Hallway Monitoring: Distributed Data Processing with Wireless Sensor Networks
我们提出了一个传感器网络测试平台，监测走廊。它由120个载荷传感器和29个被动红外传感器（PIR）组成，连接到30个无线传感器节点。还安装了29个LED和扬声器，作为执行器运行，并实现了测试台和路人之间的直接互动。除此之外，网络是异构的，由三个不同的电路板组成--每个电路板都有其特定的职责。与工业解决方案相比，负载传感器的设计成本极低，并且易于转移到其他设置中。该网络用于网络内数据处理算法，提供开发分布式目标跟踪算法等可能性。我们安装的特殊功能是高度相关的传感器数据和各种传感器类型的可用性。
2010-09-24 cs.DC
Paving the Way for Distributed Artificial Intelligence over the Air
分布式人工智能（DAI）被认为是在严格的隐私保护规则下为多个客户端提供智能服务的最有前途的技术之一。通过应用DAI，对原始数据的训练在本地进行，而训练的输出，例如，来自多个本地客户端的模型参数被发送回中央服务器用于聚集。最近，为了实现更好的实用性，DAI被研究结合无线通信网络，纳入各种随机效应所带来的无线信道。然而，由于无线信道的复杂性和情况依赖性，一个通用的模拟器应用DAI在无线通信网络中仍然缺乏。为了加速DAI在无线通信网络中的应用，我们提出了一个通用的系统设计，在本文中，以及相关的模拟器，可以根据无线信道和系统级配置设置。详细的系统设计和无线环境的影响分析，以促进进一步的实施和更新。我们采用了一系列的实验来验证所提出的系统设计的有效性和效率，并显示其优越的可扩展性。
2022-01-21 cs.DC
Distributed Estimation over Wireless Sensor Networks with Packet Losses
设计并分析了一种分布式自适应算法，用于估计无线传感器网络测量的时变信号。该算法的主要特点之一是，没有中央协调节点之间需要被假定。网络中的节点所进行的测量受到噪声的影响，并且节点之间的通信容易发生数据包丢失。节点与相邻节点交换本地估计和测量。网络的每个节点局部地计算最小化估计误差方差的自适应权重。分散条件的权重，需要在整个网络的估计误差的收敛，提出。一个Lipschitz优化问题，以保证稳定性和最小化的方差。一个有效的策略来分配最优解的计算。在存在完美链路和有损耗链路的情况下对分布式算法进行了理论性能分析。数值模拟说明了各种网络拓扑结构和数据包丢失概率的性能。
2008-10-21 cs.DC
A distributed system perspective on Backscatter systems: A review
本文从分布式系统视角综述反向散射通信、室内定位、无电池网络和SWIPT，强调分布式架构与智能资源分配对构建稳健可扩展无线系统的关键作用。
2025-06-05 cs.DC
Distributed Broadcasting in Wireless Networks under the SINR Model
随着移动自组网、车载自组网、iThings等大规模多跳无线技术的出现，设计高效的分布式协议来维护网络架构并提供基本的通信工具至关重要。其中一个基本的通信任务是广播，也称为1对所有通信。我们提出了几个新的高效的分布式算法，并评估其时间性能的理论和模拟。第一种随机算法在具有n个节点和直径D的均匀幂网络上，当配备网络密度的局部估计时，以至少1-d的概率在O（D+log（1/d））轮中完成广播。此外，我们评估的平均性能，该协议的模拟两类生成的网络-均匀和社会-并比较结果与性能的指数退避启发式。我们的是第一个可证明有效和可扩展的分布式解决方案（全球）广播任务。第二种随机化协议不依赖于局部密度的估计，时间性能仅略高于第一种协议，时间性能为O（（D+log（1/d））logn）。最后，给出了一个时间复杂度为O（Dlog^2 n）的确定性算法，并给出了理论分析.
