[論文レビュー] Order-2 Asymptotic Optimality of the Fully Distributed Sequential Hypothesis Test

Shang Li, Xiaodong Wang|arXiv (Cornell University)|Jun 14, 2016

Distributed Sensor Networks and Detection Algorithms参考文献 26被引用数 5

ひとこと要約

本稿では、融合センターのないセンサネットワークにおける、メッセージパッシングに基づく2つの分散逐次仮説検定を提案し、誤差率が0に近づく際、平均検出遅延が中央集権的最適検定と定数ギャップ内に収まる「2次漸近的最適性」を達成する。最初の手法は生のサンプル配信を用いる。2番目の手法は、局所的決定統計量を共有するためのコセンサスアルゴリズムを用いる。これにより、通信量を大幅に削減しつつ、正規性条件のもとで漸近的最適性を維持する。

ABSTRACT

This work analyzes the asymptotic performances of fully distributed sequential hypothesis testing procedures as the type-I and type-II error rates approach zero, in the context of a sensor network without a fusion center. In particular, the sensor network is defined by an undirected graph, where each sensor can observe samples over time, access the information from the adjacent sensors, and perform the sequential test based on its own decision statistic. Different from most literature, the sampling process and the information exchange process in our framework take place simultaneously (or, at least in comparable time-scales), thus cannot be decoupled from one another. Two message-passing schemes are considered, based on which the distributed sequential probability ratio test (DSPRT) is carried out respectively. The first scheme features the dissemination of the raw samples. Although the sample propagation based DSPRT is shown to yield the asymptotically optimal performance at each sensor, it incurs excessive inter-sensor communication overhead due to the exchange of raw samples with index information. The second scheme adopts the consensus algorithm, where the local decision statistic is exchanged between sensors instead of the raw samples, thus significantly lowering the communication requirement compared to the first scheme. In particular, the decision statistic for DSPRT at each sensor is updated by the weighted average of the decision statistics in the neighbourhood at every message-passing step. We show that, under certain regularity conditions, the consensus algorithm based DSPRT also yields the order-2 asymptotically optimal performance at all sensors.

研究の動機と目的

• 融合センターのない完全に分散化された逐次仮説検定において、2次漸近的最適性を達成すること。
• サンプリングと情報交換が同程度の時間スケールで行われる状況における性能を分析し、分離仮定を避けること。
• 分散逐次検定における通信オーバーヘッドを低減しながら、漸近的最適性を維持すること。
• 生のサンプル配信とコセンサスベースの意思決定統計量交換という2つのメッセージパッシング方式を比較すること。
• ガウス分布およびラプラス分布を用いたシミュレーションを通じて、漸近的最適性を検証すること。

提案手法

• 各生のサンプルがネットワーク全体を経由してリレートされ、すべてのセンサが受信するまで伝達されるサンプル配信ベースの分散逐次尤度比検定（SD-DSPRT）を提案する。
• センサがネットワークの近隣ノードとの間で重み付き平均を用いて局所的決定統計量を交換・更新するコセンサスアルゴリズムベースのDSPRT（CA-DSPRT）を導入する。
• 各センサで逐次尤度比検定（SPRT）を実行し、対数尤度比（LLR）の閾値によって停止時刻を決定する。
• 局所統計量がグローバル平均に収束するように、二重確率的重み行列を用いたコセンサスアルゴリズムを適用する。
• Kullback-Leibler発散（KLD）とモーメント生成関数の条件を用いて、漸近的性能の上限を導出し、2次最適性を確立する。
• ネットワークトポロジーの条件、特に重み行列のスぺクトルギャップ制約を用いて、収束性と最適性を保証する。

実験結果

リサーチクエスチョン

• RQ1 サンプリングと通信が同時に進行する状況において、完全に分散化された逐次検定が2次漸近的最適性を達成できるか？
• RQ2 ネットワーク全体に生のサンプルを配信することで、各センサにおける検出遅延が漸近的に最適になるか？
• RQ3 コセンサスベースのメッセージパッシング方式は、著しく通信量を削減しつつも、同じ程度の漸近的最適性を達成できるか？
• RQ4 サンプル配信方式とコセンサスベース方式の間で、通信オーバーヘッドと性能のトレードオフはどのように異なるか？
• RQ5 誤差率が0に近づく際、分散型と中央集権的最適検定の間の検出遅延の定量的ギャップはどの程度か？

主な発見

• サンプル配信ベースのDSPRT（SD-DSPRT）は、2次漸近的最適性を達成し、誤差率が0に近づく際、平均検出遅延が中央集権的SPRTと定数ギャップ内に収束する。
• コセンサスアルゴリズムベースのDSPRT（CA-DSPRT）も、正規性条件のもとで2次漸近的最適性を達成する。具体的には、対数尤度比の有界性と、ネットワーク重み行列のスぺクトルギャップ制約が条件として必要となる。
• CA-DSPRTは、SD-DSPRTと比較して通信オーバーヘッドを顕著に低減しつつ、ほぼ同等の性能を維持する。特に、コセンサスパラメータqを大きくするほど顕著である。
• ガウス分布およびラプラス分布のシミュレーションにより、誤差確率が低下する際、SD-DSPRTおよびCA-DSPRTの両方が中央集権的最適値から定数ギャップを保つことが確認された。
• μ=0.2のラプラス分布に対しては、q=3のCA-DSPRTはSD-DSPRTの性能に非常に近いが、通信量ははるかに少ない。一方、ナイーブな手法は低誤差率で発散する。
• SD-DSPRTの誤検出確率は漸近的境界e^(-KB)と一致し、期待されるサンプルサイズも、すべてのテストシナリオで理論的予測と一致する。