[论文解读] On Universal Distributed Estimation of Noisy Fields with One-bit Sensors

Ye Wang, Nan Ma+3 more|arXiv (Cornell University)|Jan 30, 2007

Distributed Sensor Networks and Detection Algorithms参考文献 26被引用 4

一句话总结

本文提出了一种使用一比特传感器的分布式估计方案，以最小的通信和感知开销重建噪声空间-时间场。通过利用局部场的平滑性以及一种构造性量化-编码-重建框架，随着传感器密度的增加，在连续场点处实现了趋于零的均方误差（MSE），同时保持每传感器比特率为零且网络开销为零——在空间恒定场的情况下实现了MSE的阶最优缩放。

ABSTRACT

Abstract — This paper formulates and studies a general distributed field reconstruction problem using a dense network of noisy one–bit randomized scalar quantizers in the presence of additive observation noise of unknown distribution. A constructive quantization, coding, and field reconstruction scheme is developed and an upper–bound to the associated mean squared error (MSE) at any point and any snapshot is derived in terms of the local spatio–temporal smoothness properties of the underlying field. It is shown that when the noise, sensor placement pattern, and the sensor schedule satisfy certain minimal technical requirements, it is possible to drive the MSE to zero with increasing sensor density at points of field continuity while ensuring that the per–sensor bitrate and sensing–related network overhead rate simultaneously go to zero. The proposed scheme achieves the order–optimal MSE versus sensor density scaling behavior for the class of spatially constant spatio–temporal fields. I.

研究动机与目标

• 解决使用密集分布的一比特传感器网络以最小通信和感知开销重建噪声空间-时间场的挑战。
• 开发一种通用估计框架，适用于未知观测噪声分布以及任意传感器位置和调度模式。
• 在传感器密度增加时，实现场连续点处趋于零的均方误差（MSE），同时确保每传感器比特率和网络开销趋于零。
• 建立空间恒定空间-时间场下，MSE相对于传感器密度的阶最优缩放。

提出的方法

• 设计一种基于一比特随机标量量化器的构造性量化策略，以在未知加性噪声下编码局部场观测值。
• 集成一种编码方案，使融合中心能够分布式融合一比特测量值以实现场重建。
• 基于底层场的局部时空平滑性，推导任意点和快照处均方误差（MSE）的上界。
• 应用一种利用场连续性和平滑性的重建算法，以在仅有一比特量化的情况下最小化估计误差。
• 采用理论框架分析在噪声、传感器位置和传感器调度方面最小技术假设下的MSE缩放行为。
• 建立MSE随传感器密度增加而收敛至零的条件，即使在噪声分布未知的情况下也成立。

实验结果

研究问题

• RQ1 使用一比特传感器的分布式场估计系统，是否能在传感器密度增加时，使场连续点处的均方误差（MSE）趋于零？
• RQ2 是否可能在实现精确场重建的同时，保持每传感器比特率为零且与感知相关的网络开销为零？
• RQ3 在一比特感知和未知噪声条件下，MSE相对于传感器密度的基本缩放行为如何？
• RQ4 所提出的方案如何实现空间恒定空间-时间场的阶最优MSE缩放？
• RQ5 对噪声、传感器位置和调度的何种最小技术条件足以确保MSE收敛至零？

主要发现

• 所提出的方案在传感器密度增加时，实现了场连续点处趋于零的均方误差（MSE）。
• 在高传感器密度极限下，每传感器比特率和与感知相关的网络开销均趋于零。
• 推导出一个依赖于底层场局部时空平滑性的MSE上界。
• 该方案在空间恒定空间-时间场下，实现了相对于传感器密度的阶最优MSE缩放。
• 该框架具有通用性，即在未知观测噪声分布以及任意传感器位置和调度模式下均适用。
• 理论分析证实，对噪声、传感器位置和调度的最小技术条件已足以确保MSE收敛。