Compressed sensing performance bounds under Poisson noise
本文描述了压缩感知(CS)的性能界限,其中底层的稀疏或可压缩(稀疏近似)信号是一个向量的非负强度的测量被破坏的泊松噪声。在这种情况下,标准CS技术不能直接应用,原因有几个。首先,通常的信号无关和/或有界噪声模型不适用于泊松噪声,这是非加性和信号相关。其次,CS矩阵通常被认为是不可行的,在实际的光学系统,因为他们不遵守重要的约束,如非负性和光子通量的保存。第三,典型的$\ell_2$ - $\ell_1$最小化导致高强度区域中的过拟合和低强度区域中的过平滑。在本文中,我们描述了一个可行的积极性和通量保持传感矩阵可以被构造,然后分析性能的CS重建方法的泊松数据,最大限度地减少了目标函数组成的负泊松对数似然项和惩罚措施的信号稀疏性。我们表明,作为基础信号的整体强度的增加,重建误差的上限以适当的速率衰减(取决于信号的可压缩性),但对于一个固定的信号强度,信号相关的部分的误差界实际上增长的测量或传感器的数量。这一令人惊讶的事实既在理论上得到了证明,也在物理直觉的基础上得到了证明。
2010-05-01 cs.IT math.IT
Reconstruction Error Bounds for Compressed Sensing under Poisson Noise using the Square Root of the Jensen-Shannon Divergence
在压缩感知中,高斯或均匀有界噪声下的重构误差界不容易转化为泊松噪声的情况。其原因包括泊松噪声的信号相关性质,以及泊松分布情况下的负对数似然(NLL)(与广义Kullback-Leibler散度(GKLD)相关)不是度量并且不服从三角不等式的事实。存在先前的理论结果的形式证明的误差界的计算易于处理的估计压缩感知问题下泊松噪声。然而,这些结果并不适用于现实的压缩系统,它必须遵守一些关键的约束,如非负性和通量保持。另一方面,在已发表的文献中,对于这样的现实系统存在可证明的误差界,但它们是用于计算上难以处理的估计量。在本文中,我们开发了一个计算上易于处理的估计,这也适用于现实的压缩系统服从所需的约束的误差界。我们的技术取代GKLD,与信息理论度量-即詹森-香农发散(JSD),这是一个近似的,对称版本的泊松NLL的平方根。我们表明,这允许简单的证明的错误界。我们提出并证明了有趣的统计特性的平方根的JSD和利用其他已知的。数值实验显示使用的技术在信号和图像重建从压缩测量泊松噪声。我们的技术适用于稀疏/可压缩信号在任何正交基,工程与任何随机生成的非负和通量保持传感矩阵的概率很高,并提出了一个估计器,其参数是纯粹的统计动机。
2017-09-25 cs.IT math.IT
Poisson Group Testing: A Probabilistic Model for Boolean Compressed Sensing
本文提出缺陷品数服从右截断 Poisson 分布的 Poisson 分组测试框架,并给出非自适应与半自适应识别方法的测试数下界、匹配构造及分阶段重建算法。
2015-05-27 cs.IT math.IT
Stable and robust $\ell_p$-constrained compressive sensing recovery via robust width property
我们研究了$\ell_p$ -约束压缩感知(CS)的恢复结果,通过稳健的宽度性质,利用$p\geq 1$确定了标准高斯矩阵的测量次数条件,在该条件下,该性质以高概率成立。本文利用$p\geq 1$将Cahill和Mixon(2014)的已有结果从$\ell_2$约束的CS扩展到$\ell_p$约束的情况,并利用$\ell_p$损失函数补充了鲁棒CS的恢复分析。
2017-08-25 cs.IT math.IT
Local recovery bounds for prior support constrained Compressed Sensing
先验支持约束压缩感知由于其潜在的应用前景,最近变得流行起来。关于恢复保证的现有结果提供了全球恢复界限,因为它们涉及全面支持。然而,在某些应用中,人们可能会感兴趣的恢复保证限于给定的先验支持,这样的界限可以被称为局部恢复界限。本文提出了局部恢复保证,并分析了使恢复误差小的相关参数的条件。
2020-07-02 cs.IT math.IT math.OC
Finite-Support Structure in i.i.d.-Constrained Capacity of Finite-Memory Poisson Channels
