上下文感知状态更新：面向安全关键系统态势感知最大化的无线调度

在本研究中，我们研究了一个由多个传感器-估计器对组成的上下文感知状态更新系统。一个集中式监视器从多个监测若干安全关键态势（例如森林火灾检测中的一氧化碳密度、工业自动化中的机器安全以及道路安全）的传感器拉取状态更新。基于接收到的传感器更新，多个估计器确定当前的安全关键态势。由于传输错误和通信资源有限，传感器更新可能不及时，导致误解当前态势的可能性。特别地，如果危险态势被误判为安全，则安全风险很高。本文中，我们引入了一种新颖的框架，量化因未察觉潜在危险态势而产生的代价。该态势未察觉代价函数取决于两个关键因素：信息年龄（Age of Information, AoI）和观测到的信号值。对于最优估计器，我们给出了该代价函数的信息论界，用以评估系统的根本性能极限。为最小化该代价，我们研究了一个基于拉取的多传感器、多信道传输调度问题。我们的分析表明，对于最优估计器，保持信道忙碌总是有益的。由于通信资源约束，该调度问题可建模为 restless 多臂老虎机（Restless Multi-armed Bandit, RMAB）问题。通过利用 RMAB 的松弛和拉格朗日分解，我们提供了一种渐近最优的低复杂度调度算法。我们的结果在可靠与不可靠信道下均成立。数值证据表明，我们的调度策略相比周期性更新可实现高达 100 倍的性能增益，相比随机策略可达 10 倍。