[论文解读] Blind Over-the-Air Computation and Data Fusion via Provable Wirtinger Flow

Jialin Dong, Yuanming Shi+1 more|ArXiv.org|Nov 12, 2018

Distributed Sensor Networks and Detection Algorithms参考文献 19被引用 10

一句话总结

本文提出了一种新型的无信道状态信息（CSI）数据融合方案——盲过空气计算（BlairComp），适用于低时延物联网网络。该方法利用具有随机初始化的、可证明收敛的Wirtinger流算法，求解非凸双线性测量问题。该方法实现了全局收敛与统计最优性，估计误差在几次迭代后于局部区域呈指数衰减。

ABSTRACT

Over-the-air computation (AirComp) shows great promise to support fast data fusion in Internet-of-Things (IoT) networks. AirComp typically computes desired functions of distributed sensing data by exploiting superposed data transmission in multiple access channels. To overcome its reliance on channel station information (CSI), this work proposes a novel blind over-the-air computation (BlairComp) without requiring CSI access, particularly for low complexity and low latency IoT networks. To solve the resulting non-convex optimization problem without the initialization dependency exhibited by the solutions of a number of recently proposed efficient algorithms, we develop a Wirtinger flow solution to the BlairComp problem based on random initialization. To analyze the resulting efficiency, we prove its statistical optimality and global convergence guarantee. Specifically, in the first stage of the algorithm, the iteration of randomly initialized Wirtinger flow given sufficient data samples can enter a local region that enjoys strong convexity and strong smoothness within a few iterations. We also prove the estimation error of BlairComp in the local region to be sufficiently small. We show that, at the second stage of the algorithm, its estimation error decays exponentially at a linear convergence rate.

研究动机与目标

• 解决传统AirComp在大规模物联网网络中因依赖信道状态信息（CSI）而导致的高时延与高开销问题。
• 克服现有非凸求解器在盲分离双线性系统中对初始化的依赖性及较差的收敛性保证。
• 通过消除收发端对信道估计的需求，实现在物联网中低复杂度、低时延的数据融合。
• 提出一种无需正则化、基于随机初始化的Wirtinger流算法，实现全局收敛与统计最优性。
• 为盲过空气计算中的双线性测量场景提供收敛性与估计误差的理论保证。

提出的方法

• 提出一种基于Wirtinger流的优化框架，用于盲过空气计算（BlairComp），无需依赖信道状态信息（CSI）。
• 采用随机初始化而非谱初始化或启发式初始化，以避免对先验知识的依赖。
• 利用双线性测量模型：$ y_{ij} = \mathbf{a}_{ij}^H \mathbf{h}_i \mathbf{b}_j $，其中 $ \mathbf{h}_i $ 为未知信道，$ \mathbf{b}_j $ 为未知信号。
• 应用Wirtinger流更新以最小化非凸最小二乘损失函数：$ \sum_{i,j} |y_{ij} - \mathbf{a}_{ij}^H \mathbf{h}_i \mathbf{b}_j|^2 $。
• 证明：在足够样本条件下，算法在几次迭代内进入具有强凸性与光滑性的局部区域。
• 通过局部线性收敛速率建立第二阶段的指数收敛性，确保快速且稳定的估计。

实验结果

研究问题

• RQ1 能否设计一种无需在收发端获取CSI的盲过空气计算方案？
• RQ2 基于随机初始化的Wirtinger流算法能否在双线性盲分离中实现全局收敛与统计最优性？
• RQ3 与现有正则化或二阶方法相比，该方法是否具备更快的收敛速度与更低的估计误差？
• RQ4 该算法在样本复杂度与误差衰减方面的理论收敛行为如何？
• RQ5 该算法能否避免对精细初始化的依赖，同时保持强大的理论保证？

主要发现

• 在足够数据样本下，基于随机初始化的Wirtinger流算法可在几次迭代内进入强凸性与光滑性的局部区域。
• 在局部区域中，估计误差有界且足够小，以高概率超过 $ 1 - \mathcal{O}(m^{-10}) $。
• 进入局部区域后，估计误差以线性收敛速率呈指数衰减。
• 该方法在无需正则化或谱初始化的情况下，实现了全局收敛与统计最优性。
• 在较弱条件下理论保证成立：$ m \gg K \log^3 m $，且在随机测量下以高概率成立。
• 该算法对初始化具有鲁棒性，计算开销极小，性能强劲，适用于低复杂度物联网系统。