잡음 채널 환경에서 강인한 분산형 데이터 추정치 획득 알고리즘 = Robust Algorithm in Distributed Estimation Fusion for Noisy Channel

국문 초록 (Abstract)

분산 형 추정 융합의 경우, 획득된 각 노드들의 추정들은 잡음 채널을 통하여 중앙 프로세서로 전달된다. 전달 된 각 노드들의 추정치들을 융합하기 위해 일반적으로 최적 선형조합 기법을 적용한다. 하지만 실제 응용 상황에서는 채널잡음이 heavy-tail일 경우 이와 같은 기법의 적용이 불가능하다. 따라서 이와 같은 문제는 다른 기법의 알고리즘으로 교체되어야 할 필요가 있다. 본 논문에서는 채널잡음을 다루기 위하여, 강인성을 지닌 알고리즘의 한 방법인 M 추정기법을 고려하였다. 하지만 이는 로컬 추정치 간에 연관성이 높아질 경우 추정치의 정확성이 떨어지게 되므로, 트림 아웃라이어의 방법을 이용하여 알고리즘의 강인성을 제시하고 차후 이를 최종 융합에 적용하였다. 제시된 알고리즘 기법이 기존의 M 추정기법 보다 정확성이 높다는 것과 특히, 상관관계가 높아질수록 정확성이 증가함은 실험을 통하여 입증 하였다.

다국어 초록 (Multilingual Abstract)

In distributed estimation fusion, locally obtained estimates are transmitted to the central processor via noisy channels. Traditionally, optimal linear methods are applied to solve the fusion problem under Gaussian noise assumption that can be severely violated in practice when channel noises are heavy-tailed. Hence, those methods should be replaced by robust analogs. M-estimates are well-known robust tools; however, when there is considerable correlation between local estimates, fusion accuracy may decrease. Thus, we propose a robust fusion algorithm based on a procedure for trimming outliers and the subsequent application of an optimal fusion method. Numerical experiments show that the proposed method is more accurate than conventional M-estimates, especially when there is a high degree of correlation involved.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 잡음 채널 환경에서의 분산형 추정 문제
• Ⅲ. 제안된 융합기법
• Ⅳ. 컴퓨터 시뮬레이션을 통한 결과 비교
• Ⅴ. 결론
• ACKNOWLEDGMENT
• 참고문헌