[論文レビュー] Delay-Dependent Distributed Kalman Fusion Estimation with Dimensionality Reduction in Cyber-Physical Systems

Bo Chen, Daniel W. C. Ho+2 more|arXiv (Cornell University)|Feb 9, 2018

Distributed Sensor Networks and Detection Algorithms参考文献 47被引用数 32

ひとこと要約

本稿では、帯域制限と通信遅延を考慮して、次世代のサイバーフィジカルシステム（CPS）における遅延依存型分散カルマン融合推定器（DKFE）と次元削減を組み合わせた手法を提案する。圧縮された局所的推定値を遅延補償でモデル化することで、推定誤差共分散が一意の定常状態行列に収束することを保証し、計算効率の高い定常状態DKFE（SDKFE）を実現。従来手法に比べて計算複雑性が低く、安定性が向上する。

ABSTRACT

This paper studies the distributed dimensionality reduction fusion estimation problem with communication delays for a class of cyber-physical systems (CPSs). The raw measurements are preprocessed in each sink node to obtain the local optimal estimate (LOE) of a CPS, and the compressed LOE under dimensionality reduction encounters with communication delays during the transmission. Under this case, a mathematical model with compensation strategy is proposed to characterize the dimensionality reduction and communication delays. This model also has the property to reduce the information loss caused by the dimensionality reduction and delays. Based on this model, a recursive distributed Kalman fusion estimator (DKFE) is derived by optimal weighted fusion criterion in the linear minimum variance sense. A stability condition for the DKFE, which can be easily verified by the exiting software, is derived. In addition, this condition can guarantee that estimation error covariance matrix of the DKFE converges to the unique steady-state matrix for any initial values, and thus the steady-state DKFE (SDKFE) is given. Notice that the computational complexity of the SDKFE is much lower than that of the DKFE. Moreover, a probability selection criterion for determining the dimensionality reduction strategy is also presented to guarantee the stability of the DKFE. Two illustrative examples are given to show the advantage and effectiveness of the proposed methods.

研究の動機と目的

• 帯域制限と通信遅延が存在する状況下でのCPSにおけるリアルタイム状態推定の課題に対処する。
• データ送信を削減する次元削減を実現しつつ、推定精度を維持する分散融合フレームワークを構築する。
• 未知または変動する通信遅延が存在する状況下でも、融合推定器の安定性と収束性を保証する。
• 遅延依存型安定性条件から導出される定常状態DKFE（SDKFE）により、計算複雑性を最小限に抑える。
• DKFEの安定性を保証する最適な次元削減戦略を選択する確率的基準を提供する。

提案手法

• センサデータ伝送における次元削減と通信遅延を同時に捉える数学的モデルを構築する。
• 線形最小分散の観点から最適重み付き融合基準を用いて、再帰的分散カルマン融合推定器（DKFE）を導出する。
• LMI技術を用いて遅延依存型かつ確率依存型の安定性条件を確立し、MATLAB LMIツールボックスを用いて検証可能であることを示す。
• DKFEに比べて著しく低い計算複雑性を実現する定常状態DKFE（SDKFE）を提案し、一意の定常状態誤差共分散行列への収束を保証する。
• 遅延が事前に分かっている場合にDKFEの安定性を保証する次元削減の確率的選択基準を導入する。
• 帯域使用量を削減するため、スイントノードでの局所的推定値を主成分分析（PCA）を用いて圧縮してから送信する。

実験結果

リサーチクエスチョン

• RQ1 分散CPSにおける推定精度を維持しつつ、次元削減と通信遅延をどのように統合的にモデル化できるか。
• RQ2 時間変動する遅延下でも、DKFEの誤差共分散行列が一意の定常状態行列に収束するための安定性条件は何か。
• RQ3 提案手法のDKFEは、従来の集中型または遅延非対応型融合推定器と比較して、性能と複雑性の面でどのように異なるか。
• RQ4 DKFEの安定性を維持しつつ、次元削減パラメータを選択するための確率的戦略は何か。
• RQ5 SDKFEは、計算コストを著しく削減した上で、DKFEと同等の精度を達成できるか。

主な発見

• DKFEは、遅延依存型安定性条件の下で、推定誤差共分散行列が一意の定常状態行列に収束することを保証しており、LMIツールを用いて検証された。
• SDKFEはDKFEと同等の推定精度を達成するが、計算複雑性が著しく低く抑えられており、リアルタイムCPS応用に適している。
• 反例を用いて、提案手法の安定性条件が従来のものよりも保守的でないことが示された。従来の条件が失敗した場合でも、本手法の条件は成立した。
• シミュレーション結果から、DKFEは個々の局所推定器（CSEs）を上回り、遅延なしの理想状態のODKFE（ODKFE）に近い性能を示したが、遅延による劣化のためODKFEよりは劣る性能であった。
• DKFEとSDKFEの誤差は時間経過とともにゼロに収束し、SDKFEが安定的かつ低複雑性な近似として有効であることを確認した。
• 異なる初期条件下でも、誤差共分散行列および重み行列の行列2ノルムが一意の定常状態値に収束する。理論的収束結果の妥当性が裏付けられた。