面向时空场重构的数据驱动传感器部署
信号处理
2022-01-04 v1
摘要
本文研究大尺度时空场中的数据驱动传感器部署问题。传统上，传感器部署策略严重依赖基于模型的规划方法。然而，基于模型的方法通常不能最大化场中的信息增益，往往生成采样位置有效性较低并导致较高重构误差。本文提出一种数据驱动方法，以克服基于模型方法的缺陷并提升时空场重构精度。所提方法可选择最具信息量的采样位置来表示整个时空场。为此，该方法利用主成分分析（PCA）分解时空场，并找出主基的前r个关键实体。所选实体对应的采样位置被视为传感器部署位置。在所选传感器部署位置收集的观测随后可用于准确重构时空场。结果使用美国国家海洋和大气管理局海表温度数据集进行展示。本研究中，所提方法在所有方法中实现了最低重构误差。
引用
@article{arxiv.2201.00420,
title = {Data-driven Sensor Deployment for Spatiotemporal Field Reconstruction},
author = {Jiahong Chen},
journal= {arXiv preprint arXiv:2201.00420},
year = {2022}
}