[論文レビュー] Exploiting Spatial Correlation in Energy Constrained Distributed Detection

Juan Augusto Maya, Cecilia G. Galarza+1 more|arXiv (Cornell University)|Sep 14, 2015

Distributed Sensor Networks and Detection Algorithms参考文献 29被引用数 6

ひとこと要約

本稿では、相関測定値における空間相関の活用とエネルギー効率性のトレードオフを最適化するエネルギー制約付き無線センサネットワークにおける階層的クラスタリング手法を提案する。クラスタサイズの最適化により、エネルギー消費を最小限に抑えつつ、空間相関を活用して検出性能を向上させる。ネイマン＝ピアソン枠組み下で、誤検出確率および見逃し確率のきめ細やかな解析的近似が得られている。

ABSTRACT

We consider the detection of a correlated random process immersed in noise in a wireless sensor network. Each node has an individual energy constraint and the communication with the processing central units are affected by the path loss propagation effect. Guided by energy efficiency concerns, we consider the partition of the whole network into clusters, each one with a coordination node or \emph{cluster head}. Thus, the nodes transmit their measurements to the corresponding cluster heads, which after some processing, communicate a summary of the received information to the fusion center, which takes the final decision about the state of the nature. As the network has a fixed size, communication within smaller clusters will be less affected by the path loss effect, reducing energy consumption in the information exchange process between nodes and cluster heads. However, this limits the capability of the network of beneficially exploiting the spatial correlation of the process, specially when the spatial correlation coherence of the process is of the same scale as the clusters size. Therefore, a trade-off is established between the energy efficiency and the beneficial use of spatial correlation. The study of this trade-off is the main goal of this paper. We derive tight approximations of the false alarm and miss-detection error probabilities under the Neyman-Pearson framework for the above scenario. We also consider the application of these results to a particular network and correlation model obtaining closed form expressions. Finally, we validate the results for more general network and correlation models through numerical simulations.

研究の動機と目的

• エネルギー制約付き無線センサネットワークにおけるエネルギー効率性と空間相関の活用のトレードオフに対処すること。
• クラスタヘッドが局所データを処理し、集約情報を融合センターに送信する、クラスタ型の階層的検出アーキテクチャを設計すること。
• ネイマン＝ピアソン基準下での検出誤り確率のきめ細やかな解析的近似を導出すること。
• 空間相関が存在する状況におけるクラスタサイズの検出性能への影響を評価すること。
• 一般のネットワークおよび相関構成に対して数値シミュレーションを用いてモデルを検証すること。

提案手法

• ネットワークがクラスタに分割され、各クラスタには局所センサデータを処理し、集約要約を融合センターに送信するクラスタヘッドが存在する。
• 隣接ノードが相関した観測値を示す相関構造を用いて空間相関測定をモデル化し、相関強度はパラメータρで定義される。
• 階層的検出戦略として、局所クラスタ処理（LCS）、完全相関センシング（FCS）、エネルギー検出（ED）を提案し、それぞれ異なる統合ルールを有する。
• ネイマン＝ピアソン枠組み下で誤検出および見逃し確率のきめ細やかな近似を導出するために、モーメント生成関数のラプラス法（LMGF）が用いられる。
• 主な式には、H₀およびH₁下での検定統計量のLMGFが含まれ、LCSおよびED戦略では閉形式の表現が得られ、FCSではμ₀(s) = μ₁(s−1)による変換が行われる。
• 通信におけるパスロスを考慮し、エネルギー消費を送信距離の関数としてモデル化し、エネルギー消費を最小限に抑えつつ相関による検出利得を維持するようにクラスタサイズを最適化する。

実験結果

リサーチクエスチョン

• RQ1 クラスタサイズは、相関センサネットワークにおけるエネルギー消費と検出性能のトレードオフにどのように影響するか？
• RQ2 エネルギーおよび帯域幅制約下で、検出性能を最大化する最適なクラスタサイズは何か？
• RQ3 空間相関が存在する状況で、LCS、FCS、EDの各統合戦略の誤り確率はどのように比較されるか？
• RQ4 相関的でエネルギー制約のあるシステムに対して、誤検出および見逃し確率のきめ細やかな解析的近似を導出できるか？
• RQ5 相関が局所クラスタに限定される場合、LCS戦略の性能はFCS戦略と比べてどの程度か？

主な発見

• LCS戦略は、クラスタサイズlが全ネットワークサイズnと同等に近い場合、FCS戦略に近い性能を達成する。誤検出確率はH₀下でのLMGFを用いた近似で得られる。
• LCS戦略の誤検出確率は、P_fa ≈ Q( (τ_n - μ₀(s₀*)) / √(σ²₀(s₀*)) ) として導出され、s₀* = 1であり、LMGF μ₀(s₀)はSNRおよび相関パラメータを用いた閉形式で表現される。
• FCS戦略では、H₀下でのLMGFがμ₀(s) = μ₁(s−1)の関係を用いて導出され、lをnに置き換えた場合、LCSの結果と一致する。
• エネルギー検出（ED）戦略は相関を無視するが、ρ = 0かつl = nの極限ではLCSの結果と一致し、非相関データの極限での一貫性が確認される。
• 数値シミュレーションにより、一般のネットワークおよび相関モデルにおいて解析的近似が妥当であることが検証され、導出された誤り境界のきめ細かさが確認された。
• 最適なクラスタサイズは、パスロスに起因するエネルギー消費の低減と、グローバル相関利得の損失のトレードオフを考慮し、空間相関のコherenceスケールに敏感であることが示された。