⚡ electrical engineering

Continuous-Time Decentralized Online Estimation With Additive Noises

यह शोध पत्र स्थिर डाइग्राफ्स (digraphs) पर योगात्मक संचार शोर (additive communication noises) के साथ अज्ञात मापदंडों के लिए एक निरंतर-समय विकेंद्रीकृत ऑनलाइन अनुमान एल्गोरिदम प्रस्तावित करता है, जो परिणामी गैर-स्वायत्त रैखिक स्टोकेस्टिक डिफरेंशियल समीकरणों की स्थिरता का विश्लेषण करके एक स्टोकेस्टिक स्थानिक-कालिक उत्तेजना (stochastic spatial-temporal persistence of excitation) स्थिति के तहत इसके माध्य वर्ग अभिसरण (mean square convergence) को सिद्ध करता है।

मूल लेखक: Xiaozheng Fu, Yan Chen, Tao Li

प्रकाशित 2026-07-01

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Xiaozheng Fu, Yan Chen, Tao Li

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि दोस्तों का एक समूह छिपे हुए खजाने (अज्ञात पैरामीटर) के स्थान का अनुमान लगाने की कोशिश कर रहा है। वे एक शहर में बिखरे हुए हैं, और वे केवल अपने निकटतम पड़ोसियों से ही बात कर सकते हैं। उनके पास उत्तर बताने वाला कोई केंद्रीय बॉस नहीं है; उन्हें मिलकर इसे खोजने के लिए जो वे देखते हैं उसे साझा करना होगा।

यह शोध पत्र इस बारे में है कि कैसे ये दोस्त सफलतापूर्वक खजाना खोज सकते हैं, भले ही दो चीजें गलत हो जाएं:

उनकी आंखें डगमगा रही हैं: कभी-कभी, जिस मानचित्र को वे देखते हैं वह धुंधला होता है या बेतरतीब ढंग से बदल जाता है (रैंडम मेजरमेंट मैट्रिसेस)।
उनके वॉकी-टॉकी में शोर है: जब वे एक-दूसरे को अपने अनुमान बताते हैं, तो स्टेटिक (static) और हस्तक्षेप उनके बीच आ जाता है (एडिटिव कम्युनिकेशन नॉइज़)।

यहाँ एक सरल उपमाओं का उपयोग करके बताया गया है कि लेखकों ने क्या किया है:

समस्या: एक शोर भरा, डगमगाता हुआ दल

वास्तविक दुनिया में, सेंसर (जैसे रडार या माइक्रोफोन) पूर्ण नहीं होते हैं। वे गड़बड़ कर सकते हैं, और सिग्नल जो वे एक-दूसरे को भेजते हैं, उनमें "स्टेटिक" के कारण विकृति आ सकती है।

"डगमगाती आंखें": शोध पत्र यह मानता है कि प्रत्येक व्यक्ति को जो डेटा मिलता है वह केवल एक निश्चित संख्या नहीं है; यह ऐसा है जैसे खजाने को एक ऐसी खिड़की से देखना जो अपना आकार बेतरतीब ढंग से बदलती रहती है।
"स्टेटिक": जब दोस्त नोट्स पास करते हैं, तो स्टेटिक द्वारा उन नोट्स पर लकीरें खींच दी जाती हैं। शोध पत्र "एडिटिव नॉइज़" पर ध्यान केंद्रित करता है, जिसका अर्थ है कि स्टेटिक एक निरंतर बैकग्राउंड हम (hum) की तरह है, चाहे दोस्त कितनी भी जोर से या धीरे बोल रहा हो।

समाधान: एक निरंतर बातचीत

एक बार में एक बार चेक करने के बजाय (डिस्क्रीट टाइम), ये दोस्त एक निरंतर, बहती हुई बातचीत (कंटीन्यूअस टाइम) में हैं। वे अपने अनुमान को अपडेट करने के लिए एक विशिष्ट रेसिपी (एक एल्गोरिदम) का उपयोग करते हैं:

"नया सुराग" चरण: वे अपने स्वयं के डगमगाते मानचित्र को देखते हैं और जो उन्होंने अभी देखा उसके आधार पर अपने अनुमान को समायोजित करते हैं।
"ग्रुप हग" चरण: वे अपने पड़ोसियों को सुनते हैं, अपने अनुमानों का औसत लेते हैं, और अपने अनुमान को समूह के अनुरूप ढालने के लिए उसे समायोजित करते हैं, भले ही संदेश स्टेटिक के कारण थोड़ा अस्पष्ट हो।