State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications(北京邮电大学网络与交换技术国家重点实验室);Beijing Key Laboratory of Convergent Communications and Networking Technologies in LEO Satellite Systems(低轨卫星系统融合通信与网络技术北京市重点实验室)
研究有限记忆泊松信道在峰值和平均光强度约束下的i.i.d.约束容量问题,通过对连续状态隐马尔可夫输出过程熵率的研究,证明最大化平稳互信息率的输入分布有有限支撑,采用滤波 - 遗忘估计等方法得出结论。
2026-07-27 cs.IT eess.SP math.IT
Weighted Superimposed Codes and Constrained Integer Compressed Sensing
我们介绍了一个新的家庭的代码,称为加权叠加码(WSC)。这个家庭推广类欧几里德叠加码(ESC),用于多用户识别系统。WSC允许区分满足规定的范数和非负性约束的实值码字的所有有界整数值线性组合。通过设计,WSC具有固有的噪声耐受性。因此,这些代码可以被看作是鲁棒压缩感知方案的特殊实例。本文的主要结果是几类WSC的最大可实现的码率的上下限。这些界限表明,在码字和加权向量约束的情况下,可以提高标准压缩感知可实现的码率。
2008-06-16 cs.IT math.IT
On Detection of Critical Events in a Finite Forest using Randomly Deployed Wireless Sensors
森林生态系统遭受许多不利事件,如野火,它可以在森林中的任何地方随机发生,并随着时间的推移而扩大。本文旨在分析随机部署的无线传感器网络的性能,这些时间关键和时间演变的事件在森林中的早期检测。我们认为,森林位于一个有限的空间(例如一个圆形区域)和无线传感器,具有固定的传感范围内,部署在森林本身的边界。网络的感知区域被建模为有限布尔泊松模型。在该模型中,传感器的位置被建模为一个有限的齐次泊松点过程(PPP),每个传感器的传感区域被假定为一个有限的集合。本文的目的是回答一个典型的传感器从一个随机发生的事件和传感器覆盖的总感测区域的接近度的问题。首先推导了有限布尔-泊松模型的接触距离分布和容量泛函的表达式。使用这些,我们然后导出在时间t感测到事件的概率,称为事件感测概率。
2019-04-21 cs.IT math.IT
QoS-Constrained Resource Pattern Design for V2X-ISAC Systems
Daegu Gyeongbuk Institute of Science and Technology (DGIST)(大邱庆尚北道科学技术院);Institute of Innovation for Future Army, Republic of Korea Army(韩国陆军未来军队创新研究所);Interdisciplinary Studies of Artificial Intelligence, DGIST(大邱庆尚北道科学技术院人工智能跨学科研究);Autonomous Driving Intelligence Research Section, Electronics and Telecommunications Research Institute (ETRI)(电子通信研究院自动驾驶智能研究部);Department of Electrical Engineering and Computer Science, DGIST(大邱庆尚北道科学技术院电气与计算机工程系)
针对V2X-ISAC系统,提出QoS约束的资源模式选择框架,联合优化通信可靠性与感知性能,采用带单次交换的贪婪算法,在满足PRR约束下接近最优感知性能。
2026-10-06 cs.IT eess.SP math.IT
Sensing Method for Two-Target Detection in Time-Constrained Vector Gaussian Channel
针对固定单位协方差的向量高斯信道,研究在总时间约束下通过线性变换寻找最优缩放矩阵,以同时优化互信息与MAP检测,发现两者给出不同最优解,并用Monte Carlo方法完成计算。
2022-02-05 cs.IT eess.SP math.IT
