动态衰落无线网络中的因果发现
机器学习
2025-11-11 v2 信号处理
统计方法学
摘要
由于不断演变的干扰、衰落和移动性使传统的静态因果模型复杂化，无线网络中的动态因果发现至关重要。本文通过提出一种基于序列回归的算法，并对 NOTEARS 无环性约束进行新颖应用，实现了高效的在线更新，从而解决了动态衰落无线环境中的因果推理挑战。我们推导了识别结构变化所需检测延迟的理论下界和上界，明确量化了它们对网络规模、噪声方差和衰落严重程度的依赖。蒙特卡洛模拟验证了这些理论结果，表明检测延迟随网络规模线性增加，随噪声方差二次增长，并与结构变化幅度呈反平方依赖关系。我们的发现为设计鲁棒的在线因果推理机制以在非平稳无线条件下维持网络可靠性提供了严格的理论见解和实用指南。
关键词
引用
@article{arxiv.2506.03163,
title = {Causal Discovery in Dynamic Fading Wireless Networks},
author = {Oluwaseyi Giwa},
journal= {arXiv preprint arXiv:2506.03163},
year = {2025}
}
备注
Inaccurate contextual grounding of the methodology explored in the paper. This inaccuracy could lead to false results if other researchers read and use the method in their projects. To prevent such scenario from happening, it is appropriate if this paper is withdrawn. Thank you