[논문 리뷰] Order-2 Asymptotic Optimality of the Fully Distributed Sequential Hypothesis Test

Shang Li, Xiaodong Wang|arXiv (Cornell University)|2016. 06. 14.

Distributed Sensor Networks and Detection Algorithms참고 문헌 26인용 수 5

한 줄 요약

이 논문은 융합 중심기가 없는 센서 네트워크를 위한 메시지 전달 기반 분산 순차 가설 검정 두 가지를 제안하며, 오차 확률이 0에 수렴할 때 평균 탐지 지연이 중심화된 최적 검정과 일정한 간격 이내에 머무르는 순서-2 渐近 최적성(Asymptotic Optimality)을 달성한다. 첫 번째 방법은 원시 표본을 네트워크 전역으로 확산하는 방식이며, 두 번째 방법은 국소적 결정 통계치를 공유하기 위해 공약 알고리즘을 사용하여 통신을 크게 줄이고도 정규 조건 하에 여전히 渐近 최적성을 유지한다.

ABSTRACT

This work analyzes the asymptotic performances of fully distributed sequential hypothesis testing procedures as the type-I and type-II error rates approach zero, in the context of a sensor network without a fusion center. In particular, the sensor network is defined by an undirected graph, where each sensor can observe samples over time, access the information from the adjacent sensors, and perform the sequential test based on its own decision statistic. Different from most literature, the sampling process and the information exchange process in our framework take place simultaneously (or, at least in comparable time-scales), thus cannot be decoupled from one another. Two message-passing schemes are considered, based on which the distributed sequential probability ratio test (DSPRT) is carried out respectively. The first scheme features the dissemination of the raw samples. Although the sample propagation based DSPRT is shown to yield the asymptotically optimal performance at each sensor, it incurs excessive inter-sensor communication overhead due to the exchange of raw samples with index information. The second scheme adopts the consensus algorithm, where the local decision statistic is exchanged between sensors instead of the raw samples, thus significantly lowering the communication requirement compared to the first scheme. In particular, the decision statistic for DSPRT at each sensor is updated by the weighted average of the decision statistics in the neighbourhood at every message-passing step. We show that, under certain regularity conditions, the consensus algorithm based DSPRT also yields the order-2 asymptotically optimal performance at all sensors.

연구 동기 및 목표

• 융합 중심기가 없는 완전히 분산된 순차 가설 검정에서 순서-2 渐近 최적성을 달성하기 위해.
• 표본 추출과 정보 교환 시간 스케일이 유사할 경우의 성능을 분석하여 분리 가정을 피하기 위해.
• 분산 순차 검정의 통신 오버헤드를 줄이되, 여전히 渐近 최적성을 유지하기 위해.
• 원시 표본 확산과 공약 기반 결정 통계치 교환의 두 메시지 전달 방식을 비교하기 위해.
• 정규 분포 및 라플라스 분포를 대상으로 시뮬레이션을 통해 渐近 최적성을 검증하기 위해.

제안 방법

• 모든 센서가 원시 표본을 수신할 때까지 네트워크 전역으로 전파되는 표본 확산 기반 분산 순차 우도 비율 검정(SD-DSPRT)을 제안한다.
• 센서들이 네트워크 이웃과의 가중 평균을 통해 국소적 결정 통계치를 교환하고 갱신하는 공약 알고리즘 기반 DSPRT(CA-DSPRT)를 도입한다.
• 각 센서에서 순차 우도 비율 검정(SPRF)을 적용하며, 정지 시간은 로그우도비(LLR)에 대한 임계값에 의해 결정된다.
• 국소 통계치가 전역 평균으로 수렴하도록 이중 스토하스틱 가중치 행렬을 사용한 공약 알고리즘을 적용한다.
• Kullback-Leibler 발산(KLD)과 모멘트 생성 함수 조건을 사용하여 渐近 성능 한계를 유도하고, 순서-2 최적성을 입증한다.
• 수렴성과 최적성을 보장하기 위해 네트워크 토폴로지 조건, 특히 가중치 행렬의 스펙트럴 갭 제약 조건을 적용한다.

실험 결과

연구 질문

• RQ1 표본 추출과 통신이 동시에 발생할 때 완전히 분산된 순차 검정이 순서-2 渐近 최적성을 달성할 수 있는가?
• RQ2 네트워크 전역으로 원시 표본을 확산시키면 각 센서에서의 탐지 지연이 渐近적으로 최적이 되는가?
• RQ3 공약 기반 메시지 전달 방식이 상당한 통신 감소에도 불구하고 동일한 渐近 최적성을 달성할 수 있는가?
• RQ4 표본 확산 방식과 공약 기반 방식 간의 통신 오버헤드 및 성능 트레이드오프는 어떻게 비교되는가?
• RQ5 오차 확률이 0에 수렴할 때 분산 검정과 중심화된 최적 검정 간의 정량적 간격은 얼마인가?

주요 결과

• 표본 확산 기반 DSPRT(SD-DSPRT)는 오차 확률이 0에 수렴할 때 평균 탐지 지연이 중심화된 SPRT와 일정한 간격 이내에 머무르며 순서-2 渐近 최적성을 달성한다.
• 공약 알고리즘 기반 DSPRT(CA-DSPRT)는 국소 로그우도비의 유계성 및 네트워크 가중치 행렬의 스펙트럴 갭 제약 조건을 포함한 정규 조건 하에 순서-2 渐近 최적성을 달성한다.
• CA-DSPRT는 SD-DSPRT에 비해 상당한 통신 오버헤드 감소를 이룰 수 있으며, 특히 공약 파라미터 q를 증가시킬수록 성능은 거의 동일하게 유지된다.
• 정규 및 라플라스 분포 표본을 대상으로 한 시뮬레이션 결과, 오차 확률이 감소할수록 두 SD-DSPRT 및 CA-DSPRT 모두 중심화된 최적값과 일정한 간격을 유지함을 확인하였다.
• μ=0.2인 라플라스 표본의 경우, q=3인 CA-DSPRT는 통신량을 크게 줄였음에도 불구하고 SD-DSPRT 성능에 매우 가까이 도달하지만, 단순한 접근 방식은 낮은 오차 확률에서 발산함을 확인하였다.
• SD-DSPRT의 오진 경고 확률은 渐近 경계 e^(-KB)와 일치하며, 예상 표본 수는 모든 시험 환경에서 이론적 예측과 일치한다.