A Decentralized Policy for Minimization of Age of Incorrect Information in Slotted ALOHA Systems
不正确信息的年龄（AoII）是可以将物联网（IoT）网络中的网关可用的信息的新鲜度与该信息的准确性相结合的度量。因此，最小化AoII可以允许物联网系统的运营商对部署传感器的环境有更精确和最新的了解。然而，大多数物联网系统不允许集中式调度或显式协调，因为传感器需要非常简单并且消耗尽可能少的功率。在这种情况下，找到一种分散的政策来尽量减少第二责任区可能极具挑战性。本文提出了一种启发式优化AoII时隙ALOHA系统，从阈值为基础的政策，并使用双重方法收敛到一个更好的解决方案。这种方法可以显着优于状态独立的策略，找到一个有效的平衡之间的频繁更新和低数量的数据包冲突。
2023-01-26 cs.IT math.IT
Modeling AoII in Push- and Pull-Based Sampling of Continuous Time Markov Chains
本文针对连续时间马尔可夫链过程，分别建立推式和拉式采样传输的AoII分析模型，利用吸收CTMC和相位型分布推导平均AoII与采样率，并给出最优采样策略见解。
2024-01-11 cs.IT cs.NI cs.SY
Minimizing Age of Incorrect Information for Unreliable Channel with Power Constraint
University of Maryland（马里兰大学）
本文研究在不可靠信道中通过功率约束最小化信息错误年龄的问题，提出基于阈值策略混合的优化方法，并通过实验验证其有效性。
2021-09-16 cs.IT math.IT
Age of Incorrect Information under Delay
本文研究了当通信信道具有随机时延时，最小化错误信息年龄的问题。我们考虑一个时隙时间系统，其中发射机观察一个动态源，并决定何时通过随机延迟的信道向远程接收机发送更新。接收器基于所接收的更新来维持对动态源的状态的估计。在本文中，我们采用AoII作为性能指标，并探讨优化发射机的行动，在每个时隙，以尽量减少AoII的问题。我们首先考虑使用马尔可夫决策过程（MDP）的问题的特征。然后，利用策略改进定理，并在一个易于验证的条件下，我们证明了发射机的最佳决策是发起传输时，信道空闲和AoII不为零。结果适用于一般的延迟分布。最后，我们验证了数值条件，并提供了数值结果，突出了最优策略的性能。
2023-01-18 cs.IT math.IT
Analysis of Age of Incorrect Information under Generic Transmission Delay
University of Maryland（马里兰大学）
本文研究了在随机延迟下，通过阈值策略优化信息错误年龄的传输策略，并给出了闭式表达式和计算结果。
2023-02-27 cs.IT math.IT
The Age of Incorrect Information: an Enabler of Semantics-Empowered Communication
在本文中，我们介绍了不正确的信息时代（AoII）作为语义授权的通信，一个新倡导的通信范式围绕数据的作用和它的有用性的通信目标的使能者。首先，我们揭示了传统的通信模式，其角色盲的数据方法，是容易受到性能瓶颈。接下来，我们强调了几个建议的性能指标的缺点注定要处理传统的通信范式的局限性，即信息时代（AoI）和基于错误的度量。我们还展示了AoII如何解决这些缺点，并更有意义地捕捉数据的目的。之后，我们考虑的问题，最小化的平均AoII在一个发射机-接收机对的情况。我们证明了最优传输策略是一个随机阈值策略，我们提出了一个算法，找到最优参数。此外，我们提供了AoII框架和标准的基于错误的度量对应之间的理论比较。有趣的是，我们表明，AoII最优策略也是错误最优的信息源模型。同时，反过来也不一定正确。最后，我们实现我们的政策在各种应用程序中，我们展示了它的性能优势相比，误差最优和AoI最优的政策。
2022-10-11 cs.IT math.IT
Pull or Wait: How to Optimize Query Age of Information
