Reinforcement Learning Based Sensor Optimization for Bio-markers
本文提出基于强化学习的二元粒子群优化（RLBPSO）方法，优化IDC射频传感器设计参数以提升灵敏度，实验证明其在多频段优于ACO等现有方法。
2025-08-08 cs.LG cs.NE eess.SP
PySensors: A Python Package for Sparse Sensor Placement
University of Washington（华盛顿大学）
PySensors是一个Python包，用于选择和放置稀疏的传感器集，用于分类和重建任务。具体来说，PySensors实现了数据驱动的稀疏传感器布局优化重建（SSPOR）和稀疏传感器布局优化分类（SSPOC）算法。在这项工作中，我们简要描述了稀疏传感器优化的数学算法和理论，以及PySensors中实现的功能的概述和演示（带有代码示例）。我们还为用户提供了实用的建议，以及PySensors的潜在扩展列表。软件可在https://github.com/dynamicslab/pysensors上获得。
2021-02-20 cs.LG eess.SP math.OC
Traffic Modelling and Prediction via Symbolic Regression on Road Sensor Data
Aston University（阿斯顿大学）；Institute for Computer Science and Control, Hungarian Academy of Sciences（匈牙利科学院计算机科学与控制研究所）
城市交通传感基础设施的不断扩展导致广泛可用的道路相关数据量激增。因此，越来越多的努力致力于创造智能交通系统，其中从城市范围的道路维护规划到改善通勤体验等问题的决策都由城市交通的计算模型提供信息，而不是完全留给人类。交通管理的自动化已经得到了研究界的极大关注，然而，大多数方法都是针对高速公路，在有限的时间窗口内产生有效的预测，或者需要对可用模型进行昂贵的重新训练，以便准确地预测新位置的交通。在这篇文章中，我们提出了一种新的和准确的交通流预测方法的基础上，符号回归增强滞后算子。我们的方法产生了适合复杂城市道路的鲁棒模型，比高速公路更难预测。此外，无需重新训练模型长达9周。此外，所提出的方法生成的模型，可转移到其他路段的道路网络，类似的，但在地理上不同的，他们最初的trainedon.We证明了这些索赔的实现进行广泛的实验从达姆施塔特城市基础设施收集的数据。
2020-02-14 cs.AI cs.NE eess.SP
Power Minimization in Wireless Sensor Networks With Constrained AoI Using Stochastic Optimization
在本文中，我们考虑了一个系统，多个低功耗传感器及时沟通的信息，一个随机过程的一个汇。传感器共享正交的子信道，以状态更新数据包的形式传输这种信息。传感器在接收器处的信息的新鲜度由信息年龄（AoI）表征，并且传感器可以通过决定是否采取样本来控制采样策略。我们制定了一个优化问题，以最小化的时间平均总发射功率的传感器，通过联合优化每个传感器的采样动作，发射功率分配，和子信道分配的约束下的最大时间平均AoI和每个传感器的最大功率。为了解决优化问题，我们使用李雅普诺夫漂移加惩罚方法。数值结果表明，该算法的性能与系统的不同参数。
2019-12-05 cs.IT eess.SP math.IT
Data-Driven Sensor Selection Method Based on Proximal Optimization for High-Dimensional Data With Correlated Measurement Noise
针对具有强相关测量噪声的高维非动力系统，提出了一种数据驱动的传感器选择方法。该方法是基于邻近优化和确定传感器的位置，通过最小化块稀疏性硬约束下的Fisher信息矩阵的逆的轨迹。该方法避免了在测量噪声强相关的情况下传感器选择的困难，即必须事先知道可能的传感器位置，以计算用于选择传感器位置的精度矩阵。该问题可以有效地解决了交替方向的乘法器的方法，所提出的方法的计算复杂度是成比例的潜在传感器位置的数量时，它是结合使用的测量噪声模型的低秩表达式。通过人工和真实数据集的实验证明了该方法优于现有的传感器选择方法。
2022-11-26 eess.SP
Wearable Respiration Monitoring: Interpretable Inference with Context and Sensor Biomarkers
University of North Carolina（北卡罗来纳大学）；George Washington University（乔治·华盛顿大学）
呼吸率（BR）、每分钟通气量（VE）和其他呼吸参数对于许多急性健康状况（如哮喘）中的实时患者监测至关重要。测量呼吸的临床标准，即肺活量测定法，几乎不适合连续使用。可穿戴设备可以跟踪许多生理信号，如ECG和运动，但不能跟踪呼吸。从其他模态中推导出呼吸已经成为一个活跃的研究领域。在这项工作中，我们推断呼吸参数可穿戴心电图和手腕运动信号。我们提出了一个模块化和可推广的分类回归管道，利用可用的上下文信息，如身体活动，在学习上下文条件推理模型。形态学和功率域的新功能，从可穿戴心电图提取使用这些模型。探索性特征选择方法被纳入该管道中，以发现应用特定的可解释的生物标志物。使用来自15个主题的数据，我们评估了两个实现的建议管道：推断BR和VE。每个实现比较广义线性模型，随机森林，支持向量机，高斯过程回归和邻域成分分析作为上下文回归模型。使用排列、正则化和相关性确定方法对ECG特征进行排序，以识别跨模型和活动的稳健ECG生物标志物。这项工作证明了可穿戴传感器不仅在连续监测方面的潜力，而且在设计生物标记驱动的预防措施方面的潜力。
