密集传感器网络中的分布式信源编码
信息论
2007-10-23 v1 math.IT
摘要
我们研究了利用以规则间隔部署的 N 个传感器重构定义在 [0,1] 区间上的高斯场的问题。目标是量化在以给定均方失真重构该场时所需的总数据率。我们考虑一类两阶段机制：a) 发送信息以在足够精度内重构传感器样本，然后 b) 利用这些重构来估计整个场。为了实现第一阶段，传感器样本之间的高度相关性表明应使用分布式编码方案以降低总速率。我们证明存在一种分布式块编码方案，对于给定的场重构保真度准则，其实现的总信息率是有界的常数，且与传感器数量 无关。该常数通常取决于场的自相关函数和传感器样本所需的失真准则。随后，我们描述了一种仅需在传感器处使用标量量化器而无需任何分布式信源编码即可实现的方案，该方案同样实现了与传感器数量无关的常数总信息率。虽然该方案的运行速率高于通过分布式编码可实现的速率，且在重构中引入更大的延迟，但其简单性使其在传感器网络中具有实施吸引力。
引用
@article{arxiv.0710.3974,
title = {Distributed source coding in dense sensor networks},
author = {Akshay Kashyap and Luis Alfonso Lastras-Montaño and Cathy Xia and Zhen Liu},
journal= {arXiv preprint arXiv:0710.3974},
year = {2007}
}
评论
This is an extended version of the paper which appeared in the proceedings of, and was presented at, DCC 2005