2013-02-17 cs.DC
A Distributed TDMA Slot Assignment Algorithm for Wireless Sensor Networks
无线传感器网络受益于通过避免帧冲突来降低功率要求的通信协议。时分媒体接入方法在时隙中调度传输以避免冲突，然而当在遭受节点故障和动态拓扑的\emph{ad hoc}网络中实现时，这些方法通常缺乏可扩展性。本文提出了一种分布式TDMA时隙分配算法，该算法对瞬时故障和动态拓扑变化具有自稳定性。对于任何规模的网络，期望的局部收敛时间是O（1），满足一个恒定的边界上的节点邻域的大小。
2004-05-19 cs.DC cs.NI
Exploiting Interference for Efficient Distributed Computation in Cluster-based Wireless Sensor Networks
本文提出了一些新的想法，如何提高共识算法在分布式无线传感器网络的性能，当考虑通信成本。特别感兴趣的是共识算法，利用无线信道的广播属性，以提高收敛速度方面的性能。为此，我们提出了一种新的基于聚类的共识算法，利用干扰计算，同时减少网络中的能量消耗。由此产生的优化问题是一个半定的程序，它可以离线解决系统启动之前。
2014-09-03 cs.DC cs.IT math.IT
Resource-Efficient Compilation of Distributed Quantum Circuits for Solving Large-Scale Wireless Communication Network Problems
针对无线传感器网络路由优化需求，提出一种分布式量子电路资源高效编译方法，通过谱聚类划分网络、QAOA优化子图路由，相较传统经典算法实现显著节能与可扩展性提升，为网络优化提供量子计算融合的高效方案。
2025-01-17 cs.DC quant-ph
Distributed Wake-Up Scheduling for Energy Saving in Wireless Networks
减少无线通信设备的能量消耗的常规解决方案是周期性地将无线电设备置于低功率睡眠方式。一个相关的问题是以这样的方式调度节点的唤醒，以确保设备之间的适当协调，尊重延迟约束，同时仍然节省能量。在本文中，我们介绍了一个简单的代数表征的问题下的能量消耗和延迟约束的周期性唤醒调度。我们证明了唤醒待用时间协调的一般问题是等价于整数分解，并讨论了设计高效的调度算法的影响。然后，我们提出了简单的多项式时间的启发式算法，可以实现在一个分布式的方式，并提出了一个消息的复杂性的数量级的链接在网络中。数值结果提供，以评估所提出的技术应用于无线传感器网络时的性能。
2011-06-08 cs.DC cs.NI
Near-Optimal Distributed Scheduling Algorithms for Regular Wireless Sensor Networks
无线传感器网络通常以资源受限的节点为特征。由于在这些网络中，通信的能量消耗最大，因此最大限度地减少这种开销非常重要。我们考虑规则的多跳无线传感器网络中的最小长度节点调度。我们提出了无冲突的分布式调度算法，基于TDMA的空间复用，不使用消息传递，这节省了通信开销。我们开发的算法使用基于图的k跳干扰模型，并表明在规则的网络中的调度复杂度是独立的节点的数量和变化的二次方与k，这通常是一个非常小的数字。我们遵循它的特征可行性区域的SINR参数空间中的恒定的复杂性继续保持，同时满足的SINR标准。使用模拟，我们评估我们的解决方案对随机网络部署的效率。
2013-01-23 cs.DC cs.NI
Delay-Optimal Distributed Edge Computing in Wireless Edge Networks
分布式边缘计算（DEC）通过将边缘计算与并行计算相结合，利用边缘网络中的分布式设备并行执行计算，可以大幅降低服务延迟。在本文中，我们探讨DEC，利用分布式边缘设备连接的无线网络来执行计算任务卸载从终端设备。特别是，我们研究的基本问题，最大限度地减少执行分布式算法的计算任务的延迟。首先，我们建立了一些最优通信调度策略的结构特性。然后，给出了这些属性，我们的最优计算分配策略，它可以找到一个有效的算法。其次，基于最优计算分配，我们描述了一些特殊情况下的通信的最优调度顺序，并开发了一个有效的算法与有限的逼近比，以找到它的一般情况。最后，基于最优的计算分配和通信调度，我们进一步证明了在某些特殊情况下，可以有效地找到最优的设备选择。我们的研究结果提供了一些有用的见解，最佳的计算通信协同设计。我们使用模拟的理论研究结果的性能进行评估。
2020-02-07 cs.DC cs.NI
Wireless MapReduce Arrays for Coded Distributed Computing
针对现有编码无线MapReduce分布式计算方案需输入文件数随节点数指数增长的问题，提出基于无线MapReduce阵列的方案，在文件数与节点数同量级时实现同等最优性能。
2024-06-22 cs.DC cs.IT math.IT
Randomized Distributed Configuration Management of Wireless Networks: Multi-layer Markov Random Fields and Near-Optimality
Georgia Institute of Technology（佐治亚理工学院）；Microsoft（微软）
分布式配置管理对于无线无基础设施网络是必要的，在无线无基础设施网络中，每个节点通过与邻居的信息交换来本地调整其物理和逻辑配置。两个问题仍然悬而未决。第一个是最优性。第二是复杂性。我们通过建模、分析和随机分布式算法研究这些问题。建模定义了最优性。我们首先推导出一个全球概率模型的网络配置，其特征在于联合的物理和逻辑配置的统计空间依赖性。然后，我们证明了一个局部模型，近似的全球模型是一个两层马尔可夫随机场或随机债券模型。局部模型的复杂性在于节点间的通信范围。当全局模型的近似误差在给定的误差范围内时，局部模型是近最优的。我们分析了近似误差和复杂性之间的权衡，并推导出局部模型近似最优的充分条件。我们也通过仿真验证了模型、分析和随机分布算法。
