Decentralized estimation under communication constraints
İletişim kısıtları altında dağıtık kestirim
- Tez No: 255425
- Danışmanlar: PROF. DR. KEMAL LEBLEBİCİOĞLU, YRD. DOÇ. DR. MÜJDAT ÇETİN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 151
Özet
Bu tez çalışmasında, İmeceli Sinyal ve Bilgi İşleme kapsamında iletişim kısıtları altında dağıtık kestirim problemini ele almaktayız. Algılayıcı ağı uygulamalarıyla gündeme gelen yüksek hacimli, ayrı ayrı konumlardan toplanan ve muhtemelen farklı yapılardaki veri ile beraber altta yatan sistemin uzamsal dağıtık doğası ve kaynak sınırlarının göz önünde bulundurulması önemlidir. Başlıca bir zorluğu bir yandan kabul edilebilir doğrulukta sonuçlar sağlarken öte yandan sistemin dayattığı kısıtlara uyan işleme yöntemlerinin tasarlanması olan bu kapsamda özel olarak kestirim başarımı ile enerji ve bantgenişliği kısıtlarına tabi olan haberleşme kullanımı arasındaki ödünleşim ile ilgilenmekteyiz.Algılayıcı ağlarında dağıtık çıkarsama için dikkat çeken yaklaşımlardan biri çizge modelleri ve ileti geçme algoritmalarından faydalanmaktır. Bu çerçevede problemin bilgi çizgesi olarak da anılan gösterimi kurgulandıktan sonra söz konusu çizge çıkarsama algoritmasının çizelgesi uyarınca iletileri dağıtmakla sorumlu olan temeldeki ağ yapısına eşlenir. Ancak açık bir biçimde kestirim doğruluğu ve iletişimin maliyeti arasındaki ödünleşimi dikkate alan tasarımlar yapmak zordur. Bir başka yaklaşım ise kestirimi yan birimlerden sağlanan nicemlenmiş bilgiye dayalı olarak bir kaynaşım merkezinde gerçekleştirmektir ki dar bir dizi iletişim kısıtı gözetilerek kaynaşım ve nicemleme kuralları bulunmaya çalışılır.Biz ise geniş bir kısıtlar yelpazesini kapsayan ve de hem kestirim hataları için ceza hem de iletişim maliyetini içeren çözümlenebilir bir Bayesçi risk tanımlanmasına olanak veren iki sınıf ağda işleme stratejisi ele almaktayız. Söz konusu Bayesçi riskler kullanılarak, kısıtlı eniyileme problemi biçiminde, matematiksel kesinlikli bir tasarım çerçevesi elde edilmektedir. Bu işleme yöntemleri, çözümlerin sergilediği yapılar ile birlikte, sonlu sayıda seçenekten bir kararın söz konusu olduğu dağıtık sezim kapsamında henüz çalışılmıştır.Bu çerçeveyi kestirim problemine uyarlamaktayız. Ancak, bu durumda, değerlemesi genel olarak imkansız tümlev işleçleri içeren, hesapsal olurluğu olmayan çözümler ortaya çıkmaktadır. Biz ise modelin sadakatinden ödün vermemek için Monte Karlo yöntemlerini kullanarak bir yaklaşıklama çerçevesi geliştirmekte ve hem ağda işleme stratejileri hem de tasarım probleminin çözümü için parçacık temsilleri ile yaklaşık hesapsal yöntemler elde etmekteyiz. Böylece bu çerçevenin kapsadığı ve maliyeti de içeren iletişim kısıtları altında dağıtık kestirimci ağları için yaklaşıklayan stratejiler üretebilmekteyiz. Önerilen Monte Karlo eniyileme yordamları ölçeklenebilir ve verimli bir şekilde işlemekte ve bileşen dağılımlarından örneklem elde edilebilen herhangi dağılım aileleri için sonuç vermektedir. Ek olarak, bu yaklaşımla parametrik bir Bayesçi risk kullanılarak kestirim doğruluğu ve iletişim maliyeti arasındaki ödünleşim nicemsel olarak gözlemlenebilmektedir.
Özet (Çeviri)
In this thesis, we consider the problem of decentralized estimation under communicationconstraints in the context of Collaborative Signal and Information Processing. Motivated by sensor network applications, a high volume of data collected at distinct locations and possibly in diverse modalities together with the spatially distributed nature and the resource limitations of the underlying system are of concern. Designing processing schemes which match the constraints imposed by the system while providing a reasonable accuracy has been a major challenge in which we are particularly interested in the tradeoff between the estimation performance and the utilization of communications subject to energy and bandwidth constraints.One remarkable approach for decentralized inference in sensor networks is to exploit graphical models together with message passing algorithms. In this framework, after the so-called information graph of the problem is constructed, it is mapped onto the underlying network structure which is responsible for delivering the messages in accordance with the schedule of the inference algorithm. However it is challenging to provide a design perspective that addresses the tradeoff between the estimation accuracy and the cost of communications. Another approach has been performing the estimation at a fusion center based on the quantized information provided by the peripherals in which the fusion and quantization rules are sought while taking a restricted set of the communication constraints into account.We consider two classes of in-network processing strategies which cover a broad range of constraints and yield tractable Bayesian risks that capture the cost of communications as well as the penalty for estimation errors. A rigorous design setting is obtained in the form of a constrained optimization problem utilizing the Bayesian risks. These processing schemes have been previously studied together with the structures that the solutions exhibit in the context of decentralized detection in which a decision out of finitely many choices is made.We adopt this framework for the estimation problem. However, for the case, computationally infeasible solutions arise that involve integral operators that are impossible to evaluate exactly in general. In order not to compromise the fidelity of the model we develop an approximation framework using Monte Carlo methods and obtain particle representations and approximate computational schemes for both the in-network processing strategies and the solution schemes to the design problem. Doing that, we can produce approximating strategies for decentralized estimation networks under communication constraints captured by the framework including the cost. The proposed Monte Carlo optimization procedures operate in a scalable and efficient manner and can produce results for any family of distributions of concern provided that samples can be produced from the marginals. In addition, this approach enables a quantification of the tradeoff between the estimation accuracy and the cost of communications througha parameterized Bayesian risk.
Benzer Tezler
- Hizmet sektöründe toplam kalite yönetimi
Başlık çevirisi yok
HÜNKAR ŞERİF
Yüksek Lisans
Türkçe
1998
İşletmeMarmara ÜniversitesiBankacılık Ana Bilim Dalı
PROF. DR. İ. METE DOĞRUER
- Karıştırma saldırılarında OFDM-IM tekniğinin performansı
Performance of OFDM-IM Under jamming attacks
AHMET KAPLAN
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ALTUNBAŞ
- Intelligent tracking and guidance system for swift target manoeuvres under nonparametric uncertainty
Parametrik olmayan belirsizlik altında kıvrak hedef manevraları için akıllı hedef izleme ve güdüm dizgesi
LEVENT GÖKKUŞ
Doktora
İngilizce
1999
Uçak MühendisliğiOrta Doğu Teknik ÜniversitesiHavacılık Mühendisliği Ana Bilim Dalı
PROF. DR. CAHİT ÇIRAY