我们研究了一个基于拉的状态更新通信模型，其中源节点提交更新数据包的信道具有随机的传输延迟，在一个远程目的地节点所要求的时间。我们的目标是最小化的平均查询年龄的信息（QAoI），定义为平均年龄的信息（AoI）在查询时刻发生在目的地侧根据一个随机到达过程中测量。参考文献中定义的基于推的问题公式，其中源随意决定\textit{update or wait}，目标是最小化目的地的时间平均AoI，我们将此问题命名为\textit{Pull-or-Wait}（PoW）问题。我们提供了两个公式的比较：（i）在泊松查询到达下，最小化时间平均AoI的最优策略也最小化平均QAoI，并且这些最小值相等;以及（ii）在周期性查询到达下的最优平均QAoI总是小于或等于最优时间平均AoI。我们确定的PoW问题的情况下，一个单一的查询作为一个随机的最短路径（SSP）的问题，不可数的状态和动作空间，这在以前的文献中没有解决。我们推导出这个SSP问题的最佳解决方案，并使用它作为一个积木的解决方案下定期查询到达的PoW问题。
2021-11-04 cs.IT cs.NI math.IT
Joint Age-State Belief is All You Need: Minimizing AoII via Pull-Based Remote Estimation
University of Maryland（马里兰大学）；Bilkent University（毕尔肯大学）
本文针对拉取式远程估计系统，提出利用联合年龄-状态信念作为充分统计量，以最小化错误信息年龄（AoII），并设计了MAP估计器及两种信念依赖策略（深度强化学习和阈值策略）。
2024-11-11 cs.IT cs.LG cs.NI
Age of Incorrect Information With Hybrid ARQ Under a Resource Constraint for N-ary Symmetric Markov Sources
本文将资源约束与 HARQ 下 N 元对称 Markov 源的 AoII 优化建模为 CMDP，刻画从不传输或阈值策略随机混合的最优结构，并解析给出阈值与随机化参数。
2024-12-04 cs.IT math.IT
The Age of Incorrect Information: A New Performance Metric for Status Updates
在本文中，我们引入了一个新的性能指标的框架中的状态更新，我们将被称为年龄的不正确的信息（AoII）。这种新的度量方法处理了信息时代（AoI）和传统错误惩罚函数的缺点，因为它巧妙地将新鲜更新的概念扩展到新鲜的“信息”更新。在此上下文中，信息性一词指的是将新的和正确的信息带到监视器端的更新。在适当地激励新的度量，并以最小化其平均值的目的，我们制定了一个马尔可夫决策过程（MDP）的发送器-接收器对的情况下，数据包发送在一个不可靠的信道。我们表明，一个简单的“总是更新”的政策，最大限度地减少上述平均罚款以及平均年龄和预测误差。然后，我们解决一般的，更现实的情况下，发射机不能超过一个特定的功率预算。该问题被制定为一个约束马尔可夫决策过程（CMDP），我们提供了一个拉格朗日方法来解决。在描述了拉格朗日问题的最优传输策略之后，我们提供了一个严格的数学证明来展示两个拉格朗日策略的混合物对于所讨论的CMDP是最优的。配备了这一点，我们提供了一个低复杂度的算法，发现AoII的最佳操作点的系统在受约束的情况下。最后，仿真结果展示了所提出的政策的性能，并突出了与AoI框架的差异。
2020-07-09 cs.IT math.IT
Preempting to Minimize Age of Incorrect Information under Transmission Delay
我们研究的问题，优化决策的抢占式发射机，以尽量减少年龄的不正确的信息（AoII）时，通信信道具有随机延迟。我们考虑一个时隙时间系统，发射机观察马尔可夫源，并根据系统状态做出决定。在每个时隙中，发射机决定当信道忙时是抢占还是跳过。当信道空闲时，发射机决定是否发送新的更新。远程接收器基于其接收到的更新来估计马尔可夫源的状态。我们考虑一个通用的传输延迟，并假设传输延迟是独立和相同的分布为每个更新。本文的目的是优化发射机的决定，在每个时隙，以最大限度地减少AoII与通用的时间惩罚函数。为此，我们首先使用马尔可夫决策过程制定的优化问题，并推导出预期的AoIIs实现两个规范的抢占政策的解析表达式。然后，我们证明了最优策略的存在性，并提供了一个可行的值迭代算法来逼近最优策略。然而，值迭代算法将是计算昂贵的，如果我们想在近似相当大的信心。因此，我们分析了系统在两个典型延迟分布下的特性，并利用策略改进定理从理论上得到了相应的最优策略。最后，数值结果来说明所带来的性能改善的抢占能力。
2023-02-20 cs.IT math.IT
Minimizing Age of Incorrect Information in the Presence of Timeout