2020-07-02 cs.AI cs.CY cs.HC
Statistical Linear Regression Approach to Kalman Filtering and Smoothing under Cyber-Attacks
本文针对网络攻击下信息物理系统的远程状态估计问题，利用广义统计线性回归近似受损测量模型，提出卡尔曼滤波与RTS平滑算法，并通过飞机跟踪仿真验证其有效性。
2025-04-11 cs.SY eess.SP eess.SY
Probabilistic RF-Assisted Camera Wake-Up through Self-Supervised Gaussian Process Regression
无线传感器的研究代表了一个不断发展的技术领域，这要归功于它们的高度灵活性和可扩展性，快速和经济的部署，以及在工业，民用和家庭环境中的普遍性。然而，维护成本和传感器的可靠性受到电池寿命的强烈影响，这可能会限制它们的使用。在本文中，我们考虑一个无线智能相机，配备了一个低能量的无线电接收器，并用于视觉检测移动的无线电发射目标。为了在不牺牲检测能力的情况下保持相机的寿命，我们设计了一个概率能量感知控制器来打开/关闭相机。利用无线电信号强度，通过自监督高斯过程回归和递归贝叶斯估计相结合的方法来预测目标的可探测性。数值和实验结果表明，自动训练过程最大限度地减少了人为干预，而控制器保证了高检测精度和低能耗。
2021-05-01 cs.SY eess.SP eess.SY
Boosted Enhanced Quantile Regression Neural Networks with Spatiotemporal Permutation Entropy for Complex System Prognostics
University of Hertfordshire（赫特福德大学）
本文提出一种基于时空排列熵分析与增强型分位数回归神经网络的新型框架，用于模式预测和系统预测。通过结合基于熵的复杂性度量与先进神经架构，实现多维系统复杂动态模式的理解，提升预测精度和不确定性量化能力。
2026-07-20 cs.LG cs.SY eess.SP
Optimal Sensor Placement via Graph-constrained Flow Matching
Nanyang Technological University（南洋理工大学）
研究图信号处理中最优传感器放置问题，提出将其转化为连续空间生成建模问题，利用离线训练样本让流匹配模型学习分布以直接生成连续传感器坐标，开发相关框架，实验验证了该框架在传感器放置上的有效性。
2026-07-23 eess.SP
EICO: Energy-Harvesting Long-Range Environmental Sensor Nodes with Energy-Information Dynamic Co-Optimization
在实现电池寿命、信息准确性、传输距离和成本等严格设计目标方面的挑战推动了对传统电池供电设备的能量采集传感器节点的深入研究。当传感器网络需要跨越诸如农田和偏远地形的广阔区域时，远程通信的固有功率密集性质进一步放大了这一挑战。太阳能是无线传感器节点的常见能源，然而，由于季节变化和天气条件引起的功率波动，太阳能并不可靠。本文解决了这些问题，提出了一个永久供电，能量收集传感器节点，利用最小尺寸的太阳能电池，并能够通过动态协同优化能源消耗和信息传输，称为能量信息动态协同优化（EICO）的远程通信。这种能量信息智能是通过基于从收集器和电荷存储元件可用的能量总量的信息传输的自适应占空比来实现的，以优化传感器节点的能量消耗，同时采用传感器内分析（ISA）来最小化信息的丢失。这是第一个被报道的尺寸<35 cm 2的传感器节点，它能够以高达1包/秒的连续信息传送率在> 1 Km上进行远程通信，这是由EICO和ISA实现的。
2021-07-15 cs.NI eess.SP
RelSen: An Optimization-based Framework for Simultaneously Sensor Reliability Monitoring and Data Cleaning
Siemens Corporate Technology（西门子中央研究院）
物联网（IoT）技术的最新进展导致传感应用的普及率激增。因此，人们在日常生活中越来越依赖从传感器获得的信息来做出决策。不幸的是，在大多数传感应用中，已知传感器是容易出错的，并且它们的测量可能在任何意想不到的时间变得误导。因此，为了提高传感应用的可靠性，除了感兴趣的物理现象/过程之外，我们认为在对传感器进行分析之前监控传感器的可靠性并清理传感器数据也非常重要。现有的研究往往把传感器的可靠性监测和传感器数据清洗作为单独的问题。在这项工作中，我们提出了RelSen，一种新的基于优化的框架，同时解决这两个问题，通过利用它们之间的相互依赖。此外，RelSen不是特定于应用程序的，因为其实现假设了对监控下的过程动态的最小先验知识。这大大提高了它在实践中的通用性和适用性。在我们的实验中，我们将RelSen应用于室外空气污染监测系统和水泥回转窑的状态监测系统。实验结果表明，我们的框架可以及时识别不可靠的传感器，并消除传感器测量误差所造成的三种类型的最常见的传感器故障。
2020-08-06 cs.AI cs.CR cs.IR
