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
Estimation Theory Based Robust Phase Offset Estimation in the Presence of Delay Attacks
针对IEEE 1588精确时间协议(PTP)中存在时延攻击的情况,提出了一种鲁棒的时钟相位估计方法。延迟攻击是PTP中最有效的网络攻击之一,因为它们无法使用典型的安全措施来减轻。在本文中,我们考虑的情况下,从节点可以交换同步消息与多个主节点同步到同一个时钟。首先,我们提供的最佳可实现的性能上的任何相位偏移估计方案存在延迟攻击的下限。然后,我们提出了一种新的相位偏移估计方案,采用期望最大化算法检测的主从通信链路已受到延迟攻击。在丢弃被识别为攻击的链路的信息后,我们证明这是最优的,最优矢量位置参数估计器被用来估计从节点的相位偏移。仿真结果表明,所提出的相位偏移估计方案在各种情况下表现出接近下限的性能。
2016-11-16 cs.IT math.IT stat.AP
Distributed Clock Skew and Offset Estimation in Wireless Sensor Networks: Asynchronous Algorithm and Convergence Analysis
本文提出了一种基于置信传播的无线传感器网络时钟偏差和偏移联合估计的全分布式算法。在所提出的算法中,每个节点可以估计其时钟偏差和偏移在一个完全分布式和异步的方式:一些节点可能会更新他们的估计比其他人更频繁地使用过时的消息从相邻节点。此外,该算法对随机丢包具有鲁棒性。这种算法不需要任何集中的信息处理或协调,并且可以随网络规模而扩展。所提出的算法代表了一个统一的框架,包括两个类的同步和异步算法的网络范围内的时钟同步。分析表明,所提出的异步算法收敛到最优估计,估计均方误差在每个节点接近集中式的Cramér-Rao界下的任何网络拓扑结构。仿真结果进一步表明{收敛速度比同步算法快}。
2016-07-10 cs.DC cs.IT math.IT
Cooperative Reflection Design with Timing Offsets in Distributed Multi-RIS Communications
这封信调查了一个无线通信系统部署分布式可重构智能表面(RISs)。现有的工作都假设,完美的定时同步之间的所有合作的RIS。从实用角度考虑,我们首先研究了考虑定时同步误差的多RIS辅助通信系统的合作反射设计。我们的目标是最小化的均方误差的恢复数据的定时偏移的存在下,受到单位模量的限制施加在相位的RIS。为了处理这个复杂的非凸问题,我们开发了一个计算效率高的算法的基础上的优化最小化框架,其中的RIS相移矩阵和定时偏移均衡器分别开发在一个半封闭的形式和封闭的形式。数值算例验证了所提出的设计与各种方案相比性能的提高。
2021-07-27 cs.IT eess.SP math.IT
Blind Identification of Distributed Antenna Systems with Multiple Carrier Frequency Offsets
在空间分布式多用户天线系统中,接收信号中包含多个载波频率偏移(CFO),这是由于发射机和接收机的振荡器之间的失配引起的。这导致数据星座的时变旋转,其需要在符号恢复之前在接收器处被补偿。本文提出了一种新的盲频偏估计和符号恢复方法。接收到的基带信号被过采样,其多相分量被用来制定一个虚拟的多输入多输出(MIMO)问题。通过应用盲MIMO系统估计技术,可以估计系统响应,并且可以恢复用户符号的解耦版本,每个版本包含不同的CFO。通过应用判决反馈锁相环(PLL),可以减轻CFO并且可以恢复所发送的符号。估计的MIMO系统响应提供有关CFO的信息,可用于初始化PLL、加速其收敛并避免通常与PLL相关的模糊性。
2007-04-15 cs.IT math.IT
Frequency Offset Estimation and Training Sequence Design for MIMO OFDM
研究了频率选择性衰落信道下多输入多输出(MIMO)正交频分复用(OFDM)系统的载波频偏估计和训练序列设计问题。通过利用训练序列在频域的正交性,估计整数CFO(ICFO)。{With训练序列中均匀间隔的非零导频}和相应的几何映射,通过实多项式的根来估计分数CFO(FCFO)。进一步给出了训练序列保证估计可辨识性的条件。通过对训练序列相关性的分析,构造了两类由Chu序列生成的次优训练序列。仿真结果验证了所提出的训练序列辅助的CFO估计器的良好性能。
