Sampling of the Wiener Process for Remote Estimation over a Channel with Random Delay
在本文中,我们考虑一个问题的采样维纳过程,与样本转发到远程估计器在一个通道,被建模为一个队列。估计器从因果接收的样本重建实时信号值的估计。我们研究了在采样率约束下,最小化均方估计误差的最优在线采样策略。我们证明了最优抽样策略是一个阈值策略,并找到了最优阈值。该阈值由在随机服务时间期间维纳过程变化多少和最大允许采样率确定。此外,如果采样时间与观测到的维纳过程无关,则上述用于最小化估计误差的采样问题等价于用于最小化信息年龄的采样问题。这揭示了信息时代和远程估计误差之间的有趣联系。我们的比较表明,最优采样策略所实现的估计误差可以远远小于年龄最优采样,零等待采样,和周期采样。
2019-08-17 cs.IT math.IT
Fine Residual Carrier Frequency and Sampling Frequency Estimation in Wireless OFDM Systems
提出了一种无线OFDM系统中剩余相位估计的新算法,包括载波频偏和采样频偏估计。子载波被划分成几个区域,表现出成对的相关性。利用连续OFDM块之间的相位增量,可以通过具有不同计算负载的两个估计器来估计。给出了估计方差的数值结果。仿真结果表明,在多径信道中,所提出的技术比几个传统的计划的性能改善。
2012-11-08 cs.IT math.IT
Sampling and Remote Estimation for the Ornstein-Uhlenbeck Process through Queues: Age of Information and Beyond
信息时代作为评价信息新鲜度的一个指标,受到了广泛的关注。最近,在维纳过程的采样问题中发现了信息年龄和远程估计误差之间的有趣联系:如果采样器不知道被采样的信号,则最优采样策略是最小化信息年龄;然而,通过利用信号值的因果知识,可以实现较小的估计误差。在本文中,我们扩展了以前的研究,通过调查的问题,采样平稳高斯-马尔可夫过程,即Ornstein-Uhlenbeck过程。最优采样问题被表述为一个具有不可数状态空间的约束连续时间马尔可夫决策过程(MDP)。我们给出了这个MDP的精确解:最优抽样策略是一个关于瞬时估计误差的阈值策略,并且找到了阈值,而且,如果抽样者不知道随机过程,则最优抽样问题归结为一个最小化非线性信息度量年龄的MDP.年龄最优抽样策略是一个关于期望估计误差的阈值策略,并找到了阈值,这些结果对(i)服务器的一般服务时间分布和(ii)有和没有采样率约束的抽样问题都成立.数值结果比较不同的抽样政策。
2021-05-11 cs.IT math.IT
Low-Speed ADC Sampling Based High-Resolution Compressive Channel Estimation
宽带信道通常以稀疏多径信道为特征,其中主要多径抽头在时间上广泛分离,从而导致大的延迟扩展。传统上,精确的信道估计是通过模数转换器(ADC)以奈奎斯特速率(高速ADC采样)对接收信号进行采样,然后以高分辨率估计所有信道抽头来完成的。然而,传统的线性估计方法主要有两个缺点:1)对高速ADC的采样率的要求已经超过了当前ADC的能力,而且对于常规的无线通信来说,高速ADC非常昂贵; 2)忽略了无线通信固有的信道稀疏性,低频谱效率是不可避免的。为了解决这些问题,本文提出了一种利用低速ADC采样的高分辨率压缩信道估计方法。与传统的稀疏信道估计方法相比,本文提出的方法可以获得接近的性能。同时,该方法具有以下优点:1)利用廉价的低速ADC降低通信成本; 2)通过提取潜在的训练信号资源提高频谱效率。数值模拟证实了我们提出的方法,使用低速ADC采样。
2012-07-29 cs.IT math.IT
Frequency Estimation of Multiple Sinusoids with Sub-Nyquist Sampling Sequences
在频率估计的某些应用中,需要从欠采样序列中估计出多个正弦信号的频率。在本文中,我们提出了一种新的方法,基于子空间技术的频率估计使用欠采样样本。我们分析了欠采样的影响,并证明了三个子奈奎斯特序列是足够的一般估计频率在一定条件下。首先将一个序列估计的频率在频域中展开,然后用另外两个序列从所有可能的频率中选出正确的频率。仿真结果验证了理论的正确性。数值结果表明,在较低的采样率下,该方法是可行的,具有较高的精度。
2016-01-03 cs.IT math.IT
Joint maximum likelihood estimation of carrier and sampling frequency offsets for OFDM systems
