[論文レビュー] Network Estimation and Packet Delivery Prediction for Control over Wireless Mesh Networks

Phoebus Chen, Chithrupa Ramesh+1 more|arXiv (Cornell University)|Mar 28, 2011

Mobile Ad Hoc Networks参考文献 14被引用数 7

ひとこと要約

本稿では、2状態のマルコフ連鎖を用いてパケット損失をモデル化したグラフベースの無線メッシュモデルを用いたネットワーク推定器を提案する。この手法により、将来のパケット損失の同時確率予測が可能となり、有限区間のLQGコントローラーが予測された障害に対応できる。シミュレーションでは、標準的なコントローラーと比較して、制御性能が顕著に向上した。

ABSTRACT

Much of the current theory of networked control systems uses simple point-to-point communication models as an abstraction of the underlying network. As a result, the controller has very limited information on the network conditions and performs suboptimally. This work models the underlying wireless multihop mesh network as a graph of links with transmission success probabilities, and uses a recursive Bayesian estimator to provide packet delivery predictions to the controller. The predictions are a joint probability distribution on future packet delivery sequences, and thus capture correlations between successive packet deliveries. We look at finite horizon LQG control over a lossy actuation channel and a perfect sensing channel, both without delay, to study how the controller can compensate for predicted network outages.

研究の動機と目的

• 損失のある無線メッシュネットワークにおける正確なパケット到着予測を提供することにより、ネットワーク制御システム（NCS）の制御性能を向上させること。
• 従来のNCSモデルが固定されたパケット損失確率を仮定する点対点またはスター型トポロジーに限定されているという限界を解消すること。
• リンクをマルコフ変調過程としてモデル化することで、パケット到着における時間的・空間的相関を捉えるネットワーク推定器を開発すること。
• 将来のパケット到着を最適化した（FPD）LQGコントローラーを用いて、予測されたネットワーク障害に迅速に対応できるようにすること。
• 平均損失確率以上の豊富なネットワーク状態情報を交換することで、ネットワーク層と制御層の間のギャップを埋めること。

提案手法

• 無線メッシュネットワークを有向グラフとしてモデル化し、各リンクの送信成功確率を2状態マルコフ連鎖（ギルバート＝エリオットモデル）で制御する。
• 現在および過去のネットワーク状態に基づき、将来のパケット到着シーケンスの同時確率分布を再帰的ベイズ推定器で計算する。
• 予測された到着シーケンスを用いて制御行動を最適化する有限区間LQGコントローラーとネットワーク推定器を統合する。
• グローバルTDMA送信スケジュールと固定ルーティングトポロジーを用いて、ネットワーク構造と時間制約を定義する。
• すべてのリンク状態組み合わせ（2^E状態）におけるネットワーク状態確率分布を導出するが、リンク間の統計的独立性を仮定している。
• シミュレーションを用いた比較により、i.i.d.コントローラー（i.i.d.パケット損失）とONコントローラー（ネットワーク状態を無視）とでのコントローラー性能を評価する。

Figure 1: A networked control system over a mesh network, where the controllers can be located on any node.

実験結果

リサーチクエスチョン

• RQ1 相関のあるパケット損失を有するマルチホップメッシュネットワークをモデル化したネットワーク推定器は、従来のモデルと比較して制御システム性能を向上させることができるか？
• RQ2 パケット到着予測の精度が、損失のある制御信号チャネルにおける有限区間LQGコントローラーの性能にどのように影響するか？
• RQ3 リンク独立性とマルコフ的リンク動作という仮定が、現実のメッシュネットワークにおけるパケット到着予測の正確性に及ぼす影響はどの程度か？
• RQ4 FPDを用いて予測されたネットワーク障害に反応するコントローラーは、i.i.d.またはネットワーク知識なしを仮定するコントローラーを上回る性能を示せるか？
• RQ5 モデルの複雑さ（例：全状態空間）と予測精度の間には、どのようなトレードオフがあるか？

主な発見

• FPDコントローラーは制御コスト681.68を達成し、i.i.d.コントローラー（1,008.2）およびONコントローラー（1,158.9）と比較して顕著に低く抑えられ、予測されたネットワーク状態情報の利点を示した。
• 提案されたネットワーク推定器は、同時確率分布を用いることでパケット到着シーケンスの相関を的確に捉えており、独立またはi.i.d.損失を仮定するモデルよりも優れた制御意思決定を可能にした。
• GEIHSネットワークモデルは単純化されているが、制御性能の向上に十分な精度の予測を提供しており、NCS設計における実用的かつ妥当な抽象化であると示唆された。
• 研究では、ネットワーク予測が不正確であるとFPDコントローラーの性能が劣化することが判明し、予測に基づく制御戦略におけるロバストネスの重要性が強調された。
• 結果から、ネットワークモデル選定が極めて重要であることが示された：あまりに複雑なモデルは予測精度を向上させない一方、あまりに単純なモデルは重要なダイナミクスを欠く可能性がある。
• このフレームワークにより、ネットワーク層と制御層の間のよりインタラクティブなインターフェースが可能となり、リンク遷移確率などのネットワークパrameterを用いてコントローラー動作をチューニングできるようになった。

Figure 2: A control loop for plant ${\mathscr{P}}$ with the network on the actuation channel. The network estimator $\hat{{\mathscr{N}}}$ passes packet delivery predictions $f_{\bm{\nu}_{{}^{k}}^{{}_{k+H-1}}}$ to the FPD controller ${\mathscr{C}}$ , with past packet delivery information obtained fro