2017-03-22 cs.IT math.IT
Range-Angle Estimation for FDA-MIMO System With Frequency Offset
针对FDA-MIMO雷达在收发频偏下距离-角度估计性能下降问题,建立频偏系统模型,将其转化为附加噪声并分析其特性,引入去噪算法减轻恶化,推导了CRLB并通过仿真验证。
2024-03-22 cs.IT eess.SP math.IT
Channel, Phase Noise, and Frequency Offset in OFDM Systems: Joint Estimation, Data Detection, and Hybrid Cramer-Rao Lower Bound
振荡器相位噪声(PHN)和载波频率偏移(CFO)会对正交频分复用(OFDM)系统的性能产生不利影响,因为它们会导致载波间干扰和信号星座的旋转。本文提出了一种基于期望条件最大化(ECM)的OFDM系统信道、PHN和CFO联合估计算法。我们提出的信号模型的估计问题,并推导出混合克拉美-罗下界(HCRB)的联合估计问题。接下来,我们提出了一种迭代接收机的基础上扩展的卡尔曼滤波器的联合数据检测和PHN跟踪。数值结果表明,与现有算法相比,所提出的基于ECM的估计器的性能更接近于推导的HCRB,并且在中高信噪比下优于现有的估计算法.此外,组合的估计算法和迭代接收机比现有算法在计算上更有效,并且导致改进的平均未编码和编码比特出错率(BER)性能。
2014-05-30 cs.IT math.IT
Robust frequency offset estimator for OFDM over fast varying multipath channel
提出了一种适用于快变多径信道的鲁棒载波频偏估计算法。该算法使用两个精心设计的序列在时域和频域估计CFO。该方法具有估计精度高、估计范围大的特点,在快变信道中也能很好地工作。
2015-12-28 cs.IT math.IT
Blind Estimation of Multiple Carrier Frequency Offsets
多载波频率偏移(CFO)出现在分布式天线系统中,其中数据从多个天线同时发射。在这样的系统中,由于发射机和接收机的本地振荡器之间的失配,接收信号包含多个CFO。这导致数据星座的时变旋转,其需要在符号恢复之前在接收器处被补偿。本文提出了一种新的盲频偏估计和符号恢复方法。接收到的基带信号被过采样,其多相分量被用来制定一个虚拟的多输入多输出(MIMO)问题。通过应用盲MIMO系统估计技术,估计系统响应,并用于随后将多个CFO估计问题转化为许多独立的单CFO估计问题。此外,从MIMO系统响应的相位获得CFO的初始估计。还推导了Cramer-Rao下界,并将所提出的估计器的大样本性能与该界进行了比较。
2007-07-03 cs.IT math.IT
Frequency Offset Estimation for OFDM Systems with a Novel Frequency Domain Training Sequence
针对频率选择性衰落信道下的正交频分复用(OFDM)系统,提出了一种新的频域训练序列及其载波频偏估计方法。所提出的频域训练序列包括两种类型的导频音,即具有高能量的明显间隔的导频音和具有低能量的均匀间隔的导频音。基于不同间隔的导频,整数CFO估计完成。为了消除干扰,将间隔不同的导频音所占用的子载波及其相邻子载波置零后,根据均匀间隔的导频音执行分数CFO估计。通过利用一个预定义的查找表,充分利用不同间隔的导频音的结构,所提出的CFO估计器的计算复杂性可以大大降低。利用Chu序列的循环正交特性产生均匀间隔的导频,极大地提高了该估计器抗多径效应的能力。仿真结果表明了所提出的CFO估计器的良好性能。
2017-03-21 cs.IT math.IT
Time and Frequency Offset Estimation and Intercarrier Interference Cancellation for AFDM Systems
本文提出AFDM系统中两种最大似然时间与频率偏移估计器,利用啁啾周期前缀冗余免导频,并设计镜像映射方案消除残余频偏导致的载波间干扰,数值验证有效。
2023-12-28 cs.IT eess.SP math.IT
Estimation of Timing Offsets and Phase Shifts Between Packet Replicas in MARSALA Random Access
