[論文レビュー] A Universal Sampling Framework for Solving Physics-driven Inverse Source Problems.

John Murray–Bruce, Pier Luigi Dragotti|arXiv (Cornell University)|Feb 16, 2017

Scientific Measurement and Uncertainty Evaluation被引用数 3

ひとこと要約

本稿は、線形偏微分方程式（PDE）に従う物理的駆動逆源問題を解くためのユニバーサルなサンプリングフレームワークを提案する。サンプリング理論と多次元周波数推定を活用することで、センサデータの重み付き和として計算される一般化測定値から、未知の場源を再構成する。重みはグリーン関数から導出され、ノイズに強い実用的なセンサネットワーク戦略を可能にし、数値的性能が裏付けられている。

ABSTRACT

Partial differential equations are central to describing many physical phenomena. Moreover in many applications these phenomena are observed through a sensor network, with the aim of inferring its underlying properties. Here we present a new framework for analysing fields governed by linear partial differential equations. The framework leverages from certain results in sampling and approximation theory to provide a unifying approach for solving a class of inverse source problems. Specifically, we show that the unknown field sources can be recovered from a sequence of so called generalised measurements using multidimensional frequency estimation techniques. Moreover, we show that this sequence of generalised measurements for our physics-driven fields, can be computed by taking linear weighted-sums of the sensor measurements, whereby the exact weights (of the sums) coincide with those that can reproduce multidimensional exponentials from linearly combined translates of a particular prototype function. The prototype function and the desired weights are shown to depend on the Green's function of the underlying field. Based on this new framework we develop practical, noise robust, sensor network strategies for solving the inverse source problem, and then present numerical simulation results to verify their performance.

研究の動機と目的

• 線形偏微分方程式（PDE）に従う物理的駆動システムにおける逆源問題を統一的に解くフレームワークを開発すること。
• サンプリング理論から導出される一般化測定値を用いて、センサネットワークの測定値から未知の場源を再構成すること。
• 提案されたフレームワークに基づく、ノイズに強い実用的なセンサネットワーク戦略を設計し、実世界への適用可能性を確保すること。
• 基礎となるPDEのグリーン関数と、センサデータからの源再構成に最適な重みとの間の理論的リンクを確立すること。

提案手法

• サンプリングおよび近似理論の結果を活用し、逆源問題を統一的な数学的枠組みでモデル化する。
• 一般化測定値を、多次元指数関数に関連する再生核に由来する重み付き線形和として表現する。
• 支配的PDEのグリーン関数から最適な重みを導出し、物理的場モデルと整合性を保証する。
• 多次元周波数推定技術を用いて、一般化測定値の系列から未知の源分布を回復する。
• 得られたサンプリング戦略を基に、再構成誤差を最小化し、ノイズに強い性能を向上させるセンサネットワーク構成を構築する。
• 数値シミュレーションを通じて、ノイズ下でも正確な源再構成を示すことで、フレームワークの有効性を検証する。

実験結果

リサーチクエスチョン

• RQ1 線形PDEに従う多様な物理的駆動システムにおける逆源問題を統一的に解くフレームワークをどのように構築できるか？
• RQ2 グリーン関数は、センサ測定値からの源再構成に最適な重みを決定する上で果たす役割は何か？
• RQ3 センサデータの重み付き和として構成される一般化測定値は、多次元周波数推定を用いて、正確かつ安定した源再構成を可能にするか？
• RQ4 ノイズに強い性能を維持しつつ、高い再構成忠実度を達成するためのセンサネットワーク構成はどのように設計できるか？
• RQ5 サンプリング理論、カーネルに基づく再構成、PDE駆動システムにおける逆源問題の解法との間には、理論的接続があるか？

主な発見

• フレームワークにより、センサデータの線形結合から得られる一般化測定値から、未知の場源をユニバーサルに再構成可能である。
• これらの線形結合に用いる最適な重みは、基礎となるPDEのグリーン関数によって明示的に決定され、物理的整合性が保証される。
• 多次元周波数推定技術により、一般化測定値から高精度で源分布が回復された。
• 提案されたセンサネットワーク戦略は、制御されたノイズ条件下での数値シミュレーションにより、ノイズに強いことが実証された。
• 理論的分析により、一般化測定値の系列は、プロトタイプ関数の平行移動から多次元指数関数を再構成するのと同じ重みを用いて計算可能であることが確認された。
• 数値結果により、フレームワークの有効性が検証され、ノイズ環境下でも安定的かつ正確な源再構成が達成された。