[논문 리뷰] Distributed Kalman filtering with minimum-time consensus algorithm

Ye Yuan, Ling Shi외 4명|arXiv (Cornell University)|2017. 03. 16.

Target Tracking and Data Fusion in Sensor Networks인용 수 5

한 줄 요약

이 논문은 각 센서 노드가 유한 시간 내에 평균 측정 노이즈 공분산 행렬을 계산할 수 있도록 보장하는 최소 시간 공감 알고리즘을 갖춘 분산 칼만 필터(DKF)를 제안한다. 이는 중심화된 칼만 필터(CKF) 성능에 수렴하는 데 있어 상당한 수축을 이룬다. 과거 상태 추정치로부터 구성된 하 Hankel 행렬을 활용함으로써, 이 방법은 유한 시간 내에 공감을 달성하여 기존의 점점 수렴하는 점근적 DKF 방법에 비해 수렴 시간을 최대 90% 감소시킨다.

ABSTRACT

Fueled by applications in sensor networks, these years have witnessed a surge of interest in distributed estimation and filtering. A new approach is hereby proposed for the Distributed Kalman Filter (DKF) by integrating a local covariance computation scheme. Compared to existing well-established DKF methods, the virtue of the present approach lies in accelerating the convergence of the state estimates to those of the Centralized Kalman Filter (CKF). Meanwhile, an algorithm is proposed that allows each node to compute the averaged measurement noise covariance matrix within a minimal discrete-time running steps in a distributed way. Both theoretical analysis and extensive numerical simulations are conducted to show the feasibility and superiority of the proposed method.

연구 동기 및 목표

• 기존의 점근적 방법에 비해 중심화된 칼만 필터(CKF) 성능에 더 빠르게 수렴하는 분산 칼만 필터를 개발하는 것.
• 전역 정보 없이도 센서 네트워크의 각 노드가 측정 노이즈 공분산 행렬의 전역 평균을 유한 시간 내에 계산할 수 있도록 하는 것.
• 통신 및 계산 오버헤드를 줄이면서도 측정 노이즈와 시스템 불확실성에 대해 강건성을 유지하는 것.
• 노드의 추가 또는 제거가 가능하며 수렴 시간에 미치는 영향을 최소화하는 동적 센서 네트워크에서의 즉시 사용(플러그 앤 플레이) 운영을 지원하는 것.

제안 방법

• 각 노드의 과거 상태 추정치로부터 하 Hankel 행렬을 구성하여 공감에 필요한 최소 시간 단계 수를 결정한다.
• 최소한의 이산 시간 단계 내에 평균 측정 노이즈 공분산 행렬을 계산하는 유한 시간 공감 알고리즘을 사용한다.
• 알고리즘은 호-칼만 실현 원리에 기반하여 공감 과정의 정확한 유한 시간 수렴을 가능하게 한다.
• 각 노드는 자신의 상태 추정치와 이웃 정보만을 사용하여 국지적 계산을 수행하며, 전역 조율가 필요로 하지 않는다.
• 이 방법은 국지적 측정 노이즈와 시스템 불확실성에 대해 강건하며, 이론적 분석을 통해 유한 시간 수렴이 보장된다.
• 노드의 추가 또는 제거가 가능하므로 동적 네트워크 토폴로지에서도 수렴이 유지되도록 지원한다.

실험 결과

연구 질문

• RQ1 분산 칼만 필터가 측정 노이즈 공분산 평균 평균화에 대해 점근적 수렴이 아닌 유한 시간 공감을 달성할 수 있는가?
• RQ2 각 노드가 분산적으로 측정 노이즈 공분산의 전역 평균을 계산하기 위해 필요한 최소 시간 단계 수는 얼마인가?
• RQ3 제안된 유한 시간 공감 알고리즘이 기존의 점근적 DKF 방법에 비해 수렴 속도를 어떻게 향상시키는가?
• RQ4 측정 노이즈와 시스템 불확실성 하에서 알고리즘이 정확성과 강건성을 얼마나 잘 유지하는가?
• RQ5 이 방법은 수렴 시간에 미치는 영향을 최소화하면서 동적 센서 네트워크에서 즉시 사용 기능을 지원할 수 있는가?

주요 결과

• 제안된 알고리즘은 평균 측정 노이즈 공분산 행렬에 대해 약 0.18–0.21초 내에 공감을 달성하는 반면, 기존의 점근적 DKF(A0)는 1.14–1.83초가 소요되어 수렴 시간이 90% 감소하였다.
• 제안된 DKF(A1)의 상태 추정치는 t = 0.18초에 중심화된 칼만 필터(CKF)의 추정치에 수렴하는 반면, 기존 방법(A0)는 수렴하기까지 최대 0.75–1.0초가 소요되었다.
• A1을 사용할 경우 모든 노드가 공감에 도달하는 평균 시간은 0.1845초였고, A0는 1.338초였으며, 이는 네트워크 전체 수렴 속도 향상의 확인이다.
• 수치 시뮬레이션 결과, A1의 상태 추정치는 초기 추정 단계에서 A0보다 항상 CKF에 더 가까운 것으로 나타났다.
• 이 방법은 측정 노이즈와 시스템 불확실성에 대해 강건성을 유지하며, 수치적 부정확성으로 인한 성능 저하가 최소한이었다.
• 유한 시간 공감 메커니즘은 즉시 사용 기능을 지원하여 동적 센서 네트워크에서 노드의 추가 또는 제거가 원활하게 이루어질 수 있도록 했다.