Decentralized optimization in remote estimation
Sebin Mathew · eScholarship@McGill (McGill) · 2018
Dans de nombreuses applications émergentes, plusieurs capteurs transmettent leurs mesures à un estimateur distant, situé sur un support partagé. Dans un tel système, les taux d'échantillonnage optimaux à chaque capteur dépendent de la nature du processus stochastique observé ainsi que de la capacité de communication disponible. Notre contribution principale est de montrer que le problème de détermination des taux d'échantillonnage optimaux peut se présenter sous la forme d'un problème de maximisation de l'utilité du réseau et résolu en utilisant les modifications appropriées des algorithmes standard de décomposition double pour la maximisation de l'utilité du réseau. Nous présentons deux de ces algorithmes - synchrones et asynchrones- et montrons que sous des conditions techniques modérées, les deux algorithmes convergent vers l'allocation de débit optimale. Nous présentons une étude de simulation détaillée pour illustrer que l'algorithme asynchrone est capable d'adapter le taux d'échantillonnage aux changements dans le nombre de capteurs et la capacité de canal disponible. Il est résistant à la lenteur du réseau et aux diminutions de paquets.