AirBreath感知：保护免受干扰的覆盖式分布式感知

第六代（6G）网络的一个独特功能是集成分布式感知和边缘人工智能（AI），以实现对物理世界的智能感知。该平台被称为集成感知和边缘AI（ISEA），旨在支持远程手术、自动驾驶和全息 telepresence等广泛范围的物联网应用。最近，开发了覆盖式计算（AirComp）技术，克服了ISEA系统实施中的通信瓶颈，使可以通过覆盖式数据特征融合实现同时访问。尽管AirComp具有优势，但使用未编码传输的AirComp仍然容易受到干扰。为解决这一挑战，我们提出了AirBreath感知，这是一个频谱高效框架，通过级联特征压缩和扩频来缓解干扰，而无需频带扩张。本工作揭示了在固定频带约束下，这两种操作之间的根本性权衡：增加压缩比率可能降低感知准确度，但允许通过扩频实现更激进的干扰抑制，反之亦然。该权衡由一个关键变量称为呼吸深度控制，这是指与扩频处理增益匹配的特征子空间维度。为最佳控制呼吸深度，我们通过设计可处理的感知准确度代理函数（以分类判别增益DG衡量）来数学上 characterize和优化该权衡。实验结果在真实数据集上表明，AirBreath感知有效缓解了ISEA系统中的干扰，提出的控制算法以暴力搜索为基准实现了接近最优的性能。