论集成感知与边缘AI中视角与信道聚合增益
信息论
2024-04-30 v3 信号处理
math.IT
摘要
感知与边缘人工智能(AI)是第六代(6G)移动网络的两大关键特征。二者的自然融合，即集成感知与边缘AI(ISEA)，被设想用于自动化广泛的物联网(IoT)应用。为获得高感知精度，多视角特征被上传至边缘服务器，利用AI模型进行聚合与推理。视角聚合通过空中计算(AirComp)高效实现，其同时聚合信道以抑制信道噪声。处于起步阶段的ISEA仍缺乏对视角与信道聚合所带来的基本性能增益的刻画，这促成了本工作。我们的框架借助成熟的多视角感知数据分布模型，其中经典高斯混合模型经修改，加入子空间矩阵以表征各传感器观测视角。基于该模型，我们采用一种新方法研究上述ISEA系统的端到端感知(推理)不确定性(一种流行的推理精度度量)，该方法涉及设计缩放紧致不确定性代理函数、全局判别增益、接收信噪比(SNR)分布以及信道诱导判别损失。我们证明，端到端感知不确定性随视角/传感器数量增长以指数速率衰减，其速率正比于全局判别增益。给定信道失真时，我们进一步表明指数缩放保持，但衰减速率降低，且与信道诱导判别损失相关。此外，我们将AirComp与同等速率的传统模拟正交接入进行基准对比，揭示了两种方案间感知精度的交叉点，从而提出自适应接入模式切换。最后，我们框架所得见解通过真实世界数据集上的实验得到验证。
引用
@article{arxiv.2311.07986,
title = {On the View-and-Channel Aggregation Gain in Integrated Sensing and Edge AI},
author = {Xu Chen and Khaled B. Letaief and Kaibin Huang},
journal= {arXiv preprint arXiv:2311.07986},
year = {2024}
}
备注
34 pages, 8 figures