一个降维参数向量。提出了一种分布式降秩联合迭代估计算法,与现有技术相比,该算法能够显著降低通信开销,提高估计性能。仿真结果表明,所提出的策略在收敛速度和均方误差性能方面的优势。
2014-11-05 cs.IT cs.LG math.IT
Study of Distributed Spectrum Estimation Using Alternating Mixed Discrete-Continuous Adaptation
针对传感器网络参数和谱估计问题,提出了一种分布式交替混合离散-连续(DAMDC)算法来逼近基于扩散策略的预言算法。最小均方(LMS)型算法,获得预言矩阵自适应开发和现有的稀疏意识和传统的算法进行比较。该算法在均方偏差和功率谱估计精度方面表现出更好的性能。数值结果表明,DAMDC算法具有良好的性能。
2016-04-11 cs.DC cs.IT math.IT
Distributed Adaptive LMF Algorithm for Sparse Parameter Estimation in Gaussian Mixture Noise
Ferdowsi University of Mashhad(马什哈德菲尔多西大学)
提出了一种基于归一化最小均值四阶(NLMF)准则的非高斯噪声背景下稀疏未知参数估计的分布式自适应算法。在第一步中,局部自适应NLMF算法被修改为零范数,以加快收敛速度,并减少在稀疏条件下的稳态误差功率。然后,所提出的算法扩展到分布式的情况下,由于局部自适应滤波器的合作,估计性能得到了更大的改善。仿真结果表明,该算法与传统的NLMF算法相比,具有明显的优越性。
2015-12-08 cs.CL cs.IT math.IT
Message Passing-Based Joint User Activity Detection and Channel Estimation for Temporally-Correlated Massive Access
本文研究了时间相关大规模接入系统中的用户活动检测和信道估计问题,其中大量用户零星地与基站进行通信,并且每个用户一旦被激活就可以以很大的概率在多个连续帧上进行传输。我们制定的问题作为一个动态压缩感知(DCS)的问题,利用稀疏性和用户活动的时间相关性。通过利用混合广义近似消息传递(HyGAMP)框架,我们设计了一个计算效率高的算法,HyGAMP-DCS,来解决这个问题。与仅利用历史估计相比,所提出的算法在相邻帧之间执行双向消息传递以用于活动似然更新,从而充分利用时间相关的用户活动。此外,我们开发了一个期望最大化HyGAMP-DCS(EM-HyGAMP-DCS)算法,自适应学习超参数的估计过程中,当系统统计是未知的。特别地,我们建议利用状态演化的分析工具来找到合适的EM-HyGAMP-DCS的超参数初始化。仿真结果表明,本文提出的算法可以显著提高用户活动检测精度,减小信道估计误差。
2023-01-26 cs.IT eess.SP math.IT
Channel Estimation for Spatially/Temporally Correlated Massive MIMO Systems with One-Bit ADCs
本文考虑了大规模多输入多输出(MIMO)系统,使用一位模数转换器(ADC)的信道估计问题。以前的大规模MIMO信道估计技术使用一位ADC都是基于单次估计,而没有利用无线信道中固有的时间相关性。在本文中,我们提出了一种自适应信道估计技术,考虑到空间和时间相关性的大规模MIMO与一位ADC。我们首先使用Bussgang分解线性化的一位量化的接收信号。然后,我们采用卡尔曼滤波器估计的空间和时间相关的信道。由于量化噪声不是高斯的,我们假设有效噪声是具有相同统计量的高斯噪声以应用卡尔曼滤波。我们还实现了基于截断多项式展开的低复杂度信道估计器,性能损失可以忽略不计。数值结果表明,所提出的信道估计器可以提高估计精度显着利用信道的空间和时间的相关性。
2019-12-09 cs.IT eess.SP math.IT
Channel Estimation for Reconfigurable Intelligent Surface-Aided Multiuser Communication Systems Exploiting Statistical CSI of Correlated RIS-User Channels
针对RIS辅助多用户MISO系统导频开销过高的问题,本文建立波束域相关信道模型,采用导频复用并提出EP算法,以更低开销实现精确信道估计。
2023-09-27 cs.IT eess.SP math.IT
Distributed Estimation and Detection with Bounded Transmissions over Gaussian Multiple Access Channels
分布式推理计划,它使用有界传输函数在高斯多址信道被认为是。当传感器测量作为传感器指数的函数可靠性递减时,表征了在其下一致估计和可靠检测是可能的传输函数上的条件。对于分布估计问题,在噪声样本方差有界且传递函数为一对一的条件下,证明了使用有界传递函数的估计方案是强相合的.所提出的估计方案相比,放大和转发技术和其鲁棒性的脉冲传感噪声分布突出。放大和转发方案相比,它也表明,有界传输遭受不一致的估计,如果感测噪声方差趋于无穷大。对于分布式检测问题,通过研究偏转系数也得到了类似的结果。模拟证实了我们的分析结果。
