一种用于自适应无线电层析成像的变分贝叶斯方法
信号处理
2020-08-26 v1 机器学习
机器学习
摘要
无线电层析成像（RTI）是一项新兴技术，用于在无线网络覆盖的地理区域内对物理目标进行定位。通过在空间分布的传感器上收集的衰减测量值，RTI利用空间损耗场（SLF）来度量沿传播路径的空间位置上射频波的 absorption。这些SLF可用于无线通信网络中的干扰管理、环境监测以及地震等自然灾害后的幸存者定位。RTI成功的关键在于将阴影效应准确建模为SLF的加权线积分。为了学习由空间多样环境引起的统计异质性SLF，本文提出了一个贝叶斯框架，其包含具有底层隐马尔可夫随机场模型的分段齐次SLF。利用变分贝叶斯技术，该新方法以可承受的复杂度给出了高效的场估计器。还引入了一种数据自适应传感器选择策略，以收集信息量丰富的测量值用于SLF的有效重建。使用合成和真实数据集的数值测试证明了所提方法在无线电层析成像和信道增益估计方面的能力。
引用
@article{arxiv.1909.03892,
title = {A Variational Bayes Approach to Adaptive Radio Tomography},
author = {Donghoon Lee and Georgios B. Giannakis},
journal= {arXiv preprint arXiv:1909.03892},
year = {2020}
}
备注
submitted to IEEE Transactions on Signal Processing. arXiv admin note: substantial text overlap with arXiv:1804.02084