[论文解读] A Large Deviations Approach to Sensor Scheduling for Detection of Correlated Random Fields

Youngchul Sung, Lang Tong+1 more|ArXiv.org|Jan 21, 2005

Distributed Sensor Networks and Detection Algorithms参考文献 14被引用 5

一句话总结

本文提出一种大偏差方法，用于优化使用空间部署传感器检测相关随机场的传感器调度。通过将信号建模为高斯-马尔可夫过程并利用卡尔曼滤波创新，推导出误报概率的闭式误差指数，作为传感器间距 Δ 和信噪比（SNR）的函数，揭示了信噪比相关的权衡：在高信噪比下，更大的间距可提升检测性能；在低信噪比下，存在一个最优间距 Δ* 使性能达到最大。

ABSTRACT

The problem of scheduling sensor transmissions for the detection of correlated random fields using spatially deployed sensors is considered. Using the large deviations principle, a closed-form expression for the error exponent of the miss probability is given as a function of the sensor spacing and signal-to-noise ratio (SNR). It is shown that the error exponent has a distinct characteristic: at high SNR, the error exponent is monotonically increasing with respect to sensor spacing, while at low SNR there is an optimal spacing for scheduled sensors.

研究动机与目标

• 通过最小化数据传输量同时保持检测性能，解决大规模传感器网络中的能量效率问题。
• 在奈曼-皮尔逊检测约束下，确定检测空间相关信号的最优传感器部署与调度策略。
• 推导误报概率误差指数的闭式表达式，作为传感器间距和信噪比的函数。
• 基于信噪比表征检测性能的相变，识别高信噪比与低信噪比区域下不同的最优调度策略。

提出的方法

• 将底层信号建模为由已知参数 A、B 和 Π₀ 决定的平稳高斯-马尔可夫过程，其演化由随机微分方程描述。
• 通过自回归模型（系数 a = e^(-AΔ)）将连续信号离散化为等间距采样，以捕捉空间相关性。
• 应用大偏差原理，推导在固定检测器大小 α 下误报概率的误差指数 Kα(Δ, Γ)。
• 利用似然比与卡尔曼滤波创新之间的联系，获得误差指数的闭式表达式。
• 分析在不同信噪平平下，误差指数关于传感器间距 Δ 的单调性与极值行为。
• 推导出当 SNR < 1 时最优间距 Δ* 的隐式方程，并为最优相关强度 am 提供闭式表达式 Δ* = -log(am)/A。

实验结果

研究问题

• RQ1 传感器间距 Δ 如何影响检测相关随机场时误报概率的误差指数？
• RQ2 在不同信噪比区域下，为实现能量高效检测，最优传感器间距策略是什么？
• RQ3 信号样本之间的相关强度如何影响检测性能与误差指数？
• RQ4 能否在奈曼-皮尔逊公式下，利用大偏差方法推导出误差指数的闭式表达式？
• RQ5 信噪比对误差指数缩放的影响是什么？与确定性信号检测相比有何差异？

主要发现

• 在高信噪比（Γ > 1）时，误差指数 K 随传感器间距 Δ 单调递增，表明更宽间距可提升检测性能。
• 在低信噪比（Γ < 1）时，误差指数在有限最优间距 Δ* 处达到最大值，表明在该间距处聚类传感器可获得最佳检测性能。
• 使误差指数最大的最优相关强度 am 为 am = (1 - √(1 - 1/Γ))（当 Γ < 1 时），且当信噪比降低时 am → 1。
• 在高信噪比下，误差指数 K 随 log(SNR) 线性增加，表明其衰减速率慢于确定性信号检测。
• 当 SNR = 10 dB 时，误报概率随传感器数量呈指数衰减，独立同分布信号（a = 0）衰减最陡；高度相关信号（a ≈ 1）性能显著下降。
• 当 SNR = -3 dB 时，即使使用 200 个传感器，误报概率仍高于 10⁻²，且误差指数仅随信噪比对数增长，需显著增加传感器数量才能达到相同性能。