Optimized projections for compressed sensing via rank-constrained nearest correlation matrix
“Gheorghe Asachi” Technical University of Iasi(雅西“格奥尔基·阿萨奇”技术大学)
优化采集矩阵对于在过完备字典中稀疏的信号的压缩感测是有用的,因为采集矩阵可以适应字典原子的特定相关性。在本文中,提出了一种新的配方的优化问题,在秩约束的最近相关矩阵问题的形式。此外,改进现有的三个优化算法,这是所提出的配方的特殊情况下。仿真结果表明,在稀疏信号恢复显着的改善和优越的鲁棒性。
2013-09-14 cs.IT cs.LG math.IT
Multi-channel Sensing And Resource Allocation in Energy Constrained Cognitive Radio Networks
我们考虑一个认知无线电网络中的多信道许可的环境。如果信道被感测为空闲,则次用户在信道中发送。这导致感测时间和传输时间之间的折衷。当次用户能量受限时,如果更多的能量用于感测,则可用于传输的能量更少。这就产生了能量的权衡。对于多个主信道,次用户必须在每个信道中决定适当的感测时间和发送功率,以最大化每个帧持续时间内的平均聚合比特吞吐量,同时确保主用户的服务质量。考虑到时间和能源的有限资源,我们制定了这个问题作为一个资源分配问题。最初考虑单个二级用户场景,并使用分解和交替优化技术获得解决方案。之后我们将分析扩展到多个二级用户的情况。仿真结果研究了信道占用、衰落和能量可用性对该方法性能的影响。
2017-01-17 cs.IT cs.NI math.IT
Constrained adaptive sensing
假设我们希望从形式为$\mathbf{y} = \mathbf{A x} + \mathbf{z}$的少量噪声线性测量中估计矢量$\mathbf{x} \in \mathbb{C}^n$,其中$\mathbf{z}$表示测量噪声。当向量$\mathbf{x}$稀疏时,意味着它仅具有具有$s \ll n$的$s$非零值,如果信噪比(SNR)足够大,则可以通过基于先前测量自适应地选择$\mathbf{A}$的行来获得$\mathbf{x}$的显著更准确的估计。在本文中,我们考虑的情况下,我们希望实现自适应的潜力,但行的$\mathbf{A}$受到物理约束。特别是,我们研究的情况下,行的$\mathbf{A}$被约束为属于一个有限的一组允许的测量向量。我们证明了自适应传感的局限性和优势,在这种约束设置。我们证明,对于某些测量合奏,自适应设计提供的好处远远低于无约束的自适应设置中可能的改进。另一方面,我们还提供了理论和经验证据,在某些情况下,适应性仍然导致大幅改善,即使在约束设置。为了说明这些潜在的收益,我们提出了实用的算法约束自适应传感利用连接到最优实验设计理论,并表明这些算法表现出良好的性能在一些有代表性的应用。
2016-07-15 cs.IT math.IT
CSI Sensing from Heterogeneous User Feedbacks: A Constrained Phase Retrieval Approach
针对5G异构网络中低分辨率Type-I码本用户的CSI感知问题,提出利用邻近用户空间一致性降维并构建CPR模型的两阶段快速算法,以少量反馈达到Type-II码本性能。
2022-06-28 cs.IT eess.SP math.IT
Properties of the Support of the Capacity-Achieving Distribution of the Amplitude-Constrained Poisson Noise Channel
这项工作考虑了一个泊松噪声信道的幅度约束。众所周知,该通道的实现容量的输入分布是离散的,具有200多个点。我们锐化这一结果,通过引入上界和下界的质量点的数量。具体地,建立了阶数$\mathsf{A} \log^2(\mathsf{A})$的上界和阶数$\sqrt{\mathsf{A}}$的下界,其中$\mathsf{A}$是对输入幅度的约束。此外,在此过程中,我们还展示了容量和容量实现分布的其他几个性质。例如,它示出的容量等于$ - \log P_{Y^\star}(0)$,其中$P_{Y^\star}$是最优输出分布。此外,建立了容量实现分布的概率质量值的上界和最大质量点的概率的下界。此外,在每个符号的基础上,一个非零的下限检测的能力实现分布的错误概率下建立的最大后验规则。
2021-07-29 cs.IT math.IT
