[논문 리뷰] Distributed Bayesian Quickest Change Detection in Sensor Networks via Two-layer Large Deviation Analysis

Di Li, Soummya Kar외 2명|arXiv (Cornell University)|2015. 12. 08.

Distributed Sensor Networks and Detection Algorithms참고 문헌 37인용 수 7

한 줄 요약

이 논문은 랜덤 고스립 기반의 센서 간 통신을 사용하여 센서 네트워크에서 분산 베이지안 최단 변화 탐지 알고리즘을 제안하며, 정보 전파를 마코프 과정으로 모델링한다. 이중 대 deviations 분석을 통해 분산 알고리즘의 성능이 중심 집합 기준 성능에 지수적으로 빠르게 수렴하며, 분산 Kullback-Leibler 정보 수치가 중심 기준 수치로 수렴함을 증명한다.

ABSTRACT

We propose a distributed Bayesian quickest change detection algorithm for sensor networks, based on a random gossip inter-sensor communication structure. Without a control or fusion center, each sensor executes its local change detection procedure in a parallel and distributed fashion, interacting with its neighbor sensors via random inter-sensor communications to propagate information. By modeling the information propagation dynamics in the network as a Markov process, two-layer large deviation analysis is presented to analyze the performance of the proposed algorithm. The first-layer analysis shows that the relation between the probability of false alarm and the conditional averaged detection delay satisfies the large deviation principle, implying that the probability of false alarm according to a rare event decays to zero at an exponentially fast rate when the conditional averaged detection decay increases, where the Kullback-Leibler information number is established as a crucial factor. The second-layer analysis shows that the probability of the rare event that not all observations are available at a sensor decays to zero at an exponentially fast rate when the averaged number of communications increases, where the large deviation upper and lower bounds for this rate are also derived, based on which we show that the performance of the distributed algorithm converges exponentially fast to that of the centralized one, by proving that the defined distributed Kullback-Leibler information number converges to the centralized Kullback-Leibler information number.

연구 동기 및 목표

• 센서 네트워크에서 분산 베이지안 최단 변화 탐지 알고리즘이 부족한 문제를 해결하기 위해.
• 중앙 집합형 융합 센터 아키텍처에 비해 통신 부담을 줄이고 확장성을 향상시키기 위해.
• 제어 센터 없이 지역 센서 처리와 랜덤 간섭 센서 간 통신을 활용하여 빠르고 병렬적인 탐지 기능을 구현하기 위해.
• 베이지안 변화 시점 모델 하에서 분산 탐지의 수렴성과 성능 한계를 이론적으로 분석하기 위해.
• 거짓 경고 확률과 정보 가용성에 대한 대 deviations 경계를 수립하여, 통신 증가에 따라 중심 기준 성능에 지수적으로 수렴함을 증명하기 위해.

제안 방법

• 융합 센터 없이도 탈중앙화된 정보 교환을 가능하게 하기 위해 랜덤 고스립 프로토콜을 사용하여 센서 간 통신을 수행한다.
• 네트워크 전반의 수렴 동역학을 분석하기 위해 정보 전파 과정을 마코프 체인으로 모델링한다.
• 첫 번째 계층 대 deviations 분석을 적용하여, 감지 지연이 증가함에 따라 거짓 경고 확률이 지수적으로 감소함을 보이며, Kullback-Leibler 발산을 핵심 성능 지표로 사용한다.
• 두 번째 계층 대 deviations 분석을 적용하여, 통신 빈도에 기반해 특정 센서에서 모든 관측치가 가용하지 않은 희귀 사건의 감쇠 속도를 정량화한다.
• 관측치 부가용성의 감쇠 속도에 대한 대 deviations 상한 및 하한 경계를 유도하며, 통신 빈도 증가에 따라 중심 기준 성능에 수렴함을 보여준다.
• 분산 Kullback-Leibler 정보 수치가 중심 기준 수치로 수렴함을 증명하며, 이는 성능 수렴을 의미한다.

실험 결과

연구 질문

• RQ1 센서 네트워크에서 중앙 집합 융합 센터 없이 분산 베이지안 최단 변화 탐지 알고리즘을 어떻게 설계할 수 있는가?
• RQ2 감지 지연이 증가함에 따라 거짓 경고 확률의 감쇠 속도는 어떻게 되며, 어떻게 특성화할 수 있는가?
• RQ3 통신 빈도 증가에 따라 센서에서 관측치가 완전히 가용하지 않은 확률은 얼마나 빨리 감소하는가?
• RQ4 분산 알고리즘의 성능이 중심 기준 방식에 지수적으로 빠르게 수렴할 수 있는가?
• RQ5 Kullback-Leibler 발산은 분산 탐지 체계의 수렴 속도를 결정하는 데 어떤 역할을 하는가?

주요 결과

• 조건부 평균 감지 지연이 증가함에 따라 거짓 경고 확률이 Kullback-Leibler 정보 수치가 주요 요소로 작용하여 지수적으로 감소한다.
• 모든 관측치가 특정 센서에서 가용하지 않은 희귀 사건의 확률이 평균 통신 횟수 증가에 따라 지수적으로 감소한다.
• 관측치 부가용성 감쇠 속도에 대한 대 deviations 상한 및 하한 경계를 도출하였으며, 시뮬레이션 결과 이론적 경계와 밀도 있는 일치를 보였다.
• 시뮬레이션된 감쇠 속도는 이론적 대 deviations 경계 내에 위치하여 분석 프레임워크의 타당성을 검증하였다.
• 통신률 γ 증가에 따라 분산 Kullback-Leibler 정보 수치가 중심 Kullback-Leibler 정보 수치로 수렴한다.
• 분산 Kullback-Leibler 수치가 중심 수치로 수렴함에 따라 분산 알고리즘의 성능이 중심 기준 성능에 지수적으로 빠르게 수렴함을 의미한다.