[论文解读] Order-2 Asymptotically Optimal Decentralized Detection with Discrete-time Observations and 1-bit Messaging

Yasin Yılmaz, Xiaodong Wang|arXiv (Cornell University)|Jan 27, 2013

Distributed Sensor Networks and Detection Algorithms被引用 1

一句话总结

本文提出了一种用于能量受限无线传感器网络的二阶渐近最优去中心化检测方案，采用1比特消息传递并利用超调量的时间延迟编码。传感器计算局部对数似然比（LLR），采用阈值触发采样，并通过脉冲位置调制（PPM）以与超调量成比例的延迟发送单个脉冲；融合中心解码延迟以恢复LLR，从而实现性能媲美数据融合的序列检测，并在Swerling目标模型下显著优于决策融合。

ABSTRACT

The recently proposed sequential distributed detector based on level-triggered sampling operates as simple as the decision fusion techniques and at the same time performs as well as the data fusion techniques. Hence, it is well suited for resource-constrained wireless sensor networks. However, in practical cases where sensors observe discrete-time signals, the random overshoot above or below the sampling thresholds considerably degrades the performance of the considered detector. We propose, for systems with stringent energy constraints, a novel approach to tackle this problem by encoding the overshoot into the time delay between the sampling time and the transmission time. Specifically, each sensor computes the local log-likelihood ratio (LLR) and samples it using level-triggered sampling. Then, it transmits a single pulse to the fusion center (FC) after a transmission delay that is proportional to the overshoot, as in pulse position modulation (PPM). The FC, upon receiving a bit decodes the corresponding overshoot and recovers the transmitted LLR value. It then updates the approximate global LLR and compares it with two threshold to either make a decision or to continue the sequential process. We analyze the asymptotic average detection delay performance of the proposed scheme. We then apply the proposed sequential scheme to target detection in wireless sensor networks under the four Swerling fluctuating target models. It is seen that the proposed sequential distributed detector offers significant performance advantage over conventional decision fusion techniques.

研究动机与目标

• 解决离散时间观测下，去中心化检测中由于随机超调导致的性能下降问题。
• 设计一种低复杂度、高能效的检测方案，适用于资源受限的无线传感器网络（WSNs）。
• 通过在传输时间延迟中编码超调量信息，实现仅用1比特通信的渐近最优检测。
• 在保持决策融合简单性的同时，实现与数据融合相当的检测性能。

提出的方法

• 每个传感器从离散时间观测中计算局部对数似然比（LLR）。
• 对LLR应用阈值触发采样，当其跨越预设阈值时触发传输。
• 传输延迟与阈值之上的超调量成正比，模拟脉冲位置调制（PPM）。
• 融合中心解码时间延迟以估计原始超调量，并重构传输的LLR值。
• 融合中心维护一个近似的全局LLR，该值被顺序更新并与两个决策阈值比较。
• 序列过程持续进行，直到做出决策或达到检测延迟阈值。

实验结果

研究问题

• RQ1 在离散时间去中心化系统中，能否有效编码阈值触发采样中的超调量以提升检测性能？
• RQ2 通过PPM在传输时间延迟中编码超调量，是否能够实现仅用1比特消息的渐近最优检测？
• RQ3 在Swerling目标模型下，该方案与传统决策融合相比，在检测延迟和性能方面表现如何？
• RQ4 在二阶最优性约束下，该方案的渐近平均检测延迟性能如何？

主要发现

• 所提方案在检测延迟上实现了二阶渐近最优性，与去中心化检测的理论性能边界一致。
• 通过在传输时间延迟中编码超调量，该方案恢复了传统1比特决策融合中丢失的关键信息。
• 融合中心能够以足够精度重构LLR值，从而支持序列决策并维持检测性能。
• 在所有四种Swerling起伏目标模型下，该方法显著优于传统决策融合技术。
• 该方案保持了极低的通信开销，每次触发仅发送单个脉冲，适用于能量受限的WSNs。
• 渐近平均检测延迟已通过分析推导得出，并显示出与系统参数的最优标度关系。