बड़ी चुनौती: बिना मानचित्र के गणित

आमतौर पर, जब गणितज्ञ यह सिद्ध करने की कोशिश करते हैं कि एक प्रणाली काम करेगी, तो वे परिणाम का वर्णन करने के लिए एक पूर्ण, स्वच्छ सूत्र (एक विश्लेषणात्मक समाधान) की तलाश करते हैं।

उपमा: कल्पना कीजिए कि आप एक ऐसे तूफान में उड़ते हुए पत्ते के पथ की भविष्यवाणी करने की कोशिश कर रहे हैं जहाँ हवा की दिशा हर सेकंड बेतरतीब ढंग से बदलती है। कोई एक स्पष्ट रेखा नहीं है जिसे आप यह दिखाने के लिए खींच सकें कि पत्ता अंततः कहाँ जाएगा।
शोध पत्र की तरकीब: चूंकि वे एक पूर्ण सूत्र नहीं खोज सके, इसलिए लेखकों ने एक "संख्यात्मक सन्निकटन" (न्यूमेरिकल एप्रोक्सिमेशन) विधि का उपयोग किया। इसे पत्ते के पथ के बहुत तेज़, छोटे स्नैपशॉट लेने के रूप में समझें। इन स्नैपशॉट को एक साथ जोड़कर, वे यह सिद्ध कर सके कि समय के साथ, पत्ता (उनके अनुमान में त्रुटि) अंततः स्थिर हो जाएगा और हिलना बंद कर देगा, भले ही हवा तूफानी हो।

मुख्य निष्कर्ष

लेखकों ने सिद्ध किया कि समूह अंततः खजाना खोज लेगा (सही उत्तर पर अभिसरण करेगा) यदि वे दो मुख्य नियमों का पालन करते हैं:

पर्याप्त बात करते रहें (पर्सिस्टेंस ऑफ एक्साइटेशन): भले ही मानचित्र डगमगा रहे हों, दोस्तों को खजाने को पर्याप्त बार और पर्याप्त अलग कोणों से देखना चाहिए। यदि वे बहुत लंबे समय तक एक ही धुंधले स्थान को देखते रहेंगे, तो वे सीख नहीं पाएंगे। शोध पत्र इसे "स्टोकेस्टिक स्पेशियल-टेम्पोरल पर्सिस्टेंस ऑफ एक्साइटेशन" कहता है। सरल शब्दों में: "पर्याप्त डेटा आने दें ताकि यादृच्छिकता (randomness) औसत निकल सके।"
आवाज़ को धीरे-धीरे कम करें (एल्गोरिदम गेन्स): दोस्तों को यह तय करने की आवश्यकता है कि वे नई जानकारी बनाम जो वे पहले से जानते हैं, उस पर कितना भरोसा करते हैं।
- शुरुआत में, उन्हें नए सुरागों पर बहुत भरोसा करना चाहिए (उच्च गेन)।
- जैसे-जैसे समय बीतता है, उन्हें "स्टेटिक" पर कम भरोसा करना चाहिए और अपने सामूहिक अनुमान को स्थिर होने देना चाहिए। शोध पत्र दिखाता है कि यदि वे बिल्कुल सही गति से (गणितीय रूप से, $1/\sqrt{t}$ की तरह) नई जानकारी पर आवाज़ कम करते हैं, तो शोर उन्हें सच खोजने से नहीं रोक पाएगा।

विशेष मामला: "स्विचिंग" मानचित्र

शोध पत्र ने एक परिदृश्य को भी देखा जहाँ "डगमगाती आंखें" एक विशिष्ट पैटर्न का पालन करती हैं, जैसे कि एक लाइट स्विच बेतरतीब ढंग से ऑन और ऑफ होता है (एक मार्कोव चेन)। उन्होंने सिद्ध किया कि भले ही यह स्विचिंग व्यवहार मौजूद हो, जब तक स्विच पर्याप्त तेज़ी से बदलता है और समूह बात करता रहता है, वे फिर भी खजाना खोज लेंगे।

