[논문 리뷰] Distributed and Recursive Parameter Estimation in Parametrized Linear State-Space Models

S. Sundhar Ram, Venugopal V. Veeravalli외 1명|ArXiv.org|2008. 04. 10.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 14인용 수 4

한 줄 요약

이 논문은 센서 네트워크에서 파arameterized 선형 상태공간 모델을 위한 분산형이고 재귀적인 매개변수 추정 알고리즘인 증분 재귀 예측 오차(Incremental Recursive Prediction Error, IRPE) 알고리즘을 제안한다. 이 알고리즘은 센서가 국소 데이터와 이웃 정보를 사용하여 반복적으로 추정치를 업데이트함으로써 온라인이고 에너지 효율적인 추정을 가능하게 하며, 일반적인 조건 하에서 진짜 매개변수로 수렴한다. 이는 창고 내 가스 누출 원천의 국소화에 적용된다.

ABSTRACT

We consider a network of sensors deployed to sense a spatio-temporal field and estimate a parameter of interest. We are interested in the case where the temporal process sensed by each sensor can be modeled as a state-space process that is perturbed by random noise and parametrized by an unknown parameter. To estimate the unknown parameter from the measurements that the sensors sequentially collect, we propose a distributed and recursive estimation algorithm, which we refer to as the incremental recursive prediction error algorithm. This algorithm has the distributed property of incremental gradient algorithms and the on-line property of recursive prediction error algorithms. We study the convergence behavior of the algorithm and provide sufficient conditions for its convergence. Our convergence result is rather general and contains as special cases the known convergence results for the incremental versions of the least-mean square algorithm. Finally, we use the algorithm developed in this paper to identify the source of a gas-leak (diffusing source) in a closed warehouse and also report numerical simulations to verify convergence.

연구 동기 및 목표

• 실시간이고 에너지 제약이 있는 센서 네트워크에 적합한 분산형이고 재귀적인 추정 알고리즘을 개발하는 것.
• 중앙집중식 데이터 융합 없이도 파arameterized 선형 상태공간 모델에서 온라인 매개변수 추정을 가능하게 하는 것.
• 단순 통계량과 증분 업데이트만을 사용하여 통신 및 메모리 비용을 줄이는 것.
• 기존의 증분 및 재귀 방법에 대한 연구를 확장하여 일반 조건 하에서 알고리즘의 수렴 보장을 제공하는 것.
• 실제 문제에 적용하는 것: 창고 내 가스 누출을 센서 측정치를 사용하여 국소화하는 것.

제안 방법

• IRPE 알고리즘은 증분 기울기 업데이트와 재귀적 예측 오차 추정을 결합하여 분산형이고 온라인 매개변수 업데이트를 가능하게 한다.
• 센서들이 순환 구조를 형성하고 순차적으로 추정치를 업데이트하며, 국소 측정치와 상游 이웃으로부터 수신한 추정치를 사용한다.
• 각 센서는 국소 추정치와 예측 오차를 유지하며, 예측 오차 기반의 기울기 유사 업데이트 규칙을 사용해 재귀적으로 업데이트한다.
• 알고리즘은 고정 단계 크기를 사용하며, 모델과 측정 과정에 대한 약한 가정 하에서도 매개변수 추정치가 진짜 값으로 수렴하도록 보장한다.
• 센서들을 클러스터로 묶어 내부 클러스터 평균화를 수행한 후 외부 클러스터 간 증분 업데이트를 수행하는 하이브리드 버전을 제안한다.
• 광역 확산 방정식을 그린 함수 기법을 사용해 상태공간 모델로 변환함으로써 이 방법을 가스 누출 국소화 문제에 적용한다.

실험 결과

연구 질문

• RQ1 선형 상태공간 모델에 대해 진짜 매개변수로 수렴하는 분산형이고 재귀적인 매개변수 추정 알고리즘을 설계할 수 있는가?
• RQ2 수렴성과 정확성 측면에서 분산형 IRPE 알고리즘은 중앙집중식 및 비증분형 분산 방법과 비교해 어떻게 성능을 내는가?
• RQ3 네트워크 토폴로지와 클러스터링은 IRPE 알고리즘의 수렴 행동에 어떤 영향을 미치는가?
• RQ4 알고리즘은 공통의 기저 과정을 공유하는 노이즈가 있는 실제 센서 데이터와 공간적으로 분포된 관측치를 어떻게 다룰 수 있는가?
• RQ5 비볼록 추정 문제에서 IRPE 알고리즘이 국소 최솟값을 피할 수 있는 조건는 무엇인가?

주요 결과

• IRPE 알고리즘은 모델과 측정 노이즈에 대한 약한 가정을 포함한 일반 조건 하에서도 진짜 매개변수 값으로 수렴한다.
• 표준 IRPE 알고리즘은 시뮬레이션에서 올바른 원천 위치로 수렴하지 못하며, 센서 간 정보 공유 부족으로 국소 최솟값에 갇힌다.
• 센서를 클러스터로 묶고 내부 클러스터 평균화를 사용할 경우, 하이브리드 IRPE 버전은 성공적으로 진짜 원천 위치(x*=37, y*=48)로 수렴한다.
• 중앙집중식 RPE 방법이 가장 우수한 성능를 보였지만, 하이브리드 IRPE는 통신 및 메모리 사용을 크게 줄였음에도 거의 최적의 성능를 달성한다.
• 알고리즘은 센서당 일정한 메모리 사용량과 시간 슬롯당 최소한의 통신으로 실시간 추정을 가능하게 하여 무선 센서 네트워크에 적합하다.
• 이 방법은 27개 센서를 사용하여 창고 내 가스 누출을 성공적으로 국소화하여 비베이지안이고 분산된 환경에서의 실용적 적용 가능성을 입증한다.