[논문 리뷰] A General Regularized Distributed Solution for System State Estimation from Relative Measurements

Marco Fabris, Giulia Michieletto외 1명|arXiv (Cornell University)|2021. 08. 06.

Distributed Control Multi-Agent Systems참고 문헌 17인용 수 8

한 줄 요약

이 논문은 그래프 기반 최소제곱 프레임워크와 조정 가능한 정규화 행렬 Q를 사용하여 센서 네트워워크에서 상대 측정치로부터 시스템 상태 추정을 위한 일반 정규화 분산 솔루션(GRDS)을 제안한다. 이 방법은 이전의 접근법을 일반화하며, 임의의 무방향 연결 그래프에서 수렴을 보장하고, 소월형 및 대칭적 구조에서 특히 우수한 수렴 성능을 달성하기 위해 확장된 도메인에서 최적의 매개변수 선택을 가능하게 하여 Σϵ, Ση, Σρ와 같은 최신 기법들보다 뛰어난 수렴 속도를 달성한다.

ABSTRACT

This work presents a novel general regularized distributed solution for the state estimation problem in networked systems. Resting on the graph-based representation of sensor networks and adopting a multivariate least-squares approach, the designed solution exploits the set of the available inter-sensor relative measurements and leverages a general regularization framework, whose parameter selection is shown to control the estimation procedure convergence performance. As confirmed by the numerical results, this new estimation scheme allows (i) the extension of other approaches investigated in the literature and (ii) the convergence optimization in correspondence to any (undirected) graph modeling the given sensor network.

연구 동기 및 목표

• 임의의 무방향 구조를 가진 센서 네트워크에서 노이즈가 있는 상대 측정치로부터 분산 시스템 상태 추정 문제를 해결한다.
• 복잡한 네트워크 구조에서 일반성과 최적의 매개변수 조정이 부족한 기존 정규화 기반 접근법의 한계를 극복한다.
• Ση, Σρ, Σϵ와 같은 이전 방법들을 하나의 일반화 가능한 정규화 행렬 Q 안에서 포함하고 확장하는 통합 프레임워크를 개발한다.
• 이전 제약 조건을 초월하여 정규화 매개변수의 도메인을 확장함으로써 수렴 성능 최적화를 가능하게 한다.
• 특히 소월형 및 대칭 네트워크에서 수렴 속도를 향상시키기 위해 최적의 정규화 매개변수를 체계적으로 선택하는 방법을 제공한다.

제안 방법

• 센서 노드를 정점으로, 상대 측정치를 간선으로 표현하는 그래프 기반 모델을 사용하여 상태 추정 문제를 수식화한다.
• 다변량 최소제곱 설정을 적용하여 추정된 상대 상태와 진짜 상태 간 오차를 최소화하고, 해를 안정화하기 위해 정규화 행렬 Q를 통합한다.
• Q를 대각행렬로 설정하여 각 항목 qi ≥ 0로 하여 수렴 행동에 대한 민감한 제어를 가능하게 하는 일반 정규화 프레임워크를 도입한다.
• 라플라시안 행렬의 스펙트럼 성질과 ςL 값에 기반한 중심화된 최소제곱 해로의 수렴을 위한 충분조건을 유도한다.
• 정규화 행렬 Q에 의해 가중된 일관성 유사 업데이트 방식을 사용하는 반복적 분산 알고리즘을 제안한다.
• 수렴 속도 지수(CRI)를 최소화하기 위해 qi 값의 반복적 최적화를 위한 탐욕 히우리스틱을 활용하여 고정 또는 히우리스틱적 매개변수 선택보다 성능을 향상시킨다.

실험 결과

연구 질문

• RQ1 센서 네트워크의 기존 분산 상태 추정 기법들을 포함하고 확장할 수 있는 통합적이고 일반적인 정규화 프레임워크를 어떻게 설계할 수 있는가?
• RQ2 정규화 행렬 Q에 대한 어떤 조건이 분산 추정 알고리즘이 중심화된 최소제곱 해로 수렴하도록 보장하는가?
• RQ3 특히 표준 도메인을 초월하여 확장된 정규화 매개변수를 선택할 경우, 다양한 네트워크 구조에서 수렴 속도에 어떤 영향을 미치는가?
• RQ4 특히 소월형 또는 대칭적 네트워크에서 제안된 GRDS 프레임워크는 기존 방법보다 어떤 점에서 뚜렷한 향상을 이룬다?
• RQ5 분산 방식으로 최적의 정규화 매개변수를 체계적으로 계산하여 수렴 속도 지수(CRI)를 최소화할 수 있는가?

주요 결과

• GRDS 프레임워크는 정규화 매개변수의 도메인을 확장함으로써 Ση, Σρ, Σϵ와 같은 기존 기법들을 특정 사례로 포함하고 일반화한다.
• 소월형 및 대칭적 구조(예: 우정 그래프 및 순환 그래프)에서 GRDS는 모든 이전 방법보다 낮은 수렴 속도 지수(CRI)를 달성하며, 소월형 케이스에서 rQ* = 0.936를 기록한다.
• 순환 그래프 C36(1,2)에서 GRDS는 rQ* = 0.953을 달성하여 Ση 및 Σρ(r0 = 0.962)를 초월하고 Σϵ의 최적 성능을 재현한다.
• 우정 그래프(n=19, ςL=1)에서 GRDS는 rQ* = 0.5를 달성하며 이는 최적의 성능이며 Ση 및 Σρ의 최고 성능와 일치한다. 반면 Σϵ는 성능이 열 劣(rϵ* = 0.9).
• 람누지안 그래프(n=16, ςL > 1)에서 최적의 Q*를 사용한 GRDS는 rQ* = 0.787을 달성하여 Ση, Σρ, Σϵ(r = 0.799)를 모두 능가하며 일관된 성능 향상을 입증한다.
• 탐욕 히우리스틱을 사용한 qi 값의 반복 최적화 덕분에 고도로 복잡한 구조에서 고정 매개변수 기법이 최적 성능에 도달하지 못하는 상황에서도 수렴 속도 향상을 달성할 수 있다.