基于相关性定位的多副本译码(MARSALA)是一种新的用于卫星返回链路的随机接入技术。它遵循竞争解决分集时隙Aloha(CRDSA)的多个传输和干扰消除方案。此外,在接收器侧,MARSALA使用自相关来定位同一数据包的副本,以便相干地组合它们。以前的工作已经显示出良好的性能的MARSALA与理想的信道状态信息和完美的相干组合的不同副本的一个给定的数据包的假设。然而,在实际系统中,同步误差(诸如在单独时隙上的副本之间的定时偏移和相移)将导致接收信号的较少的建设性组合。本文介绍了一种方法来估计和补偿的副本之间的定时和相位差,之前,他们的组合。然后,在残留的定时偏移和相移方面的信号失调的影响,建模和分析评估。最后,通过仿真评估了MARSALA在实际信道条件下的性能,并与CRDSA在各种情况下进行了比较。
2016-04-18 cs.IT math.IT
Carrier Frequency Offset Estimation for Two-Way Relaying: Optimal Preamble and Estimator Design
研究了基于放大转发协议的双向中继系统的载波频偏估计问题。我们的贡献是在设计一个最佳的前同步码,和相应的估计,密切实现最小的Cramer-Rao界(CRB)CFO。这种最优性是断言相对于新的类的块旋转的块旋转的块(BRP)。这类包括在实践中广泛使用的周期性前导,但它通过块旋转角度提供了额外的设计自由度。我们首先确定灾难性的情况下,任意大的CRB时,使用常规的周期性前导码。接下来,我们通过使用具有非零块旋转角度的BRP来解决这个问题。实际上,该角度创建了将期望的中继信号与AF协议中引入的自干扰分离的人工频率偏移。通过适当的优化,CRB在实际信道条件下只会产生来自单向中继的边际损耗。为了便于实施,一个特定的低复杂度类的估计量进行检查,并建立条件的估计,以实现优化的CRB。数值结果与理论研究结果相印证。
2012-08-16 cs.IT math.IT
Cooperative Reflection and Synchronization Design for Distributed Multiple-RIS Communications
为了获得分布式可重构智能表面(RIS)增强的无线网络中的通信所实现的承诺增益,这些元表面之间的定时同步是在实践中的一个重要先决条件。本文提出了一种统一的分布式多RIS通信系统中未知定时偏差和RIS信道参数联合估计的框架,以及协作反射和同步算法的设计。由于RIS通常是一种无源设备,信号处理能力有限,因此无法直接估计RIS链路各跳的定时偏移和信道增益。为了使估计易于处理,我们建议估计级联的信道和定时偏移联合推导出一个最大似然估计。此外,我们从理论上描述了Cramer-Rao下界(CRLB),以评估该估计的准确性。通过使用所提出的估计器和推导的CRLB,一个有效的同步算法设计联合在RI和目的地,以补偿多个定时偏移。基于优化最小化框架,该算法允许半封闭和封闭形式的解决方案的RIS反射矩阵和定时偏移均衡器,分别。仿真结果验证了我们的理论分析与数值测试的一致性,并验证了所提出的再同步算法的有效性。
2022-05-05 cs.IT eess.SP math.IT
Analysis of Carrier Frequency Selective Offset Estimation - Using Zero-IF and ZCZIn MC-DS-CDMA
针对MC-DSCDMA上行链路系统,提出了一种基于零中频零中频接收机和接收信号功率谱特性的频率同步方法。除此之外,采用零相关区(ZCZ)序列,专为准同步上行链路传输,建议利用频率和时间的多样性在频率选择性块衰落信道。通过比较MC-DS-CDMA系统上行链路载波频偏估计器与OFDM系统载波频偏估计器的方差来估计载波频偏。我们的研究和结果表明,MC DS CDMA系统的性能优于OFDM方法
2014-02-15 cs.IT cs.NI math.IT
Maximum A Posteriori Probability (MAP) Joint Fine Frequency Offset and Channel Estimation for MIMO Systems with Channels of Arbitrary Correlation
信道和频率偏移估计是一个经典的主题,大量的工作主要使用最大似然(ML)方法以及Cramér-Rao下界(CRLB)分析。我们提供了最大后验概率(MAP)估计的解决方案,这是特别有用的跟踪以前的估计可以用作先验知识。与最大似然情形不同,相应的贝叶斯克拉美罗下界(BCRLB)与参数有明显的关系,并且一个低复杂度的算法在几乎所有的信噪比范围内都能达到BCRLB。我们允许包内的时不变信道具有任意的相关性和平均值。该估计基于导频/训练信号。意外的结果是联合MAP估计首先等效于频率偏移的单独MAP估计,再次不同于ML结果。我们提供了基于BCRLB的导频/训练信号设计的见解。不像过去的算法,交易的性能和/或复杂性的适应时变信道,MAP解决方案提供了一个不同的路线,用于处理时间变化。在信道和CFO近似时不变的足够短的分组(段)内,可以采用低复杂度算法。类似于置信传播,前一个分组(的段)的估计可以用作下一个分组(的段)的先验知识。