Structure-Constrained Basis Pursuit for Compressed Sensing
在压缩感知(CS)理论中,当样本的数量减少到最小阈值以下时,恢复的平均误差增加。为了保证重建质量,需要足够的采样,或者可以接受误差。然而,大多数CS的工作并没有利用固有的结构,在各种信号相关的工程应用。因此,本文提出了一种新的恢复建立在基追踪(BP),称为结构约束基追踪(SCBP),约束信号的基础上已知的结构,而不是通过额外的采样。该方法对语音音素/aa/的TIMIT记录的初步评估显示错误大幅减少:使用固定的5:1压缩比,平均恢复错误比vanilla BP低23.8%。更重要的是,这种方法可以应用于任何采样结构化数据(如FSK波形、语音和音调)的CS应用。在这些情况下,可以达到更高的压缩比,具有可比的误差。
2015-10-12 cs.IT math.IT
Coverage and Rate Analysis for Integrated Sensing and Communication Networks
本文提出广义随机几何框架分析ISAC网络,计算资源约束下传感与通信的覆盖率和遍历速率,揭示双功能耦合效应,数值验证表明基站密度增加显著提升ISAC覆盖率。
2024-03-22 cs.IT eess.SP math.IT
Bits from Photons: Oversampled Image Acquisition Using Binary Poisson Statistics
我们研究了一种新的图像传感器,它让人想起传统的摄影胶片。传感器中的每个像素都有一个二进制响应,仅给出局部光强度的一位量化测量。为了分析其性能,我们制定的过采样二进制传感方案的参数估计问题的基础上量化泊松统计。我们表明,与单光子量化阈值和大的过采样因子,Cramér-Rao下界(CRLB)的估计方差接近一个理想的未量化的传感器,也就是说,如果没有量化的传感器测量。此外,CRLB被证明是渐近实现的最大似然估计(MLE)。通过证明我们的问题的对数似然函数是凹的,我们保证了迭代算法的全局最优性。对合成数据和原型传感器拍摄的图像的数值结果验证了我们的理论分析,并证明了我们的图像重建算法的有效性。他们还建议过采样二进制传感方案在高动态范围摄影的潜在应用。
2011-12-05 cs.IT cs.MM math.IT
Improved Bounds on the Number of Support Points of the Capacity-Achieving Input for Amplitude Constrained Poisson Channels
本文研究了幅度受限泊松噪声信道,通过更简单的技术改进了容量可达输入分布支撑集基数的上下界,使其适用于非零暗电流,并将 $λ=0$ 时的上界从 $\mathsf{A} \log^2(\mathsf{A})$ 锐化至 $\mathsf{A}$。
2024-01-10 cs.IT math.IT
Robust Transmit Beamforming for Secure Integrated Sensing and Communication
研究了一种下行链路安全综合感知与通信(ISAC)系统,在该系统中,多天线基站(BS)向单天线通信用户(CU)发送机密消息,同时对可能充当可疑窃听者的目标进行感知。为了保证目标感知的质量,同时防止其潜在的窃听,BS将发送的机密信息信号与附加的专用感知信号相结合,其起到人工噪声(AN)的双重作用,用于降低窃听信道的质量。在这种设置下,我们联合设计的发射信息和传感波束形成,以最小化的加权和的波束模式匹配误差和互相关模式的传感受到安全的通信约束的目标。鲁棒性设计考虑了两种实际信道状态信息(CSI)错误场景下窃听者的信道状态信息(CSI)不确定性。首先,我们考虑的情况下,有界的CSI错误的窃听者,在最坏情况下的保密率约束,以确保安全的通信性能。在这种情况下,我们提出了最坏情况下的保密率约束的传感波束图优化问题的最佳解决方案,通过采用S-过程,半定松弛(SDR),和一维(1D)搜索的技术,其中SDR的紧密性是严格证明的。接下来,我们考虑的情况下与高斯CSI错误的窃听,其中采用的秘密中断概率约束。在这种情况下,我们提出了一个有效的算法来解决更具挑战性的保密中断约束的传感波束图优化问题,利用凸约束技术的基础上的伯恩斯坦型不等式,连同SDR和一维搜索。
2022-07-28 cs.IT eess.SP math.IT
Characterization of Cooperators in Quorum Sensing with 2D Molecular Signal Analysis
