[논문 리뷰] Belief Consensus Algorithms for Fast Distributed Target Tracking in Wireless Sensor Networks

Vladimir Savić, Henk Wymeersch외 1명|arXiv (Cornell University)|2012. 02. 23.

Distributed Sensor Networks and Detection Algorithms참고 문헌 31인용 수 5

한 줄 요약

이 논문은 무선 센서 네트워크(WSN)에서 분산 입자 필터링(DPF)을 위한 믿음 공감(algorithm)을 제안하고 비교하여, 중앙 집중식 조율 없이도 빠르고 견고하며 확장 가능한 목표 추적을 가능하게 한다. 메트로폴리스 믿음 공감(MBC)이 순환 그래프에서 가장 빠르며, 나무 구조의 그래프에서는 믿음 전파(BP) 공감이 다른 방법들보다 우수하며, 희박한 네트워크에서 데이터 플러드보다 통신 비용이 낮음을 보여준다.

ABSTRACT

In distributed target tracking for wireless sensor networks, agreement on the target state can be achieved by the construction and maintenance of a communication path, in order to exchange information regarding local likelihood functions. Such an approach lacks robustness to failures and is not easily applicable to ad-hoc networks. To address this, several methods have been proposed that allow agreement on the global likelihood through fully distributed belief consensus (BC) algorithms, operating on local likelihoods in distributed particle filtering (DPF). However, a unified comparison of the convergence speed and communication cost has not been performed. In this paper, we provide such a comparison and propose a novel BC algorithm based on belief propagation (BP). According to our study, DPF based on metropolis belief consensus (MBC) is the fastest in loopy graphs, while DPF based on BP consensus is the fastest in tree graphs. Moreover, we found that BC-based DPF methods have lower communication overhead than data flooding when the network is sufficiently sparse.

연구 동기 및 목표

• 무선 센서 네트워크(WSN)에서 중앙 집중식 또는 경로 기반의 분산 목표 추적 기법의 한계를 해결하기 위해, 노드 장애에 취약하고 임시 설치에 부적합한 기존 방법의 문제점을 해결하고자 한다.
• 다양한 네트워크 구조에서 다섯 가지 믿음 공감(BC) 기반의 분산 입자 필터링(DPF) 알고리즘의 수렴 속도와 통신 비용을 평가하고 비교하고자 한다.
• 나무 구조의 그래프에서 기존 방법보다 더 빠른 수렴 속도를 보장하는 새로운 믿음 전파(BP) 기반 공감 알고리즘을 제안하고자 한다.
• 특히 그래프에 순환 구조가 존재할 경우, 믿음 공감 기반 DPF의 수렴 속도, 통신 오버헤드, 정확도 간의 상호 상충 관계를 정량화하고자 한다.
• BC 기반 DPF가 기존의 데이터 플러드 방식보다 확장성과 견고성 측면에서 우월한 조건을 규명하고자 한다.

제안 방법

• 논문은 믿음 공감(BC) 알고리즘을 활용하여 각 센서가 국소적 우도와 이웃 간의 교환 정보만을 이용해 목표 상태의 전역 사후 확률을 계산할 수 있도록 한다.
• 표준 믿음 공감(SBC), 랜덤화된 게이지(RG), 브로드캐스트 기반 공감, 메트로폴리스 믿음 공감(MBC), 믿음 전파(BP) 공감의 다섯 가지 BC 기반 DPF 방법을 비교한다.
• BP 공감의 경우, 고정된 $ D_g + 1 $ 반복 주기($ D_g $는 그래프의 지름)를 갖는 메시지 전달 스케줄을 사용하여 전역 우도를 근사한다.
• 믿음 갱신 규칙은 메시지 전달을 통해 정의되며, 식은 $ M_n^{(t)}(\boldsymbol{x}_t) \propto \prod_{u \in \mathcal{N}_n} M_u^{(t-1)}(\boldsymbol{x}_t)^{\alpha_{u,n,t}} $ 로 표현되며, 여기서 $ \alpha_{u,n,t} $ 는 노드 $ u $ 에서 $ n $ 으로 향하는 경로의 수를 나타낸다.
• 논문은 순환 그래프에서의 과다 계산 문제를 분석하기 위해, 어떤 노드의 우도가 다른 노드에서 최대 몇 번이나 반복 계산되는지 나타내는 $ \alpha_{\text{max}} $ 를 계산한다. 이 값은 추정 편향을 결정짓는다.
• 이론적 분석과 시뮬레이션을 통해 다양한 네트워크 구조(완전 연결, 사이클, 순환 그래프 포함)에서 수렴 속도와 통신 비용을 비교한다.

실험 결과

연구 질문

• RQ1 다양한 믿음 공감 알고리즘은 분산 입자 필터링을 통한 목표 추적에서 수렴 속도와 통신 비용 측면에서 어떻게 비교될 수 있는가?
• RQ2 믿음 전파(BP) 공감은 어떤 네트워크 구조에서 정확한 전역 우도 추정을 달성하며, 과다 계산은 언제 발생하는가?
• RQ3 짧은 순환 구조가 순환 그래프에서 BP 공감의 성능과 정확도에 어떤 영향을 미치는가?
• RQ4 BC 기반 DPF가 통신 오버헤드와 확장성 측면에서 데이터 플러드를 능가하는 조건은 무엇인가?
• RQ5 희박하고 동적인, 고장이 자주 발생하는 무선 센서 네트워크에서 분산 목표 추적에 가장 적합한 공감 알고리즘은 무엇인가?

주요 결과

• 메트로폴리스 믿음 공감(MBC)은 순환 그래프에서 가장 빠른 수렴 속도를 보이며, SBC, RG, 브로드캐스트 기반 공감보다 뛰어나다.
• 믿음 전파(BP) 공감은 나무 구조의 그래프에서 가장 빠르게 수렴하며, $ \alpha_{\text{max}} = 1 $ 일 때 $ D_g + 1 $ 반복 후 정확한 전역 우도 추정을 달성한다.
• 홀수 길이의 사이클이 있는 그래프에서는 $ \alpha_{\text{max}} = 1 $ 이므로 BP 공감이 정확한 추정을 내놓고, 짝수 길이의 사이클에서는 $ \alpha_{\text{max}} = 2 $ 로 인해 과다 계산이 발생한다.
• 짧은 순환 구조(3노드 사이클)가 존재하는 그래프에서는 $ \alpha_{\text{max}} = 1 + 2N_{\text{short-loops}} $ 로 표현되며, 이 값은 순환 수가 증가함에 따라 무한히 증가할 수 있어 추정 정확도를 떨어뜨린다.
• 충분히 희박한 네트워크에서는 BC 기반 DPF 방법이 데이터 플러드보다 더 낮은 통신 오버헤드를 기록하여, 대규모 WSN에 있어 더 뛰어난 확장성을 확보한다.
• 논문은 나무 구조의 그래프에서는 BP 공감이 최적임을 확인하였고, 고도로 연결되거나 순환성이 높은 그래프에서는 MBC가 최적임을 규명하여, DPF 시스템 설계에 네트워크 구조에 맞는 설계 선택지를 제공한다.