2013-06-26 cs.DC 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 Topology Adaptation and Distributed Estimation for Smart Grids
University of York(约克大学);Princeton University(普林斯顿大学)
本文提出了新的动态拓扑自适应策略,在智能电网系统中的分布式估计。提出了一种基于动态穷举搜索的拓扑自适应算法和一种基于动态稀疏性的拓扑自适应算法,该算法能够利用链路质量较差的智能电网拓扑,并获得性能增益。我们将一个优化的组合规则,命名为黑斯廷斯规则到我们提出的动态拓扑自适应算法。与现有的分布式估计算法相比,该算法具有更好的收敛速度,显著提高了系统性能。所提出的算法的性能进行了比较,与现有的算法在IEEE 14节点系统。
2014-01-14 cs.IT cs.LG math.IT
Distributed State Estimation Using Intermittently Connected Robot Networks
Duke University(杜克大学)
研究了多机器人系统的分布式状态估计问题。机器人的通信能力有限,因此,只有当它们在物理上彼此接近时,才间歇地传送它们的测量结果。为了减少机器人只需要进行通信的距离,我们将它们分成小团队,这些小团队可以在不同的位置进行通信,以共享信息并更新它们的信念。然后,我们提出了一个新的分布式方案,结合(i)通信时间表,确保网络是间歇性连接,和(ii)采样为基础的运动规划的机器人在每个团队的目标,以收集最佳的测量和决定这些机器人的位置进行通信。据我们所知,这是第一个分布式的状态估计框架,放松所有的网络连接的假设,并控制间歇性的通信事件,使估计的不确定性最小化。我们目前的模拟结果表明,显着提高估计精度相比,保持一个端到端的连接网络的所有时间的方法。
2018-09-19 cs.IT cs.RO math.IT
Training Design and Two-stage Channel Estimation for Correlated Two-way MIMO Relay Systems
本文研究了双向MIMO中继系统中相关信道的训练信号设计,提出了一种新的训练信号设计方法,以最小化前向信道估计器的总均方误差,从而提升MSE性能。
2021-12-14 cs.IT cs.NA math.IT
Covariance Matrix Estimation from Correlated Sub-Gaussian Samples
本文研究了相关次高斯样本协方差矩阵的估计问题。我们考虑使用相关样本协方差矩阵估计来近似真实协方差矩阵。我们建立了非渐近误差界估计在真实和复杂的情况下。我们的理论结果表明,误差界是由信号维数$n$,样本大小$m$和相关模式$\textbf{B}$。特别地,当相关模式$\textbf{B}$满足$tr(\textbf{B})=m$、$||\textbf{B}||_{F}=O(m^{1/2})$和$||\textbf{B}||=O(1)$时,这些结果揭示了$O(n)$样本足以从相关的亚高斯样本中精确地估计协方差矩阵。数值模拟结果表明了理论结果的正确性。
2019-10-16 cs.IT math.IT math.ST
Distributed Gauss-Newton Method for AC State Estimation: A Belief Propagation Approach
在本文中,我们提出了一个解决方案,在电力系统中的交流状态估计问题,使用完全分布式高斯牛顿法。所提出的方法被放置在因子图和信念传播算法的上下文中,并推导出沿因子图交换的信念传播消息的封闭形式的表达式。所得到的算法提供了与传统的加权最小二乘状态估计相同的解决方案。使用一个简单的例子,我们提供了一个逐步介绍所提出的算法。最后,我们讨论了收敛行为使用IEEE 14总线测试情况。
2016-05-26 cs.IT math.IT math.OC
Task and Perception-aware Distributed Source Coding for Correlated Speech under Bandwidth-constrained Channels
Stanford University(斯坦福大学);University of Oklahoma(俄克拉荷马大学)
提出NDPCA辅助的分布式信源编码算法,通过感知感知任务损失函数平衡真实感与任务性能,在带宽受限下PSNR显著提升并逼近理论上限。
2025-01-20 cs.AI cs.IT cs.SD
Weighted diffusion LMP algorithm for distributed estimation in non-uniform noise conditions
本文提出了一种改进的扩散最小平均p幂(LMP)算法。代替均方误差的和,均方误差的加权和被定义为传感器网络的全局和局部成本函数的成本函数。权系数的更新由一个简单的最速下降递归,以最小化的全局和局部自适应算法的误差信号。仿真结果表明,特别是在非均匀噪声条件下的传感器网络中,所提出的加权扩散LMP算法的扩散LMP算法的优势。
2016-08-06 cs.IT math.IT stat.ML