Point-Based Value Iteration and Approximately Optimal Dynamic Sensor Selection for Linear-Gaussian Processes
综合的最佳传感器选择策略的问题是相关的各种工程应用，从事件检测到自主导航。我们考虑这样一个综合问题，在一个无限的时间范围内的折扣成本标准。我们制定这个问题的一个值迭代的协方差矩阵的连续空间。为了获得一个计算上易于处理的解决方案，我们随后制定了一个近似的传感器选择问题，这是可解决的，通过基于点的值迭代有限的“网格”的协方差矩阵与用户定义的有界迹。我们提供了理论保证，通过这种方法合成的传感器选择策略的次优性，并提供了数值例子，将它们与已知的结果进行比较。
2020-12-23 cs.SY eess.SY math.OC
Optimal Sensor Placement for Intruder Detection
针对入侵者检测问题，提出基于N元假设检验的传感器布置与检测策略联合优化框架，证明均匀布置非最优并揭示布置点数量与最优结构的关系，以及检测概率和虚警概率对最优布置的影响。
2011-09-26 cs.SY eess.SY math.OC
A Transfer Operator Methodology for Optimal Sensor Placement Accounting for Uncertainty
Iowa State University（爱荷华州立大学）
本文提出了一种基于转移算子的方法，用于在考虑建筑系统不确定性的条件下优化传感器布置，通过概率度量评估不确定条件下的覆盖范围。
2018-12-26 cs.SY eess.SY math.DS
On the Complexity and Approximability of Optimal Sensor Selection for Kalman Filtering
Purdue University（普渡大学）；Washington State University（华盛顿州立大学）
研究了在卡尔曼滤波中选择最优传感器集的问题，证明该问题即使在系统稳定且传感器成本相同的情况下仍为NP难，并不存在多项式时间常数因子近似算法。
2018-03-28 cs.SY eess.SY math.OC
Global optimality conditions for sensor placement, with extensions to binary low-rank A-optimal designs
本文针对随机线性逆问题，通过次梯度论证提出传感器布置问题的全局最优性充分与必要条件，并据此推导出有限元离散设定下 A-最优设计的低秩高效公式，应用于 Helmholtz 型问题及二值设计扩展。
2025-05-16 math.OC
Optimal one-dimensional coverage by unreliable sensors
本文考虑在一维环境中最优放置不可靠传感器的问题。我们假设传感器可以以一定的概率发生故障，并且我们最小化从环境中的任何点到最近的活动传感器的预期最大距离。我们提供了一个计算方法来找到最佳的位置，我们估计的相对质量均匀和随机放置。我们证明了前者是渐近等价的最优布局时，传感器的数量趋于无穷大，成本比收敛到1，而后者的成本仍然严格较大。
2014-11-14 cs.MA math.OC
On the Optimal Solutions of the Infinite-Horizon Linear Sensor Scheduling Problem
研究了具有线性观测函数的线性高斯过程的无限时域传感器调度问题。最优无限时域调度的几个重要性质的推导。特别地，在一定的条件下，证明了最优无限时域平均每级费用和相应的最优传感器调度与初态的协方差阵无关.同时证明了最优估计费用可以用有限周期的周期调度任意逼近。此外，它表明，序列的平均每阶段的费用的最优调度必须收敛。这些理论结果为各种无限时域传感器调度算法的设计和分析提供了有价值的见解。
2014-03-20 math.OC
Optimal Sensor Positioning (OSP); A Probability Perspective Study
我们提出了一种方法来最佳定位的传感器系统，其中包括多个传感器，每个传感器具有有限的范围和视角，他们可能会以一定的故障率失败。目标是找到所有传感器的最佳位置和观察方向，并实现对已知环境的最大监视。我们使用水平集框架设置问题。环境和传感器的观察范围都由水平集函数表示。然后，我们解决了一个系统的常微分方程（ODE），找到最佳的观察方向和所有传感器的位置在一起。此外，我们使用间歇扩散，它转换成随机微分方程（SDEs），以找到总的监视区域的全局极大值。数值例子包括不同的故障率的传感器，不同的监测区域的重要性比率，和3-D设置。结果表明了该方法的有效性。
2016-04-19 math.OC
Optimal Sensor and Actuator Selection using Balanced Model Reduction
