具有随机能量收集的非均匀传感器网络中的空间场重建与传感器选择
信号处理
2018-05-09 v1
摘要
我们处理非均匀传感器网络中空间场重建与传感器选择这两个基本问题。我们考虑部署了两类传感器的情况：第一类由昂贵的高质量传感器组成；第二类由廉价的低质量传感器组成，仅当空间场强度超过预定义激活阈值（例如风传感器）时才被激活。此外，这些传感器通过能量收集供电，其随时间变化的能量状态影响可获得测量的精度。我们通过将能量收集过程编码到加性噪声的二阶矩特性中，从而得到一个空间异方差过程，以此考虑该现象。然后我们处理以下两个重要问题：(i) 如何基于同时来自两个网络的测量高效地执行空间场重建；以及 (ii) 如何执行基于查询的具有预测 MSE 性能保证的传感器集合选择。我们首先表明，融合此类异构观测所需的关键预测后验分布涉及求解难处理的积分。为克服该问题，我们通过开发基于空间最佳线性无偏估计器（S-BLUE）的低复杂度算法来解决第一个问题。接着，基于 S-BLUE，我们处理第二个问题，并开发了一种具有性能保证的基于查询的传感器集合选择高效算法。我们的算法基于交叉熵方法，以高效方式解决组合优化问题。我们利用合成数据以及称为极端风暴目录的真实保险风暴潮数据库，对通过低质量传感器增强高质量传感器可获得的性能增益进行了全面研究。
引用
@article{arxiv.1801.05356,
title = {Spatial Field Reconstruction and Sensor Selection in Heterogeneous Sensor Networks with Stochastic Energy Harvesting},
author = {Pengfei Zhang and Ido Nevat and Gareth W. Peters and Francois Septier and Michael A. Osborne},
journal= {arXiv preprint arXiv:1801.05356},
year = {2018}
}