निचोड़

यह शोध पत्र एक गणितीय गारंटी प्रदान करता है कि विकेंद्रीकृत एजेंटों (जैसे सेंसर या रोबोट) की एक टीम सफलतापूर्वक एक छिपे हुए मान का अनुमान लगा सकती है, भले ही:

उनके व्यक्तिगत सेंसर अविश्वसनीय और यादृच्छिक हों।
उनके संचार लाइनें स्टेटिक से भरी हों।
वे वास्तविक समय में अपने अनुमानों को लगातार अपडेट कर रहे हों।

उन्होंने एक अस्त-व्यस्त, वास्तविक दुनिया की समस्या को "स्टोकेस्टिक डिफरेंशियल इक्वेशंस" (वे समीकरण जो यादृच्छिक शोर के साथ प्रणालियों का वर्णन करते हैं) के गणितीय समस्या में बदलकर और यह सिद्ध करके किया कि सही सेटिंग्स के साथ, अराजकता अंततः एक स्पष्ट उत्तर में बदल जाती है।

तकनीकी सारांश: योगात्मक शोर के साथ निरंतर-समय विकेंद्रीकृत ऑनलाइन अनुमान

समस्या का निरूपण
यह शोध पत्र एक निश्चित निर्देशित ग्राफ (डिग्राफ) पर संचालित मल्टी-एजेंट सिस्टम के भीतर एक अज्ञात पैरामीटर वेक्टर $\theta$ के लिए विकेंद्रीकृत ऑनलाइन अनुमान की समस्या को संबोधित करता है। पिछले कार्यों के विपरीत, जो अक्सर आदर्श संचार या नियत मापन मैट्रिसेस (measurement matrices) मानते हैं, यह अध्ययन एक यथार्थवादी परिदृश्य पर विचार करता है जहाँ दो अलग-अलग प्रकार की अनिश्चितताएं एक साथ मौजूद हैं:

यादृच्छिक मापन मैट्रिसेस (Random Measurement Matrices): प्रत्येक नोड $i$ एक रैखिक मापन $dz_i(t) = H_i(t)\theta dt + \text{noise}$ प्राप्त करता है, जहाँ मापन मैट्रिसेस $H_i(t)$ यादृच्छिक और समय-परिवर्ती (time-varying) हैं। एक विशिष्ट मामले में, इन मैट्रिसेस को मार्कोव चेन (Markov chains) के रूप में मॉडल किया गया है।
योगात्मक संचार शोर (Additive Communication Noises): जब एजेंट सहमति (consensus) तक पहुँचने के लिए अपने पड़ोसियों के स्टेट एस्टीमेट्स का आदान-प्रदान करते हैं, तो संचार चैनल योगात्मक व्हाइट नॉइज़ (ब्राउनियन मोशन के रूप में मॉडल किया गया) के अधीन होते हैं। इस शोर की तीव्रता एजेंटों की अवस्थाओं से स्वतंत्र होती है।

उद्देश्य एक निरंतर-समय विकेंद्रीकृत एल्गोरिदम डिजाइन करना है जहाँ प्रत्येक नोड एक स्थानीय इनोवेशन टर्म (नए मापन को प्रोसेस करना) और एक कंसेंसस टर्म (पड़ोसियों के एस्टीमेट्स का भारित योग) का उपयोग करके अपने एस्टीमेट को अपडेट करता है, जिससे यह सुनिश्चित होता है कि अनुमान त्रुटि (estimation error) मीन स्क्वायर सेंस (mean square sense) में शून्य की ओर अभिसरित (converge) हो।

कार्यप्रणाली
लेखक प्रस्तावित अनुमान एल्गोरिदम के अभिसरण विश्लेषण को यादृच्छिक समय-परिवर्ती गुणांकों और योगात्मक शोर वाले एक गैर-ऑटोनॉमस लीनियर स्टोकेस्टिक डिफरेंशियल इक्वेशन (SDE) के स्थिरता विश्लेषण में परिवर्तित करते हैं। मुख्य कार्यप्रणालीगत चरण शामिल हैं:

