⚡ electrical engineering

Physics-Informed Direction-of-Arrival Estimation Over Distributed Edge Devices

यह शोध पत्र डायरेक्शन-ऑफ-अराइवल (DoA) अनुमान के लिए एक भौतिकी-सूचित (physics-informed) फेडरेटेड लर्निंग फ्रेमवर्क प्रस्तावित करता है जो स्थानीय प्रशिक्षण उद्देश्य में स्टीयरिंग-वेक्टर ज्यामिति को एक मैनिफोल्ड-अवेयर रेगुलराइज़र के माध्यम से शामिल करके प्रदर्शन में सुधार करता है और अभिसरण (convergence) सुनिश्चित करता है