无线传感器网络中统计依赖测量值联合概率密度函数的指数紧致近似分解
信号处理
2023-12-20 v2
摘要
我们考虑使用能够测量接收信号能量的无线传感器网络，对时间相关的随机无线电源信号进行分布式检测的问题。众所周知，Neyman-Pearson 框架下的最优检验基于似然比检验 (LRT)，在此设置中，该检验评估当源信号存在和不存在时测量值的概率密度函数 (PDF) 之商。当源信号存在时，计算节点处能量测量值的联合 PDF 是一个具有挑战性的问题。这是由于无线电源通过衰落信道传播时，给接收信号引入了统计依赖性。我们利用（难以处理的）联合 PDF 的特征函数来处理此问题，并提出了一个近似。我们在两种无线传播场景（慢衰落和快衰落）下推导了近似误差的界，并证明当时间-带宽积足够高时，所提出的近似随节点数量呈指数级紧致。该近似被用作精确联合 PDF 的替代品，以构建一个近似的 LRT，蒙特卡洛模拟验证了其性能优于其他众所周知的检测器。
引用
@article{arxiv.2211.04892,
title = {An Exponentially-Tight Approximate Factorization of the Joint PDF of Statistical Dependent Measurements in Wireless Sensor Networks},
author = {Juan Augusto Maya and Leonardo Rey Vega and Andrea M. Tonello},
journal= {arXiv preprint arXiv:2211.04892},
year = {2023}
}