University of Washington（华盛顿大学）
本文提出了一种基于平衡模型降阶和贪心优化的方法，用于高维估计和控制中的最优传感器和执行器选择，通过贪心矩阵QR消元在主导模式上优化可观测性和可控性。
2020-01-11 cs.NA cs.SY eess.SY
Optimal Strategies for Communication and Remote Estimation with an Energy Harvesting Sensor
Coordinated Science Laboratory at the University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校协调科学实验室）；Department of Electrical Engineering and Computer Science, University of Michigan（密歇根大学电气与计算机工程系）
针对能量收集传感器与远程估计器，提出联合优化通信调度与估计策略的动态规划方法，在对称假设下得到阈值型最优通信策略和简单估计函数。
2012-05-28 cs.SY eess.SY math.OC
FEM-based A-optimal sensor placement for heat source inversion from final time measurement
本文针对终时测量热源反演问题，利用正问题和伴随分析及冗余-主导p-延拓算法，提出一种基于有限元的A-最优传感器布置方法，以获得二值最优布置方案。
2025-09-25 math.OC
Secure State Estimation: Optimal Guarantees against Sensor Attacks in the Presence of Noise
University of California, Los Angeles（加州大学洛杉矶分校）
本文提出一种安全状态估计算法，在噪声环境下对抗传感器攻击，并推导出可实现的状态估计误差界。
2015-04-23 cs.CR cs.IT cs.SY
SDP-based Joint Sensor and Controller Design for Information-regularized Optimal LQG Control
考虑线性高斯随机系统的传感器与控制器联合设计问题，其中二次控制代价与传感器获取的信息量的加权和最小.这个问题的制定动机的情况下，必须设计一个控制律的存在感测，通信和隐私的限制。我们表明，最佳的联合传感器控制器的设计是相对容易的传感器策略被限制为线性时。也就是说，一个显式形式的最佳线性传感器方程，卡尔曼滤波器，和确定性等价控制器，共同解决问题，可以有效地找到半定规划（SDP）。在我们的设计中，线性假设是否是限制性的，目前是一个悬而未决的问题。
2015-03-06 math.OC
Decentralized Detection with Many Sensors: Optimality of Exchangeable and Identical Encoding Policies
本文研究多传感器分散二元检测，证明有限及无限传感器场景下最优编码策略存在且具有阈值、可交换或对称独立性质，并表明无限场景对称策略对有限场景近似最优。
2025-09-26 math.OC
Optimal Sensor Design and Zero-Delay Source Coding for Continuous-Time Vector Gauss-Markov Processes
我们考虑的情况下，连续时间向量高斯-马尔可夫过程是通过一个矢量高斯信道（传感器）观察和估计的卡尔曼-布西滤波器。与标准滤波问题中的传感器模型是先验给定的不同，我们关注的是最优传感器设计，其中（i）源随机过程和再现（估计）过程之间的互信息最小化，以及（ii）最小均方估计误差满足给定的失真约束。我们表明，这样的传感器设计问题是听话的半定规划。零延迟源编码的连接也进行了讨论。
2017-09-10 cs.IT math.IT math.OC
On the Complexity and Approximability of Optimal Sensor Selection and Attack for Kalman Filtering
给定一个受随机噪声影响的线性动力系统，我们考虑选择一组最佳的传感器（在设计时），以尽量减少跟踪的稳态先验或后验误差协方差的卡尔曼滤波器，受到一定的选择预算约束的问题。我们的基本结果是，没有多项式时间常数因子近似算法这个问题。这与文献中研究的其他类别的传感器选择问题形成对比，文献中研究的其他类别的传感器选择问题通常通过利用贪婪算法和费用函数的子模块性（或超模块性）来追求恒定因子近似。在这里，我们提供了一个具体的例子表明，贪婪算法可以任意执行卡尔曼滤波的设计时传感器选择的问题。然后我们研究攻击的问题（即，在预定义的攻击预算约束下，移除）一组安装的传感器，以最大化卡尔曼滤波器的先验或后验误差协方差的稳态的轨迹。再次，我们表明，没有多项式时间常数因子近似算法，这个问题，并特别显示，贪婪算法可以任意执行差。
