[论文解读] Networked estimation under information constraints

Usman A. Khan, Ali Jadbabaie|arXiv (Cornell University)|Nov 19, 2011

Distributed Control Multi-Agent Systems参考文献 33被引用 18

一句话总结

该论文提出了一种在严格信息约束下对不稳定线性动态系统进行网络化估计的框架，其中各 agent 每个系统演化步骤仅通信一次。该工作引入了网络追踪容量（NTC），一种量化稀疏网络在有界误差下可追踪的最大不稳定性（2-范数）的度量。结果表明，对于全连接网络或无限次通信迭代，NTC 为无穷大；而在单时间尺度设置下，NTC 为有限值，且依赖于网络稀疏性和系统动态特性。

ABSTRACT

In this paper, we study estimation of potentially unstable linear dynamical systems when the observations are distributed over a network. We are interested in scenarios when the information exchange among the agents is restricted. In particular, we consider that each agent can exchange information with its neighbors only once per dynamical system evolution-step. Existing work with similar information-constraints is restricted to static parameter estimation, whereas, the work on dynamical systems assumes large number of information exchange iterations between every two consecutive system evolution steps. We show that when the agent communication network is sparely-connected, the sparsity of the network plays a key role in the stability and performance of the underlying estimation algorithm. To this end, we introduce the notion of \emph{Network Tracing Capacity} (NTC), which is defined as the largest two-norm of the system matrix that can be estimated with bounded error. Extending this to fully-connected networks or infinite information exchanges (per dynamical system evolution-step), we note that the NTC is infinite, i.e., any dynamical system can be estimated with bounded error. In short, the NTC characterizes the estimation capability of a sparse network by relating it to the evolution of the underlying dynamical system.

研究动机与目标

• 解决当 agent 每个系统时间步仅能通信一次时，对潜在不稳定线性动态系统的去中心化估计问题。
• 克服先前研究的局限性，即要么仅限于静态参数估计，要么假设每个时间步内有多轮通信。
• 建立一个性能度量——网络追踪容量（NTC），以关联网络拓扑、观测模型与系统不稳定性。
• 开发基于凸优化的设计方法，在信息约束下实现稳定估计，尤其适用于稀疏网络。
• 提出基于标量增益估计器的本地设计规则，确保有界均方误差（MSE），而无需全局可观测性。

提出的方法

• 通过使用线性矩阵不等式（LMIs）进行谱半径优化来构建估计问题，当可行时采用锥互补线性化算法进行迭代求解。
• 引入谱半径的2-范数松弛，以实现可计算的设计，从而定义网络追踪容量（NTC）为可在有界误差下估计的最大系统矩阵2-范数。
• 将 NTC 定义为系统谱范数的上确界，使得在单时间尺度通信下，估计误差协方差保持有界。
• 提出一种标量增益估计器设计，利用图同构和特征值界实现完全本地化实现。
• 采用循环图拓扑作为测试平台，对 NTC 进行解析与数值评估，表明增加连通性（如 m-循环图中的 m）可提升估计能力。
• 使用凸规划计算 NTC 并在结构化网络（包括全连接和稀疏拓扑）上验证结果。

实验结果

研究问题

• RQ1 当每个系统演化步骤仅允许一次通信时，agent 网络能否估计一个不稳定线性动态系统？
• RQ2 给定稀疏网络拓扑下，系统不稳定性（以2-范数衡量）的理论极限是什么？即在有界均方误差下可追踪的最大不稳定性？
• RQ3 网络连通性（通过代数连通性或图结构衡量）与网络化系统的估计能力之间有何关系？
• RQ4 能否设计出仅使用一个标量增益的本地去中心化估计器，以确保对不稳定系统具有有界误差，且无需局部可观测性？
• RQ5 观测模型结构（如标量与向量观测）在决定最大可估计系统不稳定性方面起什么作用？

主要发现

• 网络追踪容量（NTC）被定义为在单时间尺度通信约束下，可在有界误差下估计的最大系统矩阵2-范数。
• 对于全连接网络或每个时间步内无限次通信迭代的情况，NTC 为无穷大，意味着任何线性动态系统均可实现有界误差估计。
• 在稀疏网络中，NTC 为有限值，且依赖于网络的代数连通性和系统的不稳定性；连通性越高，NTC 越大。
• 对于具有标量观测的 m-循环图，NTC 随 m（邻居数量）增加而增加，且始终大于1，表明局部连通性越密集，估计能力越强。
• 当每个 agent 均局部可观测时（即 $H_i^T H_i$ 可逆），无论网络结构如何，NTC 均为无穷大，从而可实现任意系统的有界误差估计。
• 在标量观测下，即使对于全连接图，使用标量增益估计器时 NTC 仍为有限值，表明尽管连通性高，但本地设计约束仍会限制性能。