[論文レビュー] Data-Efficient Quickest Outlying Sequence Detection in Sensor Networks

Taposh Banerjee, Venugopal V. Veeravalli|arXiv (Cornell University)|Nov 1, 2014

Advanced Statistical Process Monitoring参考文献 23被引用数 4

ひとこと要約

本稿では、分布的変化の影響を受けるのはセンサの一部である分散型センサネットワークにおいて、最も速い外れ値シーケンス検出を実現するデータ効率の良いアルゴリズム—DE-Censor-MaxおよびDE-Censor-Sum—を提案する。観測コストと通信コストを共同で最適化するためのセンシングおよび統合ルールを用いることで、誤報率およびコスト制約下で漸近的最適性を達成し、シミュレーションでは部分的サンプリング法を著しく上回る性能を示す。

ABSTRACT

A sensor network is considered where at each sensor a sequence of random variables is observed. At each time step, a processed version of the observations is transmitted from the sensors to a common node called the fusion center. At some unknown point in time the distribution of observations at an unknown subset of the sensor nodes changes. The objective is to detect the outlying sequences as quickly as possible, subject to constraints on the false alarm rate, the cost of observations taken at each sensor, and the cost of communication between the sensors and the fusion center. Minimax formulations are proposed for the above problem and algorithms are proposed that are shown to be asymptotically optimal for the proposed formulations, as the false alarm rate goes to zero. It is also shown, via numerical studies, that the proposed algorithms perform significantly better than those based on fractional sampling, in which the classical algorithms from the literature are used and the constraint on the cost of observations is met by using the outcome of a sequence of biased coin tosses, independent of the observation process.

研究の動機と目的

• 観測および通信リソースが限られた分散型センサネットワークにおいて、センサストリームの一部に変化が生じる状況での検出の課題に対処すること。
• 誤報率、センサあたりの観測コスト（PDC）、通信コストを制約に含めたミニマックス最速変化検出問題を定式化すること。
• 検出遅延を最小限に抑えつつ、リソース制約と未知の外れ値サブセットのサイズ・識別子を満たすデータ効率の良い検出アルゴリズムを設計すること。
• 誤報率が0に近づく際の理論的漸近的最適性を確立すること。
• シミュレーションにより、提案されたアルゴリズムが従来の部分的サンプリング法に比べて検出遅延の面で著しく優れていることを示すこと。

提案手法

• 誤報率、センサあたりの観測コスト（PDC）、センサあたりの通信コスト（PTC）を制約に含めたミニマックス定式化を提案する。
• 各センサで局所的CUSUM統計量を用い、融合センターに送信するのは最大値のみとするDE-Censor-Maxアルゴリズムを設計する。センシングはしきい値に基づく。
• 各センサで局所的CUSUM統計量を計算し、融合センターにそれらの合計値を送信するDE-Censor-Sumアルゴリズムを設計する。コスト制御のためのセンシングを実施する。
• 各センサでしきい値ルールを用いて、期待される観測回数および送信回数を制御し、PDCおよびPTC制約を満たすようにする。
• 漸近的解析を用いて、適切なしきい値スケーリング（log 1/α）がなされれば、DE-Censor-Sumアルゴリズムがすべての事後変化シナリオにおいて一様に漸近的最適であることを示す。
• 実用的なPDCおよびPTC制約の満たし方として、近似式(19)を用いて局所的しきい値（hℓ）および検出しきい値（μℓ）を設定する。

実験結果

リサーチクエスチョン

• RQ1 外れ値の影響を受けるセンサが一部であり、その識別が不明な状況において、センサネットワークでの最速の変化検出をどのように効率化できるか？
• RQ2 分散型変化検出において、検出遅延、誤報率、リソースコスト（観測および通信）の最適なトレードオフは何か？
• RQ3 複数チャネル環境下で、観測コストと通信コストの両方の制約を満たす条件下でも、漸近的最適な検出が達成可能か？
• RQ4 提案されたデータ効率の良いアルゴリズムは、サンプリングを観測プロセスとは独立に扱う従来の部分的サンプリング手法と比べて、性能でどのように差がつくか？
• RQ5 DE-Censor-Maxアルゴリズムが最適となる条件は何か。また、DE-Censor-Sumアルゴリズムがより優れた性能を示す状況はどのようなものか？

主な発見

• DE-Censor-Maxアルゴリズムは、変化後、正確に1つのセンサが影響を受ける場合に、提示されたミニマックス定式化のもとで漸近的最適性を達成する。
• DE-Censor-Sumアルゴリズムは、検出しきい値が誤報率α → 0のときlog(1/α)にスケーリングされる限り、すべての可能な事後変化シナリオにおいて一様に漸近的最適である。
• シミュレーション結果から、DE-Censor-Sumアルゴリズムは、特に複数のセンサが影響を受ける場合に、部分的サンプリング法よりも著しく低いCADD（条件付き平均検出遅延）を達成していることが示された。
• 1つまたは少数のセンサが影響を受ける場合、DE-Censor-Maxアルゴリズムは最大の局所統計量に注目するため、DE-Censor-Sumを上回る性能を示す。
• 影響を受けるストリームの数が多い場合には、DE-Censor-SumアルゴリズムがDE-Censor-Maxを上回り、複数のセンサからの情報をより効果的に活用できる。
• 提案されたアルゴリズムは、サンプリングを観測プロセスとは独立に扱う部分的サンプリング法に比べ、コスト制約を検出設計に明示的に統合することで、顕著な性能向上を達成している。