2020-07-10 cs.CC cs.SY eess.SY
Impact of sensor placement in soil water estimation: A real-case study
实施闭环灌溉系统的基本要素之一是基于有限数量的可用传感器的土壤水分估计。一个相关的问题是确定安装传感器的最佳位置，以便可以获得良好的土壤湿度估计。在我们以前的工作中，模态可观测度被用来解决农业水文系统土壤水分估计的最优传感器配置问题。结果表明，优化放置的传感器可以提高土壤湿度估计性能。然而，目前还不清楚最佳的传感器放置是否可以显着提高土壤水分估计性能在实际应用中。在这项工作中，我们调查的影响传感器放置在土壤水分估计的实际农业领域在莱斯布里奇，加拿大艾伯塔省。在田间试验中，在不同深度安装了42个土壤水分传感器，以收集一个生长季节的土壤水分测量值。建立了研究区土壤参数非均质的三维农业水文模型。将模态可观度应用于三维系统，以确定最佳传感器位置。选择扩展卡尔曼滤波（EKF）作为数据同化工具，估计研究领域的土壤水分含量。通过对不同场景下土壤水分的估算结果进行分析，探讨了传感器位置对实际应用中土壤水分估算性能的影响。
2022-03-13 cs.CY cs.SY eess.SY
Dynamic Sensor Selection for Reliable Spectrum Sensing via E-Optimal Criterion
研究了通过动态选择频谱传感器子集实现可靠高效的频谱感知。考虑从一组M个电势传感器中选择K个传感器测量值的问题，其中K << M。另外，K可以小于估计的未知变量的维数。通过传感器的选择，我们减少了问题的欠定方程组的潜在无限多个解决方案。然而，底层数据的稀疏性便于将解集限制为唯一解。稀疏性使得能够采用新兴的压缩感测技术，其中从大量潜在的传感器中选择压缩的测量。本文建议选择传感器的方式，减少方程组系统构成一个良好的条件下的测量矩阵。我们的传感器选择标准是基于E-最优，这是高度相关的限制等距属性，提供了一些保证稀疏的解决方案，通过L1最小化。此外，所提出的框架利用反馈机制，随着时间的推移动态地发展所选择的传感器。该演进旨在最大化感测到的频谱的可靠性。
2018-08-15 math.OC
Effect of Objective Function on Data-Driven Greedy Sparse Sensor Optimization
考虑了估计高维数据快照的最优传感器集合的选择问题。基于各种优化设计准则的目标函数分别采用贪心法：D-最优、A-最优和E-最优，分别最大化Fisher信息矩阵的行列式、最小化逆矩阵的迹和最大化Fisher信息矩阵的最小特征值。首先，根据隐状态变量和传感器的数量推导出Fisher信息矩阵。然后，基于A-最优性的目标函数的统一形式被引入，并证明是次模的，这提供了贪婪方法的性能的下界。接下来，基于D-，A-和E-最优性的贪婪方法被应用到随机生成的系统和一个实际的全球气候数据集。由D-最优目标函数选择的传感器在行列式、逆的迹和重构误差方面优于A-和E-最优目标函数选择的传感器，而A-最优目标函数选择的传感器在最小特征值方面效果最好。另一方面，由E-最优目标函数选择的传感器的性能较差的所有指标和重建误差。这可能是因为缺乏子模块性的文件中证明。结果表明，基于D-最优性的贪婪算法是最适合高精度重建的算法。
2021-04-08 eess.SP math.OC
Optimal guidance and estimation of a 2D diffusion-advection process by a team of mobile sensors
本文描述了一种优化框架，设计指导可能异构的团队的多个移动传感器估计的时空过程建模的二维扩散平流过程。由于过程的抽象线性系表示，我们应用卡尔曼-布西滤波器进行估计，其中传感器提供线性输出。我们提出了一个最优化问题，最大限度地减少卡尔曼-布西滤波器的协方差算子的轨迹和移动传感器的通用移动成本的总和，受到线性动力学建模的传感器的运动。我们证明了这个问题的解的存在。此外，我们证明了收敛到精确的最优解的近似最优解。也就是说，当使用原始费用函数评估这两个解时，随着近似变得更精细，差异变得任意小。为了计算近似解，我们使用庞特里亚金的最小值原理后，近似的无限维项源自扩散平流过程。利用该近似解进行了仿真，分析了单个移动传感器的性能与两个重要参数的关系：传感器噪声方差和移动惩罚。我们还说明了应用程序的框架，多个传感器，特别是一个异质团队的传感器的性能。
2021-11-03 math.OC
Joint Online Parameter Estimation and Optimal Sensor Placement for the Partially Observed Stochastic Advection-Diffusion Equation
