Improved performance properties of the CISPRT algorithm for distributed sequential detection
Improved performance properties of the CISPRT algorithm for distributed sequential detection
复制标题
改进了用于分布式顺序检测的 CISPRT 算法的性能特性
DOI：
10.1016/j.sigpro.2020.107573
复制
发表时间：
2020
影响因子：
4.4
通讯作者：
Mei, Yajun
中科院分区：
文献类型：
--
作者：
Liu, Kun;Mei, Yajun
在分布式序贯检测问题中，局部传感器观察一段时间内的原始局部观测，并被允许在每个时间步长与其直接邻域交流局部信息，以便在对真实原始传感器分布的二进制假设进行检验时，这些传感器能够协同工作以做出快速而准确的决策。一个有趣的算法是由Sahu和Kar(IEEE Transans)提出的共识创新序贯概率比测试(CISPRT)算法。信号处理，2016)。本文从网络连通性的角度出发，给出了基于网络连通性的关于高斯数据的有限样本概率和期望样本量的改进的有限样本性质，更重要的是，当第一类和第二类错误概率为0时，得到了该算法在经典渐近区间内的一阶渐近性质。通过数值模拟验证了理论结果的有效性。
In distributed sequential detection problems, local sensors observe raw local observations over time, and are allowed to communicate local information with their immediate neighborhood at each time step so that the sensors can work together to make a quick but accurate decision when testing binary hypotheses on the true raw sensor distributions. One interesting algorithm is the Consensus-Innovation Sequential Probability Ratio Test (CISPRT) algorithm proposed by Sahu and Kar (IEEE Trans. Signal Process., 2016). In this article, we present improved finite-sample properties on error probabilities and expected sample sizes of the CISPRT algorithm for Gaussian data in term of network connectivity, and more importantly, derive its sharp first-order asymptotic properties in the classical asymptotic regime when Type I and II error probabilities go to 0. The usefulness of our theoretical results are validated through numerical simulations.
登录
查看更多内容
影响因子：
3
作者：
A. Tartakovsky;I. Nikiforov;M. Basseville
通讯作者：
A. Tartakovsky;I. Nikiforov;M. Basseville
影响因子：
4.5
作者：
Georgios Fellouris
通讯作者：
Georgios Fellouris
影响因子：
5.4
作者：
Anit Kumar Sahu;S. Kar
通讯作者：
S. Kar
传感器网络中基于共识的检测：实际约束下的拓扑优化
DOI：
--
发表时间：
2007
期刊：
影响因子：
--
作者：
S. Kar;José M. F. Moura
通讯作者：
José M. F. Moura