【ISAC】Task-Oriented Over-the-Air Computation for Multi-Device Edge AI

0-参考文献&符号说明

符号	分布
${\mathrm{e}}_k$	感知噪声分布 ${\mathrm{e}}_k\sim \mathcal{N}\left(0,{ϵ}_k^2\mathrm{I}\right)$
${\mathrm{d}}_k$	感知噪声经过PCA ${\mathrm{d}}_k\sim \mathcal{N}\left(0,{ϵ}_k^2\mathbf{I}\right)$
${\mathcal{F}}_{\ell }(\mathbf{x})$	第$\ell$类别特征的分布 ${\mathcal{F}}_{\ell }(\mathbf{x})=\mathcal{N}\left({\mathbf{\mu }}_{\ell },\mathbf{\Sigma }\right),1\le \ell \le L$
$\mathbf{n}$	OAC过程的AWGN $\mathbf{n}\sim \mathcal{N}\left(0,{\delta }_0^2\mathbf{I}\right)$
$x_{m_i}$	每个特征元素的分布 $x_{m_i}\sim \frac{1}{L}{\sum }_{\ell =1}^L\mathcal{N}\left({\mu }_{\ell ,m_i},{\sigma }_{m_i}^2\right)$
$d_{k,m_i}$	每个噪声元素的分布 $d_{k,m_i}\sim \mathcal{N}\left(0,{ϵ}_k^2\right)$
$x_{k,m_i}$	本地元素 $x_{k,m_i}\sim \frac{1}{L}{\sum }_{\ell =1}^L\mathcal{N}\left({\mu }_{\ell ,m_i},{\sigma }_{m_i}^2+{ϵ}_k^2\right)$
${\hat{x}}_{m_i}$	接收元素分布 ${\hat{x}}_{m_i}\sim \frac{1}{L}\mathcal{N}\left({\hat{\mu }}_{\ell ,m_i},{\hat{\sigma }}_{m_i}^2\right)$
解释${\hat{x}}_{m_i}$	$\{\begin{array}{l}{\hat{\mu }}_{\ell ,m_i}={\sum }_{k=1}^K{c}_k{\mu }_{\ell ,m_i},\\ {\hat{\sigma }}_{m_i}^2={\sigma }_{m_i}^2{\left({\sum }_{k=1}^K{c}_k\right)}^2+{\sum }_{k=1}^K{c}_k^2{ϵ}_k^2+\frac{{\delta }_0^2}{2}\left({\mathbf{f}}_1^T{\mathbf{f}}_1+{\mathbf{f}}_2{\mathbf{f}}_2\right)\end{array}$
A	C
A	C
A	C

符号	描述
${\mathbf{z}}_k$	传感器采集的信号 ${\mathbf{z}}_k=\mathbf{z}+{\mathbf{e}}_k$ $\mathbf{z}=[z_1,z_2,\dots ,z_S{]}^T$ ${\mathbf{z}}_k=[z_{k,1},z_{k,2},\dots ,z_{k,S}{]}^T$ ${\mathbf{e}}_k\sim \mathcal{N}\left(0,{ϵ}_k^2\mathbf{I}\right)$
${\mathbf{x}}_k$	PCA特征提取后的信号分量 $\mathbf{x}={\mathbf{U}}^T\mathbf{z}=[x_1,x_2,\dots ,x_M{]}^T$，前 M 个最大的奇异值对应的主成分
${\mathrm{d}}_k$	PCA特征提取后的感知分量 ${\mathrm{d}}_k={\mathrm{U}}^T{\mathrm{e}}_k$
$\mathcal{F}(\mathbf{x})$	PCA特征提取后的信号分布 $\mathcal{F}(\mathbf{x})=\frac{1}{L}{\sum }_{\ell =1}^L{\mathcal{F}}_{\ell }(\mathbf{x})$
${\mathcal{F}}_{\ell }(\mathbf{x})$	第$\ell$类别特征的分布 F ℓ