एल्गोरिदम निर्माण: एक निरंतर-समय विकेंद्रीकृत सहकारी ऑनलाइन अनुमान एल्गोरिदम तैयार किया गया है। त्रुटि गतिकी (error dynamics) को व्युत्पन्न किया गया है, जिसके परिणामस्वरूप एक SDE प्राप्त होता है जो $dx(t) = A(t)x(t)dt + D(t)dw(t) $के रूप में है, जहाँ$ A(t) $ड्रिफ्ट गुणांक (मापन मैट्रिसेस और ग्राफ टोपोलॉजी पर निर्भर) और$ D(t)$ डिफ्यूजन गुणांक (शोर तीव्रता और गेन्स पर निर्भर) को दर्शाता है।
संख्यात्मक सन्निकटन दृष्टिकोण (Numerical Approximation Approach): चूंकि यादृच्छिक समय-परिवर्ती गुणांकों वाले SDEs के विश्लेणात्मक समाधान आम तौर पर उपलब्ध नहीं होते हैं, इसलिए लेखक एक संख्यात्मक सन्निकटन विधि का उपयोग करते हैं। वे निर्मित करते हैं:
- एक डिस्क्रीट-टाइम $\Delta$ -न्यूमेरिकल एप्रोक्सिमेट सॉल्यूशन (DTNAS)।
- एक कंटीन्यूअस-टाइम $\Delta$ -न्यूमेरिकल एप्रोक्सिमेट सॉल्यूशन (CTNAS)।
स्थिरता विश्लेषण: अध्ययन इन SDEs के ट्रिवियल सॉल्यूशन की एसिम्प्टोटिक स्थिरता स्थापित करता है। लेखक सिद्ध करते हैं कि वास्तविक समाधान की मीन स्क्वायर एसिम्प्टोटिक स्थिरता, विशिष्ट स्थितियों के तहत DTNAS और CTNAS के समाधान के समान है। इसमें DTNAS और CTNAS की स्थिरता के लिए पर्याप्त स्थितियाँ प्राप्त करना शामिल है, और फिर वास्तविक समाधान और CTNAS के बीच के अंतर को बांधना (bounding) शामिल है।
परसिस्टेंस ऑफ एक्साइटेशन (Persistence of Excitation): एक प्रमुख विश्लेषणात्मक उपकरण के रूप में "स्टोकेस्टिक स्पेशियल-टेम्पोरल परसिस्टेंस ऑफ एक्साइटेशन" स्थिति का विकास किया गया है। यह स्थिति आवश्यक करती है कि एक निश्चित-लंबाई के अंतराल पर ड्रिफ्ट गुणांक के समाकलन का कंडिशनल एक्सपेक्टेशन एक ऐसी अनुक्रम द्वारा ऊपरी रूप से बाध्य (upper bounded) हो जिसका योग ऋणात्मक अनंत की ओर अपसारी (diverge) होता है।

प्रमुख योगदान

सह-अस्तित्व वाली अनिश्चितताओं को संभालना: यह शोध पत्र यादृच्छिक मापन मैट्रिसेस और योगात्मक संचार शोर की एक साथ उपस्थिति को संबोधित करता है, एक ऐसा परिदृश्य जहाँ मौजूदा लियापुनोव फंक्शन विधियाँ और SDEs के लिए मानक संख्यात्मक सन्निकटन (जो नियत गुणांकों पर आधारित हैं) अपर्याप्त हैं।
यादृच्छिक समय-परिवर्ती SDEs की स्थिरता: लेखक गैर-ऑटोनॉमस SDEs के लिए मीन स्क्वायर एसिम्प्टोटिक स्थिरता के लिए एक सैद्धांतिक ढांचा विकसित करते हैं। वे सिद्ध करते हैं कि यदि ड्रिफ्ट और डिफ्यूजन गुणांक वर्ग-समाकलनीय (square-integrable) फलनों द्वारा बाधित हैं और विशिष्ट क्षय (decay) तथा उत्तेजना (excitation) की शर्तों को पूरा करते हैं, तो समाधान मीन स्क्वायर एसिम्प्टोटिक रूप से स्थिर होगा।
एल्गोरिदम गेन डिज़ाइन: इन स्थिरता परिणामों के आधार पर, पेपर एल्गोरिदम गेन्स ( $\alpha(t)$ और $\beta(t)$ ) को डिजाइन करने की स्थितियाँ प्रदान करता है। विशेष रूप से, यदि मापन मैट्रिसेस और संचार ग्राफ स्टोकेस्टिक स्पेशियल-टेम्पोरल परसिस्टेंस ऑफ एक्साइटेशन शर्त को पूरा करते हैं, तो गेन्स को डिजाइन किया जा सकता है (आमतौर पर $O((t+1)^{-1/2-\epsilon})$ के रूप में घटते हुए) ताकि मीन स्क्वायर अभिसरण सुनिश्चित किया जा सके।
मार्कोवियन स्विचिंग केस: अध्ययन एक विशेष मामले की जांच करता है जहाँ मापन मैट्रिसेस में स्ट्रॉन्गली 1-एक्सपोनेंशियल एरगोडिसिटी वाले मार्कोव चेन शामिल हैं। यह दिखाया गया है कि इन स्थितियों के तहत, एल्गोरिदम मीन स्क्वायर में अभिसरित होता है।

