[논문 리뷰] Optimum Sleep-Wake Scheduling of Sensors for Quickest Event Detection in Small Extent Wireless Sensor Networks

K. Premkumar, Anurag Kumar|arXiv (Cornell University)|2011. 05. 30.

Distributed Sensor Networks and Detection Algorithms참고 문헌 10인용 수 8

한 줄 요약

이 논문은 에너지 소비를 최소화하면서도 가장 빠른 사건 탐지가 가능한 무선 센서 네트워크(WSNs)를 위한 최적의 수면-각성 스케줄링 전략을 제안한다. 관측 비용이 있는 베이지안 순차적 변화 탐지 문제로 모델링함으로써, 최적의 정지 규칙이 변화의 사후 확률에 대한 임계값임을 보이며, 실시간 믿음 갱신에 기반해 수면 중인 센서 수를 동적으로 제어함으로써 최고의 성능을 달성한다.

ABSTRACT

We consider the problem of quickest event detection with sleep-wake scheduling in small extent wireless sensor networks in which, at each time slot, each sensor node in the awake state observes a sample and communicates the information to the fusion centre. The sensor nodes in the sleep state do not sample or communicate any information to the fusion centre (FC), thereby conserving energy. At each time slot, the FC, after having received the samples from the sensor nodes in the wake state, makes a decision to stop (and thus declare that the event has occurred) or to continue observing. If it decides to continue, the FC also makes the decision of choosing the number of sensor nodes to be in the wake state in the next time slot. We consider three alternative approaches to the problem of choosing the number of sensor nodes to be in the wake state in time slot k+1, based on the information available at time slot k, namely, 1. optimal control of M_{k+1}, the number of sensor nodes to be in the awake state in time slot k+1, 2. optimal control of q_{k+1}, the probability of a sensor node to be in the awake state in time slot k+1, and 3. optimal probability q that a sensor node is in the awake state in any time slot. In each case, we formulate the problem as a sequential decision process. We show that a sufficient statistic for the decision at time k is the a posteriori probability of change Pi_k. Also, we show that the optimal stopping rule is a threshold rule on Pi_k. The optimal policy for M_{k+1} can keep very few sensors wake during the prechange phase and then quickly increase the number of sensors in the wake state when a change is "suspected". Among the three sleep-wake algorithms described, we observe that the total cost is minimum for the optimum control of M_{k+1} and is maximum for the optimum control on q.

연구 동기 및 목표

• 지속적인 모니터링으로 인해 사전 단계 동안 상당한 전력 소모가 발생하는 무선 센서 네트워크(WSNs)에서의 에너지 효율성 문제를 해결하기 위해.
• 센서 관측치와 믿음 갱신에 기반한 적응형 수면-각성 스케줄링을 도입하여, 사건 탐지 속도와 에너지 소비를 동시에 최적화하기 위해.
• 관측 비용과 위양성 경고 제약 조건을 포함한 부분 관측 가능 마르코프 결정 과정(POMDP)으로 문제를 수식화하기 위해.
• 다음 세 가지 제어 전략을 비교하기 위해: (i) 각성 센서 수의 결정론적 제어, (ii) 각 센서의 활성화 비율에 대한 확률적 제어, (iii) 시간에 따라 고정된 활성화 확률.
• 탐지 지연을 최소화하면서 에너지 소비 및 위양성 경고 제약 조건을 만족시키는 최적의 정지 규칙과 제어 정책을 유도하기 위해.

제안 방법

• 각 관측 비용을 고려한 베이지안 순차적 변화 탐지 프레임워크로 사건 탐지 문제를 모델링하며, 센서 측정, 계산, 통신 에너지 소비를 통합한다.
• 각 시간 단계에서 의사결정을 위한 충분통계량으로 사후 변화 확률 Πₖ를 사용한다.
• 최적의 정지 규칙을 Πₖ에 대한 임계값으로 도출하며, τ* = inf{k : Πₖ ≥ Γ}로 표현되며, 여기서 Γ는 Γ + A_J*(Γ) = λ_f(1 − Γ)를 만족하는 해이다.
• 세 가지 제어 전략을 제안한다: (i) Mₖ₊₁(각성 센서 수)의 최적 제어, (ii) qₖ₊₁(활성화 확률)의 최적 제어, (iii) 시간에 따라 고정된 q.
• 동적 프로그래밍과 값 반복을 적용하여 최적 정책을 계산하며, 비용-도달 함수의 볼록성과 최적 행동 비용의 단조성 증명.
• 제네슨 부등식과 충분통계량의 성질을 활용하여 최적 정책과 임계값 기반 정지 규칙에 대한 구조적 결과를 도출한다.

실험 결과

연구 질문

• RQ1 소규모 범위의 WSN에서 탐지 지연을 최소화하면서 에너지 소비 및 위양성 경고 제약 조건을 만족시키는 최적의 수면-각성 스케줄링 정책은 무엇인가?
• RQ2 사전 변화 단계에서 각성 센서 수(Mₖ₊₁)의 동적 제어와 각 센서의 활성화 확률(qₖ₊₁) 제어 또는 고정된 활성화 확률(q) 제어 간의 탐지 성능 및 에너지 효율성은 어떻게 비교되는가?
• RQ3 최적의 정지 규칙은 변화의 사후 확률에 대한 임계값으로 특징지을 수 있으며, 센서 활성화에 대한 최적 정책의 구조는 어떠한가?
• RQ4 최적 정책은 사전 변화 단계에서 어떻게 적응하며, 잠재적 사건을 탐지할 때 언제 전면 활성화로 전환하는가?
• RQ5 총 비용(탐지 지연 + 에너지 소비) 측면에서 세 제어 전략의 상대적 성능 순위는 어떻게 되는가?

주요 결과

• 최적의 정지 규칙은 변화의 사후 확률 Πₖ에 대한 임계값 규칙이며, 임계값 Γ는 Γ + A_J*(Γ) = λ_f(1 − Γ)를 만족하는 해로 결정된다.
• Mₖ₊₁(각성 센서 수) 제어를 위한 최적 정책은 사전 변화 단계에서는 매우 적은 수의 센서만 활성화하고, 변화가 의심될 경우 급격히 활성화 수를 증가시킨다.
• 세 전략 중에서 Mₖ₊₁ 제어가 총 비용을 최소화하며, 고정된 활성화 확률 q 제어는 총 비용이 가장 높다.
• Mₖ₊₁ 제어 정책은 특히 희귀 사건 탐지 시나리오에서 탐지 속도와 에너지 효율성의 균형을 더 잘 달성함을 입증한다.
• 비용-도달 함수 J*(π)가 π에 대해 볼록임을 증명하여, 임계값 기반 정지 규칙의 사용과 최적 정책의 효율적 계산을 뒷받침한다.
• 값 반복 과정이 수렴하며, 최적 행동 비용 함수 d(m; π)는 m에 대해 단조 증가함을 보여 최적 정책의 구조적 최적성에 기여한다.