我们考虑一个时隙时间系统的发射机和接收机对。在该系统中，发射机观察动态源，并通过通信信道将更新发送到远程接收机。我们假设信道是无差错的，但遭受随机延迟。此外，当更新已传输太久时，传输将立即终止，并且更新将被丢弃。我们假设最大传输时间是预先确定的，并且不受发射机控制。接收器将使用接收到的更新来维持对动态源的当前状态的估计。在本文中，我们采用的年龄不正确的信息（AoII）作为性能指标，并探讨优化发射机的行动，在每个时隙，以尽量减少AoII的问题。我们首先使用马尔可夫决策过程来描述优化问题，并评估一些规范的传输策略的性能。然后，通过利用政策改进定理，我们证明，在一个简单和易于验证的条件下，发射机的最佳策略是一个发起传输时，信道空闲和AoII不为零。最后，我们以传输时间为几何分布的情况为例。对于这个例子，我们验证了数值条件，并提供了数值结果，突出了最优策略的性能。
2023-01-18 cs.IT math.IT
Age of Incorrect Information in Random Access Channels without Feedback
本文研究无反馈随机接入信道中两状态马尔可夫源的状态更新问题，提出三种ALOHA变体，推导了平均错误信息年龄、漏检概率和错误知识持续时间的闭式表达式，揭示了协议设计中的权衡。
2023-08-11 cs.IT cs.NI math.IT
Version Innovation Age and Age of Incorrect Version for Monitoring Markovian Sources
该研究针对不可靠信道下两状态马尔可夫过程实时监测，提出VIA和AoIV两种新性能指标，推导多策略下的闭式表达式，求解带约束的平均VIA最小化问题，并明确各策略的最优适用条件。
2024-01-31 cs.IT cs.NI cs.SY
Minimizing Functions of Age of Incorrect Information for Remote Estimation
本文针对远程估计问题，提出基于双机制吸收马尔可夫链和双机制相位型分布的方法，构建多阈值状态更新策略的离散时间半马尔可夫决策过程，以最小化错误信息年龄代价与传输代价的加权和，并通过数值验证其有效性。
2025-04-14 cs.IT math.IT
Bidirectional Age of Incorrect Information: A Performance Metric for Status Updates in Virtual Dynamic Environments
本文提出双向错误信息年龄（BAoII）指标，用于量化虚拟动态环境中实体因自身及环境信息不准确或过时而付出的时间代价，并通过马尔可夫链模型推导闭式表达式，揭示通信成本与信息新鲜度的权衡。
2025-07-17 cs.IT cs.MM cs.NI
Effective Communication: When to Pull Updates?
研究基于拉取的通信系统中，通过查询控制策略决定何时拉取更新，结合新鲜度和有用性的GoE指标，最大化长期平均有效性，优于现有策略。
2024-02-14 cs.IT cs.NI math.IT
Optimization of AoII and QAoII in Multi-User Links
针对多用户网络时间敏感信息传输问题，推导推送式网络下AoII的闭式Whittle指数公式，提出拉取式系统的QAoII指标，仿真验证所提调度策略优于基准策略。
2023-04-29 cs.IT math.IT
Minimizing Age of Incorrect Information over a Channel with Random Delay
University of Maryland（马里兰大学）
本文研究了在随机延迟信道中通过阈值策略最小化错误信息年龄的问题，提出了可计算的相对值迭代算法，并证明了最优策略为阈值τ=1。
2023-02-20 cs.IT math.IT
Age of Incorrect Information in Semantic Communications for NOMA Aided XR Applications
本文提出利用错误信息年龄（AoII）作为新指标，评估NOMA辅助XR语义通信系统的传输性能，并构建优化问题及线性搜索算法求解，仿真验证其能同时评估错误和AoI性能。
2023-05-16 cs.IT eess.SP math.IT
Minimizing the Age of Incorrect Information for Unknown Markovian Source