2019-05-09 cs.IT eess.SP 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
Deep Learning Based Packet Detection and Carrier Frequency Offset Estimation in IEEE 802.11ah
基于IEEE 802.11标准的Wi-Fi系统是使用先听后说(LBT)方法进行信道接入的最流行的无线接口。大多数基于LBT的系统的显著特征是发射机使用在数据之前的伪码,以允许接收机执行分组检测和载波频率偏移(CFO)估计。前导码通常包含具有良好相关特性的训练符号的重复,而传统的数字接收机将基于相关的方法应用于分组检测和CFO估计两者。然而,近年来,基于数据的机器学习方法正在颠覆物理层研究。特别是在基于深度学习(DL)的信道估计领域中,已经提出了有希望的结果。在本文中,我们提出了一个性能和复杂性分析的数据包检测和CFO估计使用传统的和基于DL的方法。该研究的目标是调查在哪些条件下,基于DL的方法的性能接近甚至超过传统的方法,但也,在哪些条件下,他们的性能较差。针对新兴的IEEE 802.11ah标准,我们的研究使用了基于标准的模拟环境和基于软件定义无线电的真实测试平台。
2021-07-21 cs.IT eess.SP math.IT
Practical Analysis of Codebook Design and Frequency Offset Estimation for Virtual-MIMO Systems
当单个接收机没有配备多个天线时,使用与压缩转发(CF)协议的接收机侧协作的虚拟多输入多输出(MIMO)无线系统是点对点MIMO系统的替代方案。很明显,如果在中继站采用有效的信源编码技术,CF协作的实用性将大大增强。甚至更期望CF协作不应当对载波频率偏移(CFO)过度敏感。本文对这两个问题进行了实践研究。首先,Voronoi矢量量化(VQ)和树结构矢量量化(TSVQ)的码本设计,使CF合作在中继描述。在码本设计和编码复杂度方面的比较进行了分析。结果表明,TSVQ是更简单的设计和操作,并可以实现良好的性能复杂度权衡。此外,本文证明了CFO可以导致显着的性能下降的虚拟MIMO系统。为了克服这一点,建议保持时钟同步,并联合估计中继和目的地之间的CFO。这种方法被证明提供了显着的性能改善。
2013-02-07 cs.IT math.IT
Maximum a Posteriori Probability (MAP) Joint Carrier Frequency Offset (CFO) and Channel Estimation for MIMO Channels with Spatial and Temporal Correlations
针对具有时空相关性的时变 MIMO 信道,提出低复杂度通用 CFO 估计算法并证明 MAP 联合估计可分解为 CFO 的 MAP 与信道 MMSE 估计,且算法在几乎全 SNR 范围达到 BCRLB,揭示导频结构对界的单调性影响。
2025-08-31 cs.IT math.IT
Maximum Likelihood Algorithms for Joint Estimation of Synchronization Impairments and Channel in MIMO-OFDM System
研究了多输入多输出正交频分复用(MIMO-OFDM)系统中同步损伤和信道联合估计的最大似然(ML)算法。系统模型,考虑到载波频率偏移,采样频率偏移,符号定时误差和信道脉冲响应的影响制定。给出了连续参数估计的Cramér-Rao下界,该下界反映了不同损伤之间的耦合效应和联合估计的重要性.我们提出了一种最大似然估计算法,同步损伤和信道一起,使用网格搜索方法。为了降低ML算法中联合网格搜索的复杂度,本文还提出了一种具有多个一维搜索的改进ML(MML)算法。此外,一个阶段明智的ML(SML)算法使用现有的算法,估计较少的参数,也提出了。通过数值仿真研究了估计算法的性能,发现提出的ML和MML算法具有比SML算法更好的性能。
2012-10-27 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
