[논문 리뷰] Sequential Channel State Tracking & SpatioTemporal Channel Prediction in Mobile Wireless Sensor Networks

Dionysios S. Kalogerias, Athina P. Petropulu|arXiv (Cornell University)|2015. 02. 06.

Distributed Sensor Networks and Detection Algorithms참고 문헌 49인용 수 4

한 줄 요약

이 논문은 이동성 있는 무선 센서 네트워크에서 순차적 채널 상태 추적 및 시공간적 채널 이득 예측을 위한 비선형 베이지안 필터링 프레임워크를 제안한다. 격자 기반 근사 필터링을 사용하여 시간에 따라 변화하는 채널 상태와 동적 채널 이득 지ap을 실시간으로 추정할 수 있으며, 일반적인 비정상성, 비선형성, 비정규성 채널 동역학 하에서 최적의 MMSE 추정기로의 이론적 수렴을 보장한다.

ABSTRACT

We propose a nonlinear filtering framework for approaching the problems of channel state tracking and spatiotemporal channel gain prediction in mobile wireless sensor networks, in a Bayesian setting. We assume that the wireless channel constitutes an observable (by the sensors/network nodes), spatiotemporal, conditionally Gaussian stochastic process, which is statistically dependent on a set of hidden channel parameters, called the channel state. The channel state evolves in time according to a known, non stationary, nonlinear and/or non Gaussian Markov stochastic kernel. This formulation results in a partially observable system, with a temporally varying global state and spatiotemporally varying observations. Recognizing the intractability of general nonlinear state estimation, we advocate the use of grid based approximate filters as an effective and robust means for recursive tracking of the channel state. We also propose a sequential spatiotemporal predictor for tracking the channel gains at any point in time and space, providing real time sequential estimates for the respective channel gain map, for each sensor in the network. Additionally, we show that both estimators converge towards the true respective MMSE optimal estimators, in a common, relatively strong sense. Numerical simulations corroborate the practical effectiveness of the proposed approach.

연구 동기 및 목표

• 시간에 따라 변화하고 공간적으로 상관관계가 있는 채널을 가진 이동성 있는 무선 센서 네트워크에서 정확하고 실시간으로 채널 상태 및 시공간적 채널 이득 추정을 수행하는 데 도전한다.
• 비정상성, 비선형성, 비정규성 무선 환경에서 기존의 피일러 기반 및 선형 필터링 방법의 한계를 극복한다.
• 각 센서의 국소적 관측치와 공간 상관관계 모델링을 이용해 동적이고 순차적인 채널 지도 추정을 가능하게 한다.
• 채널 상태 추적 및 시공간 예측이 최적의 MMSE 추정기로의 수렴 보장을 이론적으로 제공한다.
• 정확하고 실시간 채널 상태 정보를 통해 이동성 인식 애플리케이션, 예를 들어 동적 빔포밍, 물리계층 보안, 연결 유지 등을 지원한다.

제안 방법

• 무선 채널을 부분적으로 관측 가능하고 시공간적으로 변화하는 조건부 정규 확률과정으로 모델링하며, 숨겨진 시간에 따라 변화하는 채널 상태 매개변수를 포함한다.
• 알려진 비정상성, 비선형성, 비정규성 마르코프 확률핵을 사용하여 채널 상태의 진화를 모델링한다.
• 격자 기반 근사 베이지안 필터링을 적용하여 시간에 따라 변화하는 채널 상태를 순차적으로 추정함으로써 비선형 상태 추정의 실현 가능성을 확보한다.
• 각 센서의 관측되지 않은 공간 위치에서 실시간으로 순차적으로 채널 이득 지도를 추정하는 예측기 개발.
• 계산의 실현 가능성을 확보하기 위해 격자 기반 필터링을 통한 확장 칼만 스무서(EKS) 근사법을 사용하여 상태 추정치와 예측기 출력을 계산한다.
• 채널 상태 추적기와 시공간 예측기 모두가 강한 거의확실 수렴의 의미에서 각각 최적의 MMSE 추정기로 수렴함을 수립한다.

실험 결과

연구 질문

• RQ1 일반적인 비선형성, 비정규성, 비정상성 동역학 하에서 이동성 있는 무선 센서 네트워크에서 채널 상태를 정확히 추적하는 방법은 무엇인가?
• RQ2 국소 센서 관측치와 공간 상관관계만을 사용하여 시공간적 채널 이득 지도를 실시간으로 얼마나 잘 예측할 수 있는가?
• RQ3 비선형 필터링 프레임워크가 채널 상태 및 공간적 채널 이득 예측 모두 최적의 MMSE 추정기로 수렴할 수 있는가?
• RQ4 이 부분적으로 관측 가능하고 비선형적이며 비정규적인 시스템에서 격자 기반 근사 필터의 이론적 성능 보장은 무엇인가?
• RQ5 이동성 있고 동적인, 공간적으로 상관관계가 있는 무선 환경에서 제안된 프레임워크는 기존의 선형 또는 피일러 기반 방법보다 어떻게 우월한가?

주요 결과

• 제안된 격자 기반 근사 필터는 주어진 비선형성 및 비정규성 시스템 모델 하에서 진정한 최적의 MMSE 최적 채널 상태 추정기로 거의확실하게 수렴한다.
• 순차적 시공간 예측기는 관측되지 않은 공간 위치와 시간점에서 최적의 MMSE 채널 이득 지도 예측기로 수렴한다.
• 이론적 분석을 통해 채널 상태 추적기와 시공간 예측기 모두가 기술적으로 강한, 거의확실한 수렴을 보임을 확인한다.
• 수치 시뮬레이션은 이 프레임워크의 실용적 효과를 검증하며, 동적인 환경에서 정확하고 강건한 실시간 채널 추정 및 예측을 보여준다.
• 이 프레임워크는 전역 네트워크 협업이 필요 없이도 동적이고 국소적이며 정확한 채널 상태 및 이득 추정을 가능하게 하여 이동성 인식 애플리케이션을 지원한다.
• 실세계 실내 및 실외 환경에서 흔히 발생하는 비선형성 및 비정규성 채널 동역학을 수용할 수 있기 때문에, 기존의 선형 방법(예: 크리지드 칼만 필터링)보다 성능이 뛰어나다.