信息最小化问题在实时监控应用框架中得到了广泛的研究。在本文中，我们考虑的问题，监测未知的远程源的状态，根据马尔可夫过程的演变。中央调度器在每个时隙决定是否调度源，以便以最小化不正确信息的平均年龄（MAoII）的方式接收新的状态更新。当调度器知道源参数时，我们将最小化问题表示为MDP问题。然后，我们证明了最优解是一个基于阈值的政策。当源的参数未知时，问题的困难在于找到一个在开发和探索之间具有良好权衡的策略。事实上，我们需要提供一种由调度器实现的算法，该算法联合估计未知参数（探索）并最小化MAoII（利用）。然而，考虑到我们的系统模型，我们只能探索源，如果监控器决定调度它。然后，应用贪婪的方法，我们冒着确定地停止探索过程的情况下，在特定的时间，我们最终得到的马尔可夫源的参数的估计，相应的最佳解决方案是永远不会传输。在这种情况下，我们不能再提高我们的未知参数的估计，这可能会显着降低算法的性能。为此，我们开发了一种新的学习算法，它在探索和开发之间提供了良好的平衡，以避免这个主要问题。然后，我们从理论上分析了我们的算法的性能相比，一个精灵的解决方案，证明在时间T的遗憾界是log（T）。最后，我们提供了一些数值结果来突出我们的衍生政策相比，贪婪的方法的性能。
2022-10-18 cs.IT math.IT math.OC
Optimal Denial-of-Service Attacks Against Status Updating
本文针对状态更新系统的拒绝服务攻击问题，将系统建模为含不可靠信道的马尔可夫链，以两种信息年龄为指标，通过马尔可夫决策过程证明最优干扰为阈值策略，提出低复杂度求阈算法，验证错误信息年龄指标下系统抗干扰性更强。
2024-03-07 cs.IT math.IT math.OC
Freshness on Demand: Optimizing Age of Information for the Query Process
信息时代（AoI）已经成为通信领域的一个重要概念，因为它允许系统设计人员测量可用于远程监控或控制过程的信息的新鲜度。然而，其定义默认在任何时候都使用新的信息，这并不总是如此，信息被收集和使用的时刻取决于特定的查询过程。我们提出了一个模型，考虑到许多监测过程的离散时间性质，考虑一个基于拉的通信模型，其中信息的新鲜度是唯一重要的，当接收器生成查询。然后，我们定义的查询信息的年龄（QAoI），一个更一般的度量，适合基于拉的情况下，并显示它的优化可以导致非常不同的选择，从传统的基于推的AoI优化时，使用数据包擦除通道（PEC）。
2020-11-02 cs.IT cs.NI math.IT
Minimizing the Age of Incorrect Information of Discrete-Time Markov Sources With Hybrid ARQ
University of Crete（克里特大学）；Foundation for Research and Technology – Hellas（希腊研究与技术基金会）；University of Maryland（马里兰大学）
本文研究了在具有传输速率约束的噪声通信系统中，通过混合自动重传请求协议分析通用离散时间马尔可夫源的错误信息年龄，并提出基于阈值策略的优化方法。
2026-11-03 cs.IT cs.NI cs.SY
Semi-Markov Decision Process Framework for Age of Incorrect Information Minimization
University of Maryland, College Park（马里兰大学帕克分校）；Bilkent University（比尔肯特大学）
本文提出基于半马尔可夫决策过程的框架，用于最小化远程估计系统中错误信息年龄，通过多阈值策略优化传输和估计成本。
2025-12-03 cs.IT cs.SY eess.SP
When and Which Sensor to Observe? Timely Tracking of a Joint Markov Source
University of Maryland, College Park（马里兰大学帕克分校）；Bilkent University（比尔肯特大学）
针对远程估计联合马尔可夫过程的问题，提出基于信念的马尔可夫决策过程（MDP）模型，并采用两种模型预测控制（MPC）方法优化拉取策略，以最小化错误信息年龄与采样成本的加权和。
2026-06-29 cs.IT cs.NI eess.SP
Which Sensor to Observe? Timely Tracking of a Joint Markov Source with Model Predictive Control
本文针对多传感器部分观测的联合马尔可夫源远程估计问题，提出基于信念MDP的两种模型预测控制方法（MPC-WTC和RL-MPC），以最小化错误信息年龄均值（MAoII）。
2025-01-22 cs.IT cs.NI cs.SY