परिणाम

सैद्धांतिक प्रमाण: पेपर सिद्ध करता है कि धारणा 1 (गुणांकों की बाध्यता और स्वतंत्रता) और स्थिति 1 (स्टोकेस्टिक परसिस्टेंस ऑफ एक्साइटेशन और क्षय दर) के तहत, त्रुटि SDE का समाधान मीन स्क्वायर एसिम्प्टोटिक रूप से स्थिर है।
अभिसरण दरें (Convergence Rates): विश्लेषण मीन स्क्वायर एरर पर स्पष्ट सीमाएँ प्रदान करता है, जो दिखाता है कि अभिसरण प्राप्त किया जाता है यदि ड्रिफ्ट गुणांक $O((t+1)^{-1/2-\epsilon_1})$ की दर से घटता है और डिफ्यूजन गुणांक $O((t+1)^{-1/2-\epsilon_2})$ की दर से घटता है, जहाँ $\epsilon_1, \epsilon_2 > 0$ है।
संख्यात्मक उदाहरण: एक बैलेंस्ड फिक्स्ड डिग्राफ पर 10 नोड्स वाला एक सिमुलेशन प्रस्तुत किया गया है। अज्ञात पैरामीटर एक 3-डायमेंशनल वेक्टर है। मापन मैट्रिसेस को स्वतंत्र मार्कोव चेन का उपयोग करके मॉडल किया गया है। परिणाम प्रदर्शित करते हैं कि:
- एल्गोरिदम वास्तविक पैरामीटर की ओर अभिसरित होता है।
- उच्च शोर तीव्रता मीन स्क्वायर एरर के धीमे अभिसरण दर की ओर ले जाती है।
- बड़े एल्गोरिदम गेन्स (स्थिर क्षय रेंज के भीतर) तेजी से अभिसरण दर की ओर ले जाते हैं।

महत्व और दावे
पेपर यह दावा करता है कि वह यथार्थवादी, गैर-आदर्श स्थितियों (यादृच्छिक मापन और शोर वाले संचार) के तहत संचालित निरंतर-समय एल्गोरिदम के लिए एक कठोर स्थिरता विश्लेषण प्रदान करके विकेंद्रीकृत अनुमान के क्षेत्र को आगे बढ़ाता है। SDEs के साथ यादृच्छिक समय-परिवर्ती गुणांकों के स्थिरता विश्लेषण में बदलकर, लेखक उस अंतराल को भरते हैं जहाँ ऐसे समीकरणों का सीधे विश्लेषण करना पहले कठिन था।

इसका महत्व इस बात में निहित है कि यह प्रदर्शित करना है कि मीन स्क्वायर अभिसरण सुनिश्चित किया जा सकता है, भले ही मापन मैट्रिसेस यादृच्छिक हों और अपेक्षाएं (expectations) अज्ञात हों, बशर्ते कि एक स्टोकेस्टिक परसिस्टेंस ऑफ एक्साइटेशन शर्त पूरी हो। लेखक विनम्रतापूर्वक नोट करते हैं कि जबकि यह कार्य योगात्मक शोर और मॉडल-आधारित एल्गोरिदम पर केंद्रित है, भविष्य के कार्य मल्टीप्लिकेटिव शोर, समय-परिवर्ती सिग्नल ट्रैकिंग और डेटा-ड्रिवन मॉडल-फ्री दृष्टिकोणों की खोज कर सकते हैं।