使用具有AR(1)漂移的传感器进行多项式信号估计的克拉美-罗界
信息论
2012-06-19 v2 math.IT
摘要
我们试图刻画传感器网络的估计性能，其中单个传感器表现出漂移现象，即偏差的逐渐变化。尽管随机误差下的估计已在文献中得到广泛研究，但由漂移等系统误差导致的估计性能损失却很少被探讨。在本文中，我们推导了漂移污染信号估计精度的闭式Fisher信息矩阵，进而得到克拉美-罗界（在合理近似下）。我们假设一个多项式时间序列作为代表性信号，并采用自回归过程模型描述漂移。当漂移的马尔可夫参数ρ<1时，我们证明漂移的一阶效应渐近等价于将测量噪声缩放一个适当因子。当ρ=1，即漂移非平稳时，我们证明信号的常数部分只能被不一致地估计（非零渐近方差）。通过分析1）多传感器网络和2）仅传输量化观测的带宽受限网络，展示了结果的实际应用。
引用
@article{arxiv.1205.6903,
title = {Cram\'er-Rao Bounds for Polynomial Signal Estimation using Sensors with AR(1) Drift},
author = {Swarnendu Kar and Pramod K. Varshney and Marimuthu Palaniswami},
journal= {arXiv preprint arXiv:1205.6903},
year = {2012}
}
备注
14 pages, 6 figures, This paper will appear in the Oct/Nov 2012 issue of IEEE Transactions on Signal Processing