在正交频分复用(OFDM)系统中,载波和采样频率偏移(分别为CFO和SFO)会破坏子载波的正交性并降低系统性能。在文献中,Nguyen-Le,Le-Ngoc和Ko提出了一种简单的最大似然(ML)方案,使用两个长训练符号来估计递归最小二乘(RLS)估计方案的初始CFO和SFO。然而,Nguyen-Le的ML估计的结果相对于Cramer-Rao界(CRB)表现出较差的性能。在本文中,我们扩展Moose的CFO估计算法,使用两个长训练符号的CFO和SFO的联合ML估计。特别是,我们得到CRB的CFO和SFO估计的均方误差(MSE)。仿真结果表明,所提出的ML方案提供了更好的性能比Nguyen-Le的ML方案。
2010-08-16 cs.IT math.IT
Remote Estimation of the Wiener Process over a Channel with Random Delay
在本文中,我们考虑了一个问题的采样维纳过程,与样本转发到一个远程估计通过一个通道,其中包括一个队列与随机延迟。估计器从因果接收的样本重建信号的实时估计。受最近的研究年龄的信息,我们研究的最佳采样策略,最大限度地减少均方估计误差的采样频率约束。我们证明了最优抽样策略是一个阈值策略,并找到了最优阈值。该阈值由采样频率约束和维纳过程在信道延迟期间变化多少来确定。一个有趣的结果是,即使在没有采样频率约束的情况下,最佳策略也不是零等待采样,即一旦先前的样本被传递,就获取新的样本;相反,在先前的样本被传递之后等待非零时间量,然后获取下一个样本是最佳的。此外,如果采样时间是独立的观察到的维纳过程,最佳采样问题减少到一个年龄的信息优化问题,最近已经解决。比较结果表明,最优抽样策略的估计误差远小于年龄最优抽样、零等待抽样和经典均匀抽样。
2017-05-24 cs.IT math.IT
Sampling of the Wiener Process for Remote Estimation over a Channel with Unknown Delay Statistics
本文研究了Wiener过程的在线采样问题。目标是在传输时延分布未知的情况下,在采样频率约束下,最小化远程估计器的均方误差。将采样问题转化为一个可选停止问题,提出了一种在线采样算法,该算法通过随机逼近自适应学习最优停止阈值。我们证明了累积的MSE后悔增长率$\mathcal{O}(\ln k)$,其中$k$是样本的数量。通过Le Cam的两点方法,证明了任何在线抽样算法的最坏情况下的累积均方误差遗憾值的下界为$Ω(\ln k)$ .因此,所提出的在线采样算法是极小极大阶最优的。最后,我们通过数值模拟验证了所提出的算法的性能。
2022-12-24 cs.IT math.IT
Joint DOA and Frequency Estimation with Sub-Nyquist Sampling for More Sources than Sensors
在这封信中,我们应用以前的阵列接收机架构,采用时域欠采样技术,联合估计频率和到达方向(DOA)的窄带远场信号。在此,考虑更一般的情况,其中在子带中可以存在多于一个信号。建立了时空联合模型,分析了该模型的辨识性,并给出了可辨识的最大信号个数。我们还证明了Cramer-Rao界(CRB)低于采用Nyquist采样。仿真结果验证了该方法估计信源个数的能力。同时,仿真结果表明,我们的估计性能密切匹配的CRB,是优于更多的源比传感器,特别是当最小冗余阵列(MRA)。
2017-02-05 cs.IT math.IT
Joint Frequency Estimation with Two Sub-Nyquist Sampling Sequences
在频率估计的许多应用中,信号的频率很高,以至于由于硬件的限制,很难获得以奈奎斯特速率采样的数据。在本文中,我们提出了一种新的方法,基于子空间技术的频率估计使用两个欠采样Nyquist样本序列,假设两个欠采样率是互质整数。我们分析了欠采样的影响,并扩大了估计频率遭受混叠。通过对两种序列估计结果的联合,筛选出与信号中实际包含的频率分量近似的频率。该方法需要少量的硬件和计算。数值结果表明,在较低的采样率下,该方法是有效和准确的。
2015-08-26 cs.IT math.IT
On Stochastic Estimation of Partition Function
在本文中,我们分析表明,正规因子图(NFG)的对偶可以方便随机估计的分区函数。特别是,我们的分析表明,对于$q-$ ary二维最近邻Potts模型,从原始NFG的模型和从其对偶采样表现出相反的行为相对于模型的温度。对于高温模型,从原始NFG采样会产生更好的估计,而对于低温模型,从对偶采样会产生更好的估计。这一分析得到了实验的验证。
