[논문 리뷰] Distributed Kalman Filter in a Network of Linear Dynamical Systems

Damián Marelli, Mohsen Zamani외 1명|arXiv (Cornell University)|2017. 11. 21.

Distributed Control Multi-Agent Systems참고 문헌 11인용 수 9

한 줄 요약

이 논문은 선형 시간 불변 하위계로 구성된 네트워크를 위한 분산 칼만 필터링 기법을 제안한다. 각 노드는 국소 측정치와 이웃 데이터만을 사용하여 자신의 상태를 추정하며, 중심화된 칼만 필터 성능에 점차 수렴한다. 이 방법은 시간 단위당 예측/업데이트 단계를 한 번만 요구하며, 추정치와 오차 공분산이 중심화된 해법으로 지수적으로 수렴함을 보장하며, 초기 상태 공분산이 블록 대각형일 경우 정확히 동일한 결과를 얻는다.

ABSTRACT

This paper is concerned with the problem of distributed Kalman filtering in a network of interconnected subsystems with distributed control protocols. We consider networks, which can be either homogeneous or heterogeneous, of linear time-invariant subsystems, given in the state-space form. We propose a distributed Kalman filtering scheme for this setup. The proposed method provides, at each node, an estimation of the state parameter, only based on locally available measurements and those from the neighbor nodes. The special feature of this method is that it exploits the particular structure of the considered network to obtain an estimate using only one prediction/update step at each time step. We show that the estimate produced by the proposed method asymptotically approaches that of the centralized Kalman filter, i.e., the optimal one with global knowledge of all network parameters, and we are able to bound the convergence rate. Moreover, if the initial states of all subsystems are mutually uncorrelated, the estimates of these two schemes are identical at each time step.

연구 동기 및 목표

• 네트워크 내 각 하위계가 국소 측정치와 이웃 데이터만을 사용하여 자신의 상태를 추정할 수 있는 분산 칼만 필터링 기법을 개발하는 것.
• 분산 필터의 추정치와 오차 공분산이 중심화된 칼만 필터의 결과로 지수적으로 수렴하도록 보장하는 것.
• 반복적 공감 단계가 필요 없도록 하여 계산 및 통신 부하를 감소시키는 것.
• 분산 필터가 중심화된 최적 필터와 정확히 동일한 결과를 얻는 조건을 규명하는 것.
• 분산 추정 오차 및 공분산 행렬의 수렴 속도에 대한 명시적 경계를 제공하는 것.

제안 방법

• 각 하위계는 자체 상태공간 모델과 측정치를 사용하여 국소 칼만 필터를 구현한다.
• 필터는 네트워크의 구조를 반영한 네트워크 행렬을 통해 이웃 하위계의 측정치를 통합한다.
• 업데이트 규칙은 네트워크의 라플라스 행렬과 하위계 동역학을 기반으로 유도된 이득 행렬을 통해 국소 예측과 이웃 측정치를 조합한다.
• 이 방법은 시간 단위당 예측 및 업데이트 단계를 한 번만 수행하여 반복적 공감을 피한다.
• 분산 및 중심화된 오차 진동의 관계를 연결하는 행렬 변환을 사용하여 추정 오차 역학을 분석한다.
• 오차 전이 행렬의 스펙트럼 성질을 이용하여 수렴 경계를 유도하며, 중심화된 해법으로의 지수적 감쇠를 보여준다.

실험 결과

연구 질문

• RQ1 시간당 한 번의 업데이트만으로 중심화된 칼만 필터와 점차적으로 동일한 성능을 달성하는 분산 칼만 필터를 설계할 수 있는가?
• RQ2 분산 필터가 중심화된 필터와 동일한 추정치를 생성하는 조건은 무엇인가?
• RQ3 분산 필터의 추정치와 오차 공분산이 중심화된 해법으로 수렴하는 속도는 얼마인가?
• RQ4 초기 상태 공분산 행렬의 구조가 분산 필터의 성능에 어떤 영향을 미치는가?
• RQ5 전역 지식이나 반복적 공감이 필요 없이 완전히 분산된 방식으로 이 방법을 구현할 수 있는가?

주요 결과

• 분산 칼만 필터의 상태 추정치와 오차 공분산 행렬은 중심화된 칼만 필터의 결과로 지수적으로 수렴한다.
• 초기 상태 공분산 행렬이 블록 대각형일 경우, 분산 필터는 모든 시간 단계에서 중심화된 필터와 정확히 동일한 추정치를 생성한다.
• 수렴 속도는 경계가 있으며, 오차 전이 행렬의 스펙트럼 반경에 따라 결정되며, 표준 가정 하에 1보다 작다.
• 반복적 공감을 피하여 시간 단위당 예측/업데이트 단계를 한 번만 수행함으로써 통신 및 계산 부하를 감소시킨다.
• 수치 시뮬레이션은 분산 추정치와 중심화된 추정치 간의 차이가 시간이 지남에 따라 0으로 수렴하며, 초기 공분산이 블록 대각형일 경우 오차가 무시할 만큼 작음을 확인한다.
• 제안된 기법은 확장 가능하며, 중심화 추정이 계산적으로 불가능한 대규모 네트워크에 적합하다.