在本文中，我们考虑的问题，联合执行在线参数估计和最佳传感器配置的部分可观测的无限维线性扩散过程。我们提出了一种新的解决方案，这个问题的形式的连续时间，两个时间尺度的随机梯度下降算法，递归地寻求最大化的对数似然相对于未知的模型参数，并尽量减少预期的均方误差的隐藏状态估计相对于传感器的位置。我们还提供了大量的数值结果，说明所提出的方法的性能的情况下，隐藏的信号是由二维随机平流-扩散方程。
2021-09-20 math.OC stat.CO
Greedy Sensor Placement with Cost Constraints
在工业和商业产品的设计以及科学实验中，自然会出现在成本约束下最佳放置传感器的问题。我们考虑放松的充分优化制定这个问题，然后扩展一个行之有效的QR为基础的贪婪算法的最佳传感器放置问题，没有成本约束。我们证明了该算法在面部识别，气候科学和流体力学相关数据集上的有效性。该算法是可扩展的，通常可以识别具有接近最佳重建性能的稀疏传感器，同时大大降低了传感器的整体成本。我们发现，成本误差景观因应用而异，与基础物理学有直观的联系。此外，我们还包括各种预处理技术的实验，并发现基于奇异值分解的流行技术往往是次优的。
2018-05-09 math.OC
An Optimal Query Assignment for Wireless Sensor Networks
无线传感器网络的两个QoS要求之间的权衡：查询等待时间和有效性（年龄）的数据喂养的查询，进行了研究。我们提出了一个连续的时间马尔可夫决策过程与漂移之间的权衡两个QoS要求，通过分配传入的查询无线传感器网络或数据库。为了计算最优分配策略，我们通过非标准的一致化，论证了一个离散时间马尔可夫决策过程，随机等价于初始连续过程。利用动态规划方法确定离散时间过程的最优查询分配策略。接下来，我们数值评估的最优策略的性能，并表明它优于平均分配成本的其他三个算法，通常在实践中使用。最后，我们的模型的最优性也证实了在真实的查询流量的情况下，我们提出的政策实现了显着的成本节省相比，prostitics。
2014-03-11 cs.NI math.OC
Subspace-Constrained Continuous Methane Leak Monitoring and Optimal Sensor Placement
提出一种基于子空间与受限区域约束的最优传感器布置和泄漏反演方法，结合风场不确定性模型实现连续实时监测，从而快速定位并量化甲烷泄漏源以减少排放。
2023-08-03 cs.NE math.OC
Sensor Placement for Globally Optimal Coverage of 3D-Embedded Surfaces
Rutgers, the State University of New Jersey（罗格斯大学（新泽西州立大学））
我们进行了结构和算法研究的移动传感器覆盖优化问题，目标是嵌入在三维工作空间的二维表面。研究的设置模拟了多个重要的应用，包括用于监视的相机网络部署，3D地形的地质监测/调查，以及用于防止疾病病原体传播的基于UV C的表面消毒（例如，SARS-CoV-2）。在一个统一的一般“传感器覆盖”的问题，三个具体的配方进行检查，分别侧重于优化可见性，单一的最佳覆盖质量，和累积质量。在证明了所有这些配方的计算困难，我们描述近似方案和数学规划模型，以接近最佳的解决方案。我们的方法的有效性进行了彻底评估下现实和实际的场景。
2021-03-18 cs.RO math.OC
Remote State Estimation with Stochastic Event-triggered Sensor Schedule in the Presence of Packet Drops
研究了具有随机事件触发传感器调度的线性定常系统的远程状态估计问题。它示出了在估计器侧的可用信息的条件下的系统状态是高斯混合分布。最小均方误差（MMSE）估计随后推导出开环和闭环的时间表。由于最优估计器需要指数增加的计算和存储器，因此进一步提供了降低计算复杂性的次优估计器。最后，通过仿真来说明最优和次优估计器的性能。
2019-04-03 math.OC
Sensor placement via large deviations in the Eikonal equation
Nîmes University（尼姆大学）；Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学）；University of Deusto（德乌斯托大学）；Universidad Autónoma de Madrid（马德里自治大学）
本文通过Eikonal方程的大偏差理论，提出了一种在给定区域内最优布置传感器的方法，以最小化到域内点的距离。
2026-02-13 math.OC
Probabilistic state transfer, estimation and measures for optimal actuator/sensor placement for linear systems with packet dropouts
