马尔可夫信源的实时远程重构与无线执行

在这项工作中，我们研究了以执行为目的的信息源实时跟踪与重构问题。一个设备监测一个 $N$ 态马尔可夫过程，并通过无线擦除信道向接收器发送状态更新。我们考虑一组联合采样与传输策略，包括一种语义感知策略，并研究它们在相关指标下的性能。具体而言，我们考察实时重构误差及其方差、连续误差、记忆误差代价以及执行误差代价。此外，我们提出一种随机平稳采样与传输策略，并推导了上述所有指标的闭式表达式。随后，我们构建了一个在采样代价约束下最小化实时重构误差的优化问题。我们的结果表明，在受限采样生成的场景下，当信源快速演化时，最优随机平稳策略优于所有其他采样策略；否则，语义感知策略表现最佳。