针对单通道 IoT 传感器流的 CFAR 有效性恢复：五种检测器的蒙特卡洛比较（Cortex-M0+ 约束下）
摘要
IoT 网格传感器网络的实时事件检测必须在灵敏度与网络中无尽的误报负载之间进行权衡。我们对时序谱噪声地板适应（TSNFA）检测器与四个经典比较器进行了蒙特卡洛比较，这些比较器来自雷达恒定误报率（CFAR）家族和序列变化检测：Lipski FFT 能量检测器、细胞平均 CFAR（CA-CFAR）、有序统计 CFAR（OS-CFAR），以及状态机累计和（CUSUM）。所有五个检测器均实现为适配 Cortex-M0+ 类封装的形式，处理 1 维 100 Hz 时间序列的 128 样本帧，并使用时序参考窗口代替常规雷达 CFAR 的空间参考单元。在四组因子配置（10 和 50 节点；12 dB 和 18 dB SNR）下，每个配置复制五次、持续 24 小时，TSNFA 实现 99.97%至100%的事件检测率，100%的事件精度，以及每个节点零误报聚类。而四个经典比较器每个在一个质量维度上成功，却在另一个维度上失败。Lipski FFT（k=3）、CA-CFAR 和 OS-CFAR 都保持近乎完美的检测率，但事件精度低于 3%，且每个节点的带宽在 145 kB/h 至 1.2 MB/h 之间。CA-CFAR 和 OS-CFAR 在误报性能上不可区分，两者都饱和于相同的宽频统计量失效模式。CUSUM 显示出随信噪比（SNR）变化的检测率下降：在 18 dB 时约 70%，在 12 dB 时降至 51%。TSNFA 是测试中唯一同时实现高检测率、高精度和低每个节点带宽的算法。
关键词
引用
@article{arxiv.2605.16159,
title = {Restoring CFAR Validity for Single-Channel IoT Sensor Streams: A Monte Carlo Comparison of Five Detectors under Cortex-M0+ Constraints},
author = {Sergii Makovetskyi and Lars Thomsen},
journal= {arXiv preprint arXiv:2605.16159},
year = {2026}
}
备注
14 pages, 3 figures, 8 tables. Companion data, simulator code, and interactive figures: https://doi.org/10.5281/zenodo.20192887. Interactive data page: https://gnacode.github.io/IEEE-MONTECARLO/. Submitted to IEEE Internet of Things Journal