我们考虑线性系的数据包丢失，并获得了必要和充分条件的任意状态转移和状态估计在有限的时间实例$T$。使用伯努利随机变量对数据丢失信号进行建模。我们利用我们的方法中的Hadamard产品的属性，并使用派生的充要条件来计算的概率，任意的状态转移是可能的，在指定的时刻。类似地，找到一个精确的状态估计的概率发现使用的结果的可观测性对应。利用得到的Gramian可逆性的充要条件，给出了最优执行器和传感器配置问题的新的概率测度，并得到了最优/次最优解.我们演示了一个例子，数据包丢失的概率如何影响最佳执行器的选择。我们还讨论了如何实现反馈法和LQR问题，这些模型涉及数据包丢失。
2019-05-04 math.OC
Optimal Sensor Placement for Output Estimation Using an Artificial Bee Colony Algorithm with Pre-filter
Eindhoven University of Technology（埃因霍温理工大学）；University of Twente（特文特大学）；ASML（阿斯麦）
针对三维热弹性系统的传感器布置优化问题，采用带Gramian预过滤的新型二元人工蜂群（NBABC）算法降低计算复杂度，该方法高效且收敛快速，可解决最大化卡尔曼滤波器估计性能的NP难问题。
2026-08-24 math.OC
An efficient method for goal-oriented linear Bayesian optimal experimental design: Application to optimal sensor placemen
最优试验设计（OED）在有限实验数据的不确定度识别问题中起着重要作用。在许多应用中，我们寻求最小化的预测量的兴趣（QoI）的基础上的反问题的解决方案，而不是反演模型参数本身的不确定性。在这些情况下，我们开发了一种有效的方法，以目标为导向的最佳试验设计（GOOED）的大规模贝叶斯线性逆问题，发现传感器的位置，以最大限度地提高预期的信息增益（EIG）的预测生活质量。通过推导出一个新的公式来计算EIG，利用低秩结构的两个适当的运营商，我们能够采用一个在线离线分解方案和交换贪婪算法，以最大限度地提高EIG在模型的解决方案，是独立的问题的尺寸测量的成本。我们提供了详细的误差分析的近似EIG，并证明了效率，精度，以及数据和参数维独立的污染物输运反问题的无限维参数场的算法。
2022-01-05 cs.NA math.NA math.OC
Optimal Prediction using Learning and Shape Optimization
本文研究了用神经网络和形状优化方法设计分布参数系统最优预报器的问题。在分布参数系统的域上放置各种形状的传感器。由这些传感器提供的数据被馈送到重建器中以生成系统的完整状态。在此之后，经过训练的神经网络预测器产生对未来时间步长的状态的预测。预测的成本被定义为加权传感器面积加上预测误差的平方范数。传感器的位置和形状影响预测成本以及预测器性能。借助于网络相对于其输入的梯度，外部优化层被增强以找到传感器的优化位置和形状。仿真结果表明，预测和真实状态之间的良好协议，以及显着降低成本的传感器与优化的位置和形状。
2021-05-12 math.OC
Deterministic filtering and max-plus methods for robust state estimation in multi-sensor settings
一个强大的（确定性）滤波方法的最佳传感器选择的问题被认为是在这里。对于一个具有多个传感器的给定系统，在每个时间步，必须选择其中一个传感器的输出，以获得最佳状态估计。我们重新制定这个问题的最优控制框架，然后可以解决使用动态规划。为了以有效的方式处理解的数值计算，我们利用了当由动态规划算子作用时最优费用函数的最小加结构的保持。这种技术产生一个网格自由的数值方法的问题。一个例子的问题上的仿真服务，以突出的有效性，这种可推广的方法，强大的多传感器状态估计。
2012-11-08 math.OC
A control-oriented approach to optimal sensor placement
本文提出面向控制的贝叶斯最优实验设计 cOED，通过最小化被控状态或控制目标的不确定性来确定传感器位置，并提供可扩展计算框架及传热模型数值验证。
2025-08-29 cs.NA math.NA math.OC
From Sensor to Processing Networks: Optimal Estimation with Computation and Communication Latency
本文提出“处理网络”概念，通过形式化建模与解析分析，研究传感器在原始传输与本地预处理之间的最优计算-通信权衡，并证明考虑计算和通信延迟对估计精度有重要影响。
2020-03-16 cs.DC cs.MA math.OC
