[논문 리뷰] Delay-Dependent Distributed Kalman Fusion Estimation with Dimensionality Reduction in Cyber-Physical Systems

Bo Chen, Daniel W. C. Ho외 2명|arXiv (Cornell University)|2018. 02. 09.

Distributed Sensor Networks and Detection Algorithms참고 문헌 47인용 수 32

한 줄 요약

이 논문은 대역폭 제약과 통신 지연을 고려하여 차원 축소 기능을 갖춘 지연에 의존하는 분산 칼만 융합 추정기(DKFE)를 제안한다. 압축된 국지적 추정치를 지연 보정 모델링을 통해, DKFE는 추정 오차 공분산이 유일한 정적 상태 행렬로 수렴함을 보장하며, 이는 계산 비용이 낮고 안정성이 향상된 계산 효율성 높은 정적 상태 DKFE(_SDKFE_)로 이어진다. 이는 이전 방법보다 향상된 성능을 제공한다.

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.

연구 동기 및 목표

• 대역폭 제약과 통신 지연이 존재하는 환경에서 실시간 상태 추정의 과제를 해결한다.
• 데이터 전송을 줄이기 위해 차원 축소를 통합하면서도 추정 정확도를 유지하는 분산 융합 프레임워크를 개발한다.
• 알 수 없는 또는 변동하는 통신 지연이 존재하더라도 융합 추정기의 안정성과 수렴성을 확보한다.
• 지연에 의존하는 안정성 조건에서 유도된 정적 상태 DKFE(_SDKFE_)를 통해 계산 복잡도를 최소화한다.
• 시스템 안정성을 유지하면서 최적의 차원 축소 전략을 선택하기 위한 확률 기반 기준을 제공한다.

제안 방법

• 센서 데이터 전송 과정에서 차원 축소와 통신 지연을 동시에 기반으로 하는 수학적 모델을 수립한다.
• 선형 최소 제곱 오차 기준에 기반한 최적 가중 융합 기준을 사용하여 반복적인 분산 칼만 융합 추정기(DKFE)를 유도한다.
• LMI 기법을 활용하여 지연 및 확률에 의존하는 안정성 조건을 수립하고, MATLAB LMI 도구상자로 검증 가능하다.
• DKFE보다 훨씬 낮은 계산 복잡도를 갖는 정적 상태 DKFE(_SDKFE_)를 제안하며, 이는 고유한 정적 상태 오차 공분산 행렬로 수렴함을 보장한다.
• 지연이 사전에 알려진 경우 DKFE 안정성을 보장하는 차원 축소를 위한 확률 선택 기준을 도입한다.
• 대역폭 사용을 줄이기 위해 수신 노드에서 국지적 추정치를 압축하기 위해 주성분 분석(PCA)을 적용한다.

실험 결과

연구 질문

• RQ1 분산 CPS에서 추정 정확도를 유지하기 위해 차원 축소와 통신 지연을 어떻게 함께 모델링할 수 있는가?
• RQ2 시간에 따라 변하는 지연 조건 하에서 DKFE의 오차 공분산 수렴이 고유한 정적 상태 행렬로 수렴하기 위한 안정성 조건은 무엇인가?
• RQ3 기존의 중심집중식 또는 지연 인식이 없는 융합 추정기와 비교해 본다면 제안된 DKFE의 성능과 복잡도는 어떻게 되는가?
• RQ4 DKFE 안정성을 유지하면서 차원 축소 파라미터를 선택하기 위한 확률 기반 전략은 무엇인가?
• RQ5 SDKFE는 계산 비용을 크게 줄였음에도 불구하고 DKFE와 유사한 정확도를 달성할 수 있는가?

주요 결과

• LMI 도구를 통해 검증된 지연에 의존하는 안정성 조건 하에서 DKFE는 추정 오차 공분산 행렬이 고유한 정적 상태 행렬로 수렴함을 보장한다.
• SDKFE는 DKFE와 동일한 추정 정확도를 확보하면서도 훨씬 낮은 계산 복잡도를 갖기 때문에 실시간 CPS 응용에 적합하다.
• 대조 예제를 통해 기존의 안정성 조건보다 더 보수적이지 않은 것으로 확인되었으며, 이는 기존 조건이 실패하는 상황에서도 새로운 조건이 성립하기 때문이다.
• 시뮬레이션 결과는 DKFE가 개별 국지 추정기(CSEs)보다 우수하며 이상적인 ODKFE(지연 없음)에 가까운 성능을 보이지만, 지연에 의한 열화로 인해 ODKFE에 비해 열 劣하다.
• DKFE와 SDKFE 간의 오차는 시간이 지남에 따라 0으로 수렴함을 확인하여 SDKFE가 안정적이고 저복잡도의 근사치로 유효함을 입증한다.
• 다양한 초기 조건 하에서 오차 공분산 및 가중 행렬의 행렬 2-노름이 고유한 정적 상태 값으로 수렴함을 확인하여 이론적 수렴 결과를 뒷받침한다.