Aug, 2014

稀疏感知器协作线性相干估计

PDF
TL;DR研究了在分布式估计中实现传感器协作的问题，以期找到在信息或能量约束条件下的优化稀疏合作方案，并提出了有效的方法以获得接近最优解。同时探讨了当每个传感器参与估计方案存在成本时的情况，并引入了一种统一的框架来联合设计最佳传感器选择和协作方案。发现在给定估计性能的情况下，存在传感器选择和协作之间的权衡。
发现论文，激发创造
  • 分布式参数估计中资源约束下的协作

    提出一种基于 Fisher 信息最大化原理和多臂赌博算法的传感器 / 代理人数据收集和协作策略设计，旨在解决参数估计问题中资源限制和不同传感器 / 代理人观测结果之间的相关性问题。

    Jul, 2023

  • 利用矩阵补全的合作式频谱感知方法进行思维无线电网络的稀疏观测

    使用最近的矩阵完备技术来解决协作无线电节点之间的协作感知问题，结果表明，即使在无噪声的情况下，当主用户数量增加时，只需使用不到 17％的完全感知信息即可达到 95.55％的检测率。

    Jan, 2010

  • 相关测量噪声下的传感器选择问题

    本文研究具有相关测量噪声的参数估计传感器选取问题，提出了一种优化模型，使用 Fisher 信息矩阵作为传感器选择标准并提出了一个求解方案，并将其扩展到传感器调度问题。数值结果表明该方法的有效性且说明了噪声相关性对估计性能的影响。

    Aug, 2015

  • 压缩传感器缓存与协作稀疏数据恢复及锚点对齐

    提出了一种协作稀疏数据恢复方法，通过锚节点对多个缓存的本地恢复数据进行对齐，采用基于多项式和一致性交替方向法的算法，通过深度展开进一步降低迭代次数，实现了改进的重建质量和减少的通信开销。

    Jun, 2024

  • 在线原始级别协作感知的 V2X 调度

    本文提出了一种基于在线学习的算法，将感知共享传感器的能量最小化作为多臂老虎机问题的一个变体来考虑，以实现基于裸眼级联感知的自动车辆协作，结果表明所提出的算法可以快速学习调度最优协作车辆并节约更多能源。

    Feb, 2022

  • 协同学习结构缺失数据的线性模型

    我们研究了协作学习最小二乘估计的问题，提出了一种分布式半监督算法 Collab，该算法包含三个步骤：本地训练、聚合和分发。我们的方法在没有标记数据的情况下无需通信，具有良好的通信效率，适用于无法获取标记数据的环境。尽管如此，我们的方法几乎渐近局部最小值，并可用于需要通信标记数据的估计方法，如填充方法。我们在真实数据和合成数据上对我们的方法进行了测试。

    Jul, 2023

  • 可学习的证据协作感知模型的无线传感器网络部署

    通过利用证据理论框架下的协作信息，基于传感器的协作感知模型开发了一种传感器部署网络（LSDNet），以实现无线传感器网络（WSNs）的最佳部署和最大覆盖质量。研究了最小传感器数量的算法，并通过数值示例和森林区域监测应用证明了算法的有效性和鲁棒性。

    Mar, 2024

  • 稀疏传感器的数据诱发相互作用

    科学和工程中的大维度实证数据往往具有低秩结构，并可表示为仅由少数特征模式的组合。本研究基于数据训练给出了传感器相互作用的完整景观，采用了统计物理学中的伊辛模型，从而优化了传感器布置并利用了外部选择准则。

    Jul, 2023

  • 战术无线网络中的协作频谱感知

    本文提出一种应对网络安全攻击的战术通信系统的通道感知、协作和传输算法，通过节点感知、合作和选择疑似未被攻击的信道来提高网络频谱知识和减少受到攻击的传输频率。

    Mar, 2020

  • 传感器网络中的分布式贝叶斯估计：边缘概率密度的共识

    设计和分析用于传感器网络的分布式贝叶斯估计算法，涉及协同定位、联邦学习和使用变分推断处理非线性似然模型的映射问题。

    Dec, 2023