상관 잡음 환경에서 양자화 측정값을 고려한 센서 선택 알고리즘

Selection of Sensors with Quantized Measurements under Correlated Noise

센서 네트워크 시스템에서 센서 노드들의 측정값이 상관 잡음을 갖고 임의로 할당된 비트 수에 의해 양자화가 진행되는 경우 분산 추정을 위한 효율적인 탐욕적 센서 선택 알고리즘에 대해 연구한다. 센서 선택 과정의 복잡도 감소를 위해 평균 추정 오차 공분산 역행렬의 로그 행렬식을 비용 함수로 채택하고, QR 분해와 LU 분해를 적용하여 비용 함수의 단순화 과정을 진행한다. 이를 통해 매 단계 한 개의 센서 노드를 선택하는 수학적 관계식을 도출한다. 다양한 관측 행렬 및 상관 측정 잡음 환경에서 측정값에 대한 양자화가 수행되는 경우 기존의 센서 선택 기술과의 성능 비교를 통해 제안 기술의 성능을 평가한다. 랜덤 모의 실험을 통해 기존 선택 기술 대비 추정 성능 및 복잡도 (실행시간) 면에서 탁월한 성능을 보임을 입증한다.

We consider the sensor selection problem where measurements at the selected nodes are contaminated by correlated noise and uniformly quantized using given rate (bits) assigned to each node and used to estimate unknown parameters. We adopt the log-determinant of the inverse estimation error covariance matrix to be maximized which is derived in consideration of quantization of correlated measurements. We seek to simplify the log-determinant by using the QR and LU factorizations so as to yield a greedy selection rule by which one node at each iteration is selected. We conduct the numerical experiments where correlated measurements are collected and quantized under various observation matrices. We validate the advantage of the proposed method in comparison with previous sensor selection methods by showing the remarkable performance gain in terms of estimation performance and complexity.