2008-09-11 cs.AI cs.DC
Distributed on-line multidimensional scaling for self-localization in wireless sensor networks
研究了由固定节点组成的无线传感器网络的定位问题。每个节点都试图根据与其他节点的相对距离的噪声测量来估计自己的位置。在集中式批处理模式中，可以通过对从相对距离构建的所谓相似性矩阵应用主成分分析（PCA）来检索位置（直到刚性变换）。在本文中，我们提出了一个分布式的在线算法，允许每个节点估计自己的位置的基础上有限的交换信息的网络。我们的框架包括零星的测量和随机链路故障的情况下。我们证明了我们的算法在固定传感器的情况下的一致性。最后，我们提供了模拟和真实数据的数值和实验结果。在无线传感器网络实验平台上对实际数据进行了仿真。
2015-03-18 cs.DC cs.IT math.IT
Failure-tolerant Distributed Learning for Anomaly Detection in Wireless Networks
The University of Melbourne（墨尔本大学）；Northrop Grumman Corporation（诺斯罗普·格鲁曼公司）
对分布式技术的分析通常集中在其效率上，而不考虑其鲁棒性（或缺乏鲁棒性）。当设备或中央服务器可能发生故障时，这种考虑尤其重要，这可能会削弱分布式系统。当这种故障出现在无线通信网络中时，它们使用/提供的重要服务（如异常检测）可能无法操作，并且可能导致一连串的安全问题。在本文中，我们提出了一种新的方法来解决这些风险相结合的平面和星形拓扑结构，结合两者的性能和可靠性的好处。我们把这种方法称为“Tol-FL”，因为它与联邦学习技术相比具有更高的容错性。我们的方法既限制了设备故障风险，又在考虑客户端和服务器故障的一系列现实设置中，在异常检测AUROC方面比以前的方法高出8%，同时降低了通信成本。该性能表明Tol-FL是一种非常适合用于异常检测的分布式模型训练的方法，特别是在无线网络领域。
2023-03-23 cs.AI cs.DC cs.LG
Distributed optimization in wireless sensor networks: an island-model framework
无线传感器网络（WSNs）是一种新兴的技术，在几个应用领域，从城市监控到环境和结构监测。计算智能（CI）技术特别适合于增强这些系统。然而，当将CI嵌入到无线传感器中时，必须考虑到严重的硬件限制。在本文中，我们调查的可能性，在一个无线传感器网络进行在线，分布式优化过程。例如，这样的系统可以用于实现高级网络功能，例如分布式建模、自优化协议和异常检测等。所提出的方法，称为DOWSN（分布式优化的WSN）是一个岛屿模型的基础设施，其中每个节点执行一个简单的，计算成本低（无论是在CPU和内存方面）的优化算法，并与邻居共享有前途的解决方案。我们进行了广泛的测试，不同的DOWSN配置的基准组成的连续优化问题，我们分析的网络参数（节点数量，节点间的通信周期和接受传入的解决方案的概率）的优化性能的影响。最后，我们剖析能源和内存消耗的DOWSN显示传感器节点上可用的有限的硬件资源的有效利用。
2018-10-05 cs.DC cs.NE cs.NI
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
Distributed Cross-Layer Optimization in Wireless Networks: A Second-Order Approach
针对无线网络中分布式跨层优化收敛慢的问题，提出基于牛顿法的二阶算法，通过推导闭式Hessian逆和分布式迭代矩阵分裂方案，实现二次收敛速率。
2013-02-16 cs.DC cs.IT cs.NI
Medium Access using Distributed Reinforcement Learning for IoTs with Low-Complexity Wireless Transceivers
Michigan State University（密歇根州立大学）
本文提出了一种基于分布式强化学习（RL）的框架，该框架可用于在具有低复杂度无线收发器的物联网网络中合成MAC层无线协议。所提出的框架不依赖于复杂的硬件功能，例如载波侦听及其相关的算法复杂性，这些功能在低成本和低能耗物联网设备的无线收发器中通常不受支持。在这个框架中，访问协议首先制定为马尔可夫决策过程（MDP），然后使用RL解决。一个分布式和多Agent RL框架被用作协议合成的基础。分布式行为使得节点独立地学习最优传输策略，而不必依赖于完整的网络级信息和其他节点行为的直接知识。节点学习最小化分组冲突，使得可以针对高于用于IoT设备的已知基准协议（诸如ALOHA）的负载条件获得和维持最佳吞吐量，而无需复杂的收发器。此外，观察到的节点能够学习最佳的行为在异构负载和网络拓扑条件的存在下。最后，所提出的学习方法允许无线带宽以不依赖于这种异质性的方式在网络节点之间公平地分布。通过仿真实验，本文展示了学习范式的性能和它的能力，使节点适应他们的最佳传输策略，在飞行中响应各种网络动态。
2021-04-29 cs.DC cs.LG cs.NI
Wireless Sensor Networks as Parallel and Distributed Hardware Platform for Artificial Neural Networks
本研究提出将无线传感器网络作为人工神经网络的大规模并行全分布式硬件平台，以实现超大规模问题的实时计算，有望突破现有计算局限并革新计算模式。
2025-10-30 cs.AR cs.DC cs.NE
Controlled Hopwise Averaging: Bandwidth/Energy-Efficient Asynchronous Distributed Averaging for Wireless Networks
University of Oklahoma（俄克拉荷马大学）
针对无线网络分布式平均的带宽/能量效率问题，提出受控逐跳平均算法，通过利用无线广播特性和迭代控制，实现更高效的通信。
2010-12-26 cs.DC cs.SY eess.SY
