Semantisch bewusste Fernschätzung mehrerer Markov-Quellen unter Einschränkungen

In diesem Papier wird die semantisch bewusste Kommunikation für die Fernschätzung mehrerer Markov-Quellen über einen verlustbehafteten und bandbreitenbeschränkten Kanal untersucht. Im Gegensatz zu den meisten bestehenden Studien, die alle Quellzustände gleich behandeln, nutzen wir die Semantik der Informationen aus und berücksichtigen, dass der fernsteuernde Aktuator unterschiedliche Toleranzen für die Schätzfehler verschiedener Zustände hat. Unser Ziel ist es, eine optimale Planungsrichtlinie zu finden, die die langfristigen zustandsabhängigen Kosten der Schätzfehler unter einer Übertragungsfrequenzeinschränkung minimiert. Theoretisch zeigen wir die Struktur der optimalen Richtlinie, indem wir die Theorie der durchschnittlichen Kosten des eingeschränkten Markov-Entscheidungsprozesses (CMDP) und die Lagrange-Dynamik-Programmierung nutzen. Durch die Ausnutzung der optimalen strukturellen Ergebnisse entwickeln wir einen neuartigen Algorithmus zur Richtliniensuche, genannt Intersection Search plus Relative Value Iteration (Insec-RVI), der die optimale Richtlinie nur mit wenigen Iterationen finden kann. Um den "Fluch der Dimensionalität" von MDPs zu vermeiden, schlagen wir einen Online-Algorithmus zur Draht-plus-Strafe (DPP) Planung mit niedriger Komplexität basierend auf dem Lyapunov-Optimierungstheorem vor. Wir entwerfen auch einen effizienten Q-Lernalgorithmus mit durchschnittlichen Kosten, um die optimale Richtlinie zu schätzen, ohne die Kanal- und Quellstatistiken a priori zu kennen. Numerische Ergebnisse zeigen, dass eine kontinuierliche Übertragung ineffizient ist, und bemerkenswerterweise können unsere semantisch bewussten Richtlinien das Optimum erreichen, indem sie strategisch weniger Übertragungen nutzen und das Timing der wichtigen Informationen ausnutzen.