相关 Wiener 过程遥感融合估计的最优抽样与调度
信息论
2025-10-28 v1 math.IT
摘要
在分布式传感器网络中，传感器常常观察位于重叠区域内的动态过程。由于随机延迟，这些相关观测以异步方式到达融合中心，引出核心问题：如何进行异步且相关信息的融合以实现准确的遥感融合估计？本文通过研究监控相关 Wiener 过程的抽样、调度和估计策略的联合设计来解决这一挑战。尽管该问题具有耦合性，我们建立了一个分离原则，识别出联合最优策略：最优融合估计器是以年龄信息 (AoI) 为条件的加权求和融合估计器，最优调度器是优先调度最陈旧来源的 Maximum Age First (MAF) 调度器，最优抽样可给定最优估计器和 MAF 调度器后进行设计。为了设计最优抽样，我们证明，在无限时段平均成本准则下，优化 AoI 等价于在基于拉取的通信中优化均方误差 (MSE)，尽管存在强烈的传感器间相关性。这种结构等价性使我们能够识别出作为 AoI 最优的抽样器即为 MSE 最优抽样器。该结果阐明了一个洞见：信息新鲜度可作为相关感知环境下最优估计的设计替代品。
引用
@article{arxiv.2510.22288,
title = {Optimal Sampling and Scheduling for Remote Fusion Estimation of Correlated Wiener Processes},
author = {Aimin Li and Elif Uysal},
journal= {arXiv preprint arXiv:2510.22288},
year = {2025}
}
备注
8 pages, 4 figures