2014-01-28 cs.IT math.IT
Joint DOA and Frequency Estimation with Sub-Nyquist Sampling
针对窄带远场信号的频率和波达方向(DOA)联合估计问题,提出了一种基于欠采样技术的阵列接收机结构。特别是,我们的贡献是三方面的。i)首先,提出了一种时空联合的阵列信号接收模型,该模型采用欠采样技术和任意阵列结构,降低了时域采样率,提高了DOA估计精度。在高阶时空联合空间中得到了较好的联合估计。ii)其次,针对接收模型提出了两种联合估计算法。一种是基于三阶张量理论的三线性分解,另一种是基于子空间分解。iii)第三,我们推导出频率和DOA估计的相应Cramér \text{-} Rao Bound(CRB)。在分支数等于采样率的缩减因子的情况下,可以观察到CRB在信号数方面是鲁棒的,而基于奈奎斯特采样方案的CRB将相对于信号数增加。此外,联合时空模型的新导向矢量在有限的传感器数量下是完全不相关的,这提高了估计性能。此外,仿真结果表明,我们的估计通过与所提出的算法相关联的接收机架构密切匹配的CRB根据噪声水平,分支数和源数以及。
2017-02-05 cs.IT math.IT
Sampling for Remote Estimation of the Wiener Process over an Unreliable Channel
本文针对不可靠信道下维纳过程的远程估计,提出最优因果采样策略,证明其为常数阈值策略,并开发低复杂度算法计算阈值,以最小化长期平均均方估计误差。
2023-10-18 cs.IT math.IT
Performance Bounds for Sampling and Remote Estimation of Gauss-Markov Processes over a Noisy Channel with Random Delay
在这项研究中,我们推广了一个问题的采样标量高斯马尔可夫过程,即,Ornstein-Uhlenbeck过程,其中的样本被发送到一个远程估计器和估计器的因果估计所观察到的实时信号。近年来,稳定的可调过程的问题得到了解决。我们提出的解决方案的最佳采样策略,表现出较小的估计误差的稳定和不稳定的情况下,随着一个特殊的情况下,当该过程变成一个Wiener过程。所得到的最优抽样策略是一个门限策略。然而,这三种情况的阈值是不同的。稍后,我们考虑在预先做出采样决策时样本的额外噪声。估计器利用噪声样本来进行当前信号值的估计。由于噪声的影响,均方误差(mse)与以前不同,并且解决了mse中的附加项,这提供了性能上界和进一步研究该问题的空间,以找到最佳采样策略,当观测样本有噪声时,最小化估计误差。数值结果表明,性能下降所造成的加性噪声。
2022-02-11 cs.IT math.IT
Sparse Multipath Channel Estimation Using Compressive Sampling Matching Pursuit Algorithm
宽带无线信道是一种时间色散信道,具有很强的频率选择性。然而,在大多数情况下,信道由少数主导抽头组成,并且大部分抽头近似为零或零。为了利用多径信道(MPC)的稀疏性,已经提出了两种方法。它们是贪心算法和凸规划。贪心算法易于实现但不稳定;凸规划方法稳定但难以实现为实际信道估计问题。在本文中,我们介绍了一种新的信道估计策略,使用压缩采样匹配追踪(CoSaMP)算法,提出了在[1]。该算法将贪心算法与凸规划方法相结合。通过与现有方法的比较,验证了该算法的有效性。
2010-05-13 cs.IT math.IT
Pulse-Doppler Signal Processing with Quadrature Compressive Sampling
正交压缩采样(QuadCS)是一种新引入的用于获取射频信号的同相和正交(I/Q)分量的亚奈奎斯特采样。对于脉冲多普勒雷达的应用,QuadCS的输出可以安排在2维数据类似的奈奎斯特采样。本文提出了一种基于亚奈奎斯特采样的压缩采样脉冲多普勒(CoSaPD)处理方案。CoSaPD方案遵循多普勒估计/检测和距离估计,并且在子奈奎斯特样本上进行,而不恢复奈奎斯特样本。多普勒估计与经典处理一样,通过频谱分析仪实现。检测是在多普勒频点数据上完成的。通过稀疏恢复算法对检测到的目标进行距离估计,从而减少了计算量。该算法通过设置较低的检测门限来提高检测概率,并利用恢复算法固有的检测特性在距离估计阶段去除引入的假目标。仿真结果证实了我们的发现。CoSaPD方案的数据在八分之一的奈奎斯特速率和SNR高于-25dB可以实现经典的处理与奈奎斯特样本的性能。
2014-02-26 cs.IT math.IT
Continuous Fluid Antenna Sampling for Channel Estimation in Cell-Free Massive MIMO