Cross-Band Interference Considered Harmful in OFDM Based Distributed Spectrum Sharing
在过去的几年中,我们已经目睹了从静态频谱分配到动态频谱接入/共享的范式转变。正交频分多址接入(OFDMA)是实现敏捷频谱接入的一种有效机制。然而,在紧密同步不可行的无线分布式网络中,OFDMA面临着跨频带干扰的问题。由不同用户使用的子载波不再是正交的,并且在非重叠子载波上操作的传输可能彼此干扰。在本文中,我们将探讨跨频带干扰的原因,并分析量化其强度和对数据包传输的影响。我们的分析捕获三个关键的实际工件:链路间频率偏移,时间采样失配和功率异质性。据我们所知,这项工作是第一个系统地分析跨频带干扰的原因和影响。利用我们分析中的见解,我们构建并比较了三种缓解方法来对抗跨频带干扰。分析和仿真结果表明,在链路边界设置频率保护带是分布式频谱共享的最有效解决方案,而其他两种频域方法对时间采样失配或链路间频率偏移敏感。我们发现,适当的保护带的大小在很大程度上取决于功率的异质性。因此,动态频谱接入的协议设计应该在配置频谱使用时仔细考虑跨频带干扰。
2010-05-16 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
Triple-Structured Compressive Sensing-based Channel Estimation for RIS-aided MU-MIMO Systems
可重构智能表面(RIS)被认为是5G之后的潜在技术,并引起了巨大的研究关注。然而,由于级联信道中的参数数量过多,在RI辅助系统中的信道估计仍然是一个关键的挑战。现有的基于压缩感知(CS)的RIS估计方案仅采用不完全稀疏性,这会导致冗余导频消耗。在本文中,我们利用级联通道的特定三重结构稀疏性,即,公共列稀疏度、偏移补偿后的结构化行稀疏度和所有用户之间的公共偏移。在此基础上提出了一种新的多用户联合估计算法。仿真结果表明,我们的方法可以显着减少导频开销在两个CDMA和UPA场景。
2021-08-31 cs.IT eess.SP 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
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 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
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
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
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
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
Blind Cyclic Prefix-based CFO Estimation in MIMO-OFDM Systems
本文提出一种基于循环前缀的低开销盲CFO估计方法,利用天线和时间分集,提供闭式解和算法,在计算复杂度线性增加下显著提升MIMO-OFDM系统性能。
2023-08-29 cs.IT eess.SP 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
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
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
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
An alternative approach for distributed parameter estimation under Gaussian settings
MIT-IBM Watson AI Lab(麻省理工学院-IBM沃森人工智能实验室);IBM Research(IBM研究院)
本文对多智能体网络上的分布线性参数估计问题提出了一种不同的方法。参数向量被认为是随机的高斯分布。每个代理处的传感器测量是线性的,并且被加性高斯白噪声破坏。在这种情况下,本文提出了一种新的分布式估计算法,融合的共识和创新的概念,将一致性条款(相邻估计)的创新条款。在分布参数可观测性假设下,我们设计了最优增益矩阵,使得分布估计是一致的,并实现了快速收敛。
2022-04-14 cs.IT cs.LG cs.SY