[논문 리뷰] Network Estimation and Packet Delivery Prediction for Control over Wireless Mesh Networks

Phoebus Chen, Chithrupa Ramesh외 1명|arXiv (Cornell University)|2011. 03. 28.

Mobile Ad Hoc Networks참고 문헌 14인용 수 7

한 줄 요약

이 논문은 손실이 발생하는 멀티호프 네트워크에서 패킷 전달 순서를 예측하기 위해 그래프 기반 무선 메시 모델과 이중 상태 마르코프 체인을 사용하는 네트워크 추정기 방법을 제안한다. 향후 패킷 손실의 동시 확률 예측을 제공함으로써, 유한한 수평선을 가진 LQG 제어기가 예측된 장애를 보완할 수 있게 되어 시뮬레이션에서 표준 제어기보다 제어 성능이 크게 향상된다.

ABSTRACT

Much of the current theory of networked control systems uses simple point-to-point communication models as an abstraction of the underlying network. As a result, the controller has very limited information on the network conditions and performs suboptimally. This work models the underlying wireless multihop mesh network as a graph of links with transmission success probabilities, and uses a recursive Bayesian estimator to provide packet delivery predictions to the controller. The predictions are a joint probability distribution on future packet delivery sequences, and thus capture correlations between successive packet deliveries. We look at finite horizon LQG control over a lossy actuation channel and a perfect sensing channel, both without delay, to study how the controller can compensate for predicted network outages.

연구 동기 및 목표

• 손실이 발생하는 무선 메시 네트워크에서 정확한 패킷 전달 예측을 제공함으로써 네트워크 제어 시스템(NCS)의 제어 성능을 향상시키는 것.
• 기존의 NCS 모델이 고정된 패킷 손실 확률을 가진 단순한 포인트 투 포인트 또는 스타 토폴로지로 네트워크를 간주하는 한계를 해결하는 것.
• 링크를 마르코프-모odulated 프로세스로 모델링하여 패킷 전달의 시간적 및 공간적 상관관계를 포착하는 네트워크 추정기를 개발하는 것.
• 미래의 패킷 전달 최적화(FPD) LQG 제어기를 통해 예측된 네트워크 장애에 대응할 수 있도록 제어기 기능을 제공하는 것.
• 평균 손실 확률 이외의 더 rich한 네트워크 상태 정보를 교환함으로써 네트워크 계층과 제어 계층 사이의 격차를 메우는 것.

제안 방법

• 무선 메시 네트워크를 각 링크의 전송 성공 확률이 이중 상태 마르코프 체인(Gilbert-Elliott 모델)에 의해 결정되는 방향 그래프로 모델링한다.
• 현재 및 과거 네트워크 상태를 기반으로 향후 패킷 전달 순서에 대한 동시 확률 분포를 계산하기 위해 재귀적 베이지안 추정기를 사용한다.
• 예측된 전달 순서를 사용하여 제어 동작을 최적화하는 유한 수평선 LQG 제어기와 네트워크 추정기를 통합한다.
• 전역적인 TDMA 전송 스케줄과 고정된 라우팅 토폴로지를 사용하여 네트워크 구조 및 타이밍 제약 조건을 정의한다.
• 모든 가능한 링크 상태 조합(2^E 상태)에 대한 네트워크 상태 확률 분포를 유도하지만, 모델은 링크 간의 통계적 독립성을 가정한다.
• 시뮬레이션 기반 비교를 통해 제어기 성능을 평가하며, i.i.d. 제어기(i.i.d. 패킷 손실) 및 ON 제어기(네트워크 지식 없음)와 비교한다.

Figure 1: A networked control system over a mesh network, where the controllers can be located on any node.

실험 결과

연구 질문

• RQ1 상관관계 있는 패킷 손실을 가진 멀티호프 메시 네트워크를 모델링하는 네트워크 추정기가 기존의 모델보다 제어 시스템 성능을 향상시킬 수 있는가?
• RQ2 패킷 전달 예측의 정확도가 손실이 발생하는 액추에이터 채널에서 유한 수평선 LQG 제어기 성능에 어떤 영향을 미치는가?
• RQ3 링크 간 독립성 및 마르코프 성향 링크 행동에 대한 가정이 실제 메시 네트워크에서 패킷 전달 예측의 정밀도에 어느 정도 영향을 미치는가?
• RQ4 FPD 방식을 통해 예측된 네트워크 장애를 고려한 제어기가 i.i.d. 또는 네트워크 지식이 없는 제어기보다 성능이 뛰어나게 되는가?
• RQ5 모델 복잡도(예: 전체 상태공간)와 예측 정확도 사이의 상호 교환 관계는 NCS의 네트워크 추정에서 어떤가?

주요 결과

• FPD 제어기는 IID 제어기(1,008.2) 및 ON 제어기(1,158.9)보다 제어 비용이 681.68로 유의미하게 낮아져, 예측된 네트워크 상태 정보를 활용함으로써 성능 향상의 효과를 입증하였다.
• 제안된 네트워크 추정기는 동시 확률 분포를 통해 패킷 전달 순서의 상관관계를 성공적으로 포착하여, 독립적 또는 i.i.d. 손실을 가정하는 모델보다 더 나은 제어 결정을 가능하게 하였다.
• GEIHS 네트워크 모델은 간소화되어 있지만 충분히 정확한 예측을 제공하여 제어 성능 향상에 기여함을 보여주어 NCS 설계에 실용적인 추상화로 활용 가능하다고 시사한다.
• 정확하지 않은 네트워크 예측은 FPD 제어기 성능을 떨어뜨릴 수 있음을 드러내어, 예측 기반 제어 전략에서의 내성 강도 확보의 중요성을 강조한다.
• 결과적으로 네트워크 모델 선택이 매우 중요하다: 지나치게 복잡한 모델은 정확도 향상에 기여하지 않을 수 있고, 지나치게 단순한 모델은 핵심 역학을 놓칠 수 있다.
• 이 프레임워크는 네트워크 계층과 제어 계층 간의 더 상호작용적인 인터페이스를 가능하게 하며, 링크 전이 확률과 같은 네트워크 파라미터를 제어기 동작 조정에 활용할 수 있다.

Figure 2: A control loop for plant ${\mathscr{P}}$ with the network on the actuation channel. The network estimator $\hat{{\mathscr{N}}}$ passes packet delivery predictions $f_{\bm{\nu}_{{}^{k}}^{{}_{k+H-1}}}$ to the FPD controller ${\mathscr{C}}$ , with past packet delivery information obtained fro