在群体感应(QS)中,细菌交换分子信号以共同工作。提出了一种易于分析的模型,用于表征细菌群体内的QS信号传播和响应合作细菌的数量(即,合作者)在二维(2D)环境中。与先前的工作与确定性拓扑结构和简化的分子传播通道,这项工作考虑连续发射,扩散,降解,和随机分布的细菌之间的接收。使用随机几何,2D信道响应和相应的合作概率在一个细菌。在此基础上,推导出了新的矩母函数和合作者个数的不同阶矩的表达式。分析结果与基于粒子的方法得到的模拟结果一致。此外,泊松分布和高斯分布进行了比较,以近似分布的合作者的数量和泊松分布提供了最好的整体近似。导出的信道响应通常可以应用于任何分子通信模型,其中单个或多个发射器连续地将分子释放到2D环境中。导出的合作者数量的统计数据可用于预测和控制QS过程,例如,预测和降低生物膜形成的可能性。
2020-09-02 cs.IT math.IT
JCAS-MARL: Joint Communication and Sensing UAV Networks via Resource-Constrained Multi-Agent Reinforcement Learning
本文提出JCAS-MARL框架,利用多智能体强化学习解决无人机网络中通信、感知与能源约束的协同优化问题,通过动态通信图实现多无人机共识以提高检测可靠性。
2026-03-13 cs.AI cs.IT cs.LG
A Riemannian Manifold Approach to Constrained Resource Allocation in ISAC
针对ISAC系统中受感知增益和功率约束的资源分配问题,提出ALMO流形优化框架,在最大化通信和速率的同时满足约束,并取得10.1%的和速率增益。
2024-04-08 cs.IT eess.SP math.IT
Generalized Bregman Divergence and Gradient of Mutual Information for Vector Poisson Channels
我们调查之间的连接信息理论和估计理论的矢量泊松信道模型的数量。特别是,我们概括的梯度互信息相对于关键系统参数从标量到矢量泊松信道模型。我们还提出,作为另一个贡献,一个泛化的经典Bregman发散,提供了一种手段,封装在一个统一的框架下的梯度的互信息结果的标量和矢量泊松和高斯信道模型。所谓的广义Bregman发散也表现出各种性质类似的经典版本的属性。鉴于其在各个领域中的应用,矢量泊松信道模型引起了相当大的关注:例如,互信息的梯度的可用性可以与梯度下降方法结合使用,以在新兴的X射线和文档分类应用中实现压缩感测投影设计。
2013-05-09 cs.IT math.IT stat.ML
Power-Constrained Sparse Gaussian Linear Dimensionality Reduction over Noisy Channels
在本文中,我们研究了稀疏高斯线性降维框架下的功率约束传感矩阵设计。我们的研究是在一个单一的终端设置,以及在一个多终端设置组成的正交或相干多址接入信道(MAC)。我们采用均方误差(MSE)的性能标准,在系统中的源到传感器的信道(S)和传感器到解码器的通信信道(S)是嘈杂的稀疏源重建。我们提出的传感矩阵设计过程依赖于最小化的MSE在单-和多-终端设置的下限。我们提出了一个三阶段的传感矩阵优化方案,结合半定松弛(SDR)规划,一个低秩近似问题和功率重新缩放。在一定条件下,我们推导出封闭形式的解决方案,建议的优化过程。通过数值实验,应用实际的稀疏重建算法,与其他相关方法进行比较,显示了该方案的优越性。这种性能改进是以更高的计算复杂性为代价实现的。因此,为了解决复杂性负担,我们提出了一个等效的随机优化方法,可以近似解决的问题,同时仍然提供了优于流行的方法的性能。
2015-07-27 cs.IT math.IT
Analysis-by-Synthesis-based Quantization of Compressed Sensing Measurements
我们考虑一个资源受限的情况下,压缩感知(CS)为基础的传感器具有低数量的测量,以低速率量化,然后传输或存储。应用这种情况下,我们开发了一种新的量化器的设计,其目的是获得高质量的重建性能的稀疏源信号的基础上分析合成框架。通过仿真,我们比较了所提出的量化算法与现有的量化方法的性能。
2014-04-30 cs.IT math.IT
Efficient Compressive Phase Retrieval with Constrained Sensing Vectors
