A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä
Modeling and Mitigating Errors in Belief Propagation for Distributed Detection (2021)
Abdi, Y., & Ristaniemi, T. (2021). Modeling and Mitigating Errors in Belief Propagation for Distributed Detection. IEEE Transactions on Communications, 69(5), 3286-3297. https://doi.org/10.1109/TCOMM.2021.3056679
JYU-tekijät tai -toimittajat
Julkaisun tiedot
Julkaisun kaikki tekijät tai toimittajat: Abdi, Younes; Ristaniemi, Tapani
Lehti tai sarja: IEEE Transactions on Communications
ISSN: 0090-6778
eISSN: 1558-0857
Julkaisuvuosi: 2021
Volyymi: 69
Lehden numero: 5
Artikkelin sivunumerot: 3286-3297
Kustantaja: Institute of Electrical and Electronics Engineers (IEEE)
Julkaisumaa: Yhdysvallat (USA)
Julkaisun kieli: englanti
DOI: https://doi.org/10.1109/TCOMM.2021.3056679
Julkaisun avoin saatavuus: Avoimesti saatavilla
Julkaisukanavan avoin saatavuus: Osittain avoin julkaisukanava
Julkaisu on rinnakkaistallennettu (JYX): https://jyx.jyu.fi/handle/123456789/75927
Rinnakkaistallenteen verkko-osoite (pre-print): https://arxiv.org/abs/2004.05220
Tiivistelmä
We study the behavior of the belief-propagation (BP) algorithm affected by erroneous data exchange in a wireless sensor network (WSN). The WSN conducts a distributed multidimensional hypothesis test over binary random variables. The joint statistical behavior of the sensor observations is modeled by a Markov random field whose parameters are used to build the BP messages exchanged between the sensing nodes. Through linearization of the BP message-update rule, we analyze the behavior of the resulting erroneous decision variables and derive closed-form relationships that describe the impact of stochastic errors on the performance of the BP algorithm. We then develop a decentralized distributed optimization framework to enhance the system performance by mitigating the impact of errors via a distributed linear data-fusion scheme. Finally, we compare the results of the proposed analysis with the existing works and visualize, via computer simulations, the performance gain obtained by the proposed optimization.
YSO-asiasanat: hajautetut järjestelmät; sensoriverkot; langaton tiedonsiirto; signaalinkäsittely; algoritmit; optimointi
Vapaat asiasanat: distributed systems; cooperative communications; likelihood-ratio test; communication errors; computation errors; blind signal processing; message-passing algorithms; linear data-fusion; factor graphs
Liittyvät organisaatiot
OKM-raportointi: Kyllä
Raportointivuosi: 2021
Alustava JUFO-taso: 2
