通过未知延迟统计信道对 Ornstein-Uhlenbeck 过程进行远程估计的采样

本文考虑通过信道对Ornstein-Uhlenbeck(OU)过程进行采样以实现远程估计。目标是在信道延迟统计未知的情况下,于采样频率约束下最小化估计器的均方误差(MSE)。MSE最小化的采样被重新表述为最优停止问题。通过重新审视延迟统计已知时最优停止策略的阈值结构,我们提出了一种在线采样算法,利用随机逼近算法与虚拟队列方法学习最优阈值。我们证明以概率1,所提在线算法的MSE收敛于延迟统计已知时所达到的最小MSE。截至第$(k+1)$次采样,我们所提算法相对于最小MSE的累积MSE差距以至多$\mathcal{O}(\ln k)$的速率增长。我们提出的在线算法在理论上可满足采样频率约束。最后,提供了仿真结果以展示所提算法的性能。