Georgia Institute of Technology(佐治亚理工学院)
本文提出一种高效的压缩相位恢复方法,通过受限传感向量和两阶段重构方法,解决从线性测量的幅度重建稀疏向量的问题,证明在O(k log(d/k))测量下可有效恢复目标信号。
2015-10-27 cs.IT cs.NA math.IT
Poisson Hail on a Wireless Ground
INRIA Paris(巴黎国家信息与自动化研究所);CNRS-ETIS(法国国家科学研究中心电子与信息系统实验室);School of MACS, Heriot-Watt University(赫瑞-瓦特大学数学与应用科学学院);Sobolev Institute of Mathematics(索博列夫数学研究所)
本文提出了一种新模型,结合无线通信系统中的空间干扰、队列动态和载波感知避碰机制,分析了稳定性区域形状及参数对系统稳定性的影响。
2026-04-14 cs.IT cs.NI math.IT
Downlink Non-Orthogonal Multiple Access (NOMA) in Poisson Networks
考虑一种网络模型,其中泊松分布基站向$N$功率域非正交多址(NOMA)用户(UE)发送,每个UE {采用连续干扰消除(SIC)进行解码}。我们提出了三种模型的NOMA UE的集群,并考虑两种不同的排序技术的NOMA UE:平均信号功率为基础的和瞬时信号小区间干扰和噪声比为基础的。对于每种技术,我们提出了一个信号干扰和噪声比分析的典型UE的覆盖范围。我们绘制的速率区域的两个用户的情况下,并表明,无论是订购技术是一贯优于其他。我们提出了两种有效的算法,用于找到一个可行的资源分配,最大化的小区总速率$\mathcal{R}_{\rm tot}$,一般$N$,约束为:1)最小吞吐量$\mathcal{T}$为每个UE,2)相同的吞吐量为所有UE。我们证明存在:1)在给定一组网络参数的情况下使受约束的$\mathcal{R}_{\rm tot}$最大化的最优$N$,2)NOMA优于正交多址所需的临界SIC水平。结果突出了选择网络参数$N$、约束和排序技术以平衡$\mathcal{R}_{\rm tot}$和公平性要求的重要性。我们还表明,干扰感知UE聚类可以显着提高性能。
2018-10-15 cs.IT math.IT
Fishing in Poisson streams: focusing on the whales, ignoring the minnows
本文描述了一种低复杂度的方法来重建平均数据包到达率和瞬时数据包计数在路由器在通信网络中,在每个流中的数据包的到达遵循泊松过程。假设该泊松过程的速率向量是稀疏的或近似稀疏的,目标是使用少量计数器来维护过程样本路径的压缩摘要,使得在任何时候都可以重建每个流中的分组总数和底层速率向量。我们表明,这些任务可以有效地完成,准确地使用压缩感知与扩展图。特别地,压缩计数是通过不平衡扩展器的邻接矩阵的基础计数过程的线性变换。这样的矩阵是二进制和稀疏的,这允许在新分组到达时有效地递增。我们描述,分析和比较两种方法,可用于估计当前的总数据包计数向量和到达率的基本向量。
2010-03-15 cs.IT math.IT
Resource-Constrained Adaptive Search and Tracking for Sparse Dynamic Targets
研究了资源受限和噪声受限条件下大范围稀疏分布动态目标的定位与估计问题。我们将现有的框架[Bashan et al,2008]推广到动态情况下,用于自适应分配传感资源,考虑时变目标行为,例如过渡到相邻细胞和在潜在的长时间范围内变化幅度。所提出的自适应传感策略是由最小化的修改版本的先前介绍的ARAP目标函数,这是一个代理函数的均方误差内包含目标的位置。我们提供了理论上的自适应传感策略的性能上限,通过分析解决方案与目标位置的Oracle知识,洞察目标运动和幅度变化以及稀疏性的影响。多阶段目标函数的精确最小化是不可行的,但近视优化产生一个封闭形式的解决方案。我们提出了一个简单的非近视扩展,动态自适应资源分配政策(D-ARAP),分配一小部分资源用于探索所有位置,而不是仅仅利用当前的信念状态。我们的数值研究表明,D-ARAP具有以下优点:(a)它是更强大的比近视的政策,噪声,丢失的数据,和模型失配;(b)它执行了众所周知的近似动态规划的解决方案,但在显着较低的计算复杂性;和(c)它大大提高了非自适应均匀资源分配的估计误差和检测概率。
2014-04-08 cs.IT math.IT