Aalto University(阿尔托大学);University of Granada(格拉纳达大学);Universidad de Valladolid(巴利亚多利德大学);University College London(伦敦大学学院);Yonsei University(延世大学)
本文提出连续流体天线采样方法,用于无细胞大规模MIMO中的信道估计,通过高斯过程回归实现更精确的估计性能。
2026-02-18 cs.IT eess.SP math.IT
Compressive sampling for energy spectrum estimation of turbulent flows
最近的压缩采样(CS)的结果表明,稀疏信号的精确重建往往需要比经典的Nyquist-Shannon采样定理所建议的样本少得多。通常,信号重构误差以$\ell^2$范数测量,并且信号被假设为稀疏的、可压缩的或具有先验分布。我们的谱估计稀疏优化(SpESO)方法使用的先验信息的各向同性均匀湍流的能量谱的幂律和CS的方法应用于1-D和2-D湍流信号估计其能量谱与小的对数误差。SpESO不同于现有的基于信号在傅立叶空间中的稀疏支持的能量谱估计方法。SpESO近似能量谱的数量级少的样本比香农采样所需的。我们的研究结果表明,SpESO比集总正交匹配追踪(LOMP),以及或优于基于小波的最佳M项或M/2项的方法,即使这些方法需要完整的采样信号压缩前。
2014-04-22 cs.IT math.IT physics.flu-dyn
Joint Estimation of DOA and Frequency with Sub-Nyquist Sampling in a Binary Array Radar System
近年来,结合亚奈奎斯特技术的几种阵列雷达结构及其相应的算法得到了广泛的研究。研究了阵列雷达在亚奈奎斯特速率下对多个窄带信号的载频和波达方向估计问题。提出了一种新的亚奈奎斯特阵列雷达结构(一个二元阵列雷达分别连接到一个多陪集结构与M支)和一个有效的联合估计算法,可以匹配频率与相应的DOA。本文还提出了一种延迟模式扩充方法,使系统的可识别信号数能力从M-1增加到Q-1(Q为扩展自由度)。我们进一步得出结论,最小总采样率2 MB足以识别$ {K \leq Q-1}$内最大带宽$B$的窄带信号。仿真结果验证了估计算法和增广方法的有效性和性能。
2018-10-26 cs.IT eess.SP math.IT
Sampling for Remote Estimation of an Ornstein-Uhlenbeck Process through Channel with Unknown Delay Statistics
针对延迟统计未知的OU过程远程估计采样问题,将其转化为最优停止问题,提出结合随机逼近与虚拟队列的在线采样算法,理论上证明其MSE收敛于已知延迟统计时的最优值且满足采样频率约束,仿真验证了性能。
2023-08-29 cs.IT cs.NI math.IT
Distilled Sensing: Adaptive Sampling for Sparse Detection and Estimation
自适应采样的结果显着改善恢复稀疏信号在高斯白噪声。提出并分析了一种称为蒸馏传感(DS)的顺序自适应采样和细化过程。DS是一种多阶段试验设计和测试的形式。由于数据收集的自适应性质,DS可以检测和定位比非自适应测量可能的信号弱得多的信号。特别是,可靠的检测和定位(支持估计),使用非自适应样本是可能的,只有当信号幅度的增长与问题的维度。在这里,它示出,使用自适应采样,可靠的检测是可能的,提供的幅度超过一个常数,和本地化是可能的,当幅度超过任何任意缓慢增长的功能的尺寸。
2010-05-27 cs.IT math.IT math.ST
Sampling Requirements for Stable Autoregressive Estimation
研究了具有亚高斯新息的线性单变量自回归模型的参数估计问题。假设参数是可压缩的,我们分析的性能的$\ell_1$正则化最小二乘以及贪婪估计的参数和特征的采样权衡所需的稳定恢复在非渐近制度。特别是,我们表明,对于一个固定的稀疏水平,稳定的AR参数恢复时,样本的数量与AR阶次线性缩放是可能的。我们的研究结果改善了现有的采样复杂性的要求,AR估计使用LASSO,当稀疏水平的规模快于模型阶的平方根。我们进一步推导出稀疏水平上的充分条件,保证极小极大最优的$\ell_1$ -正则化最小二乘估计。将这些技术应用于模拟数据以及来自原油价格和交通速度数据的真实数据集,证实了我们在估计精度和模型选择方面的预测理论性能增益。
2017-01-17 cs.DM cs.IT math.IT