含随机延迟噪声信道下高斯-马尔可夫过程采样与远程估计的性能界
信息论
2022-02-14 v2 math.IT
摘要
本研究推广了标量高斯-马尔可夫过程（即 Ornstein-Uhlenbeck (OU) 过程）的采样问题：样本被发送至远程估计器，估计器对观测到的实时信号进行因果估计。近年来，该问题已在稳定 OU 过程情形下得到解决。我们给出最优采样策略的解，该策略在 OU 过程的稳定与不稳定情形下均呈现更小的估计误差，并涵盖 OU 过程退化为 Wiener 过程的特例。所得最优采样策略为阈值策略，但三种情形的阈值各不相同。随后，我们考虑在采样决策预先制定时样本附带额外噪声的情形。估计器利用含噪样本估计当前信号值。均方误差（mse）因噪声而较先前改变，我们求解了 mse 中的附加项，给出了性能上界，并为进一步研究该问题（在观测样本含噪时寻找最小化估计误差的最优采样策略）留下空间。数值结果展示了加性噪声导致的性能退化。
引用
@article{arxiv.2108.09201,
title = {Performance Bounds for Sampling and Remote Estimation of Gauss-Markov Processes over a Noisy Channel with Random Delay},
author = {Tasmeen Zaman Ornee and Yin Sun},
journal= {arXiv preprint arXiv:2108.09201},
year = {2022}
}
备注
5 pages, 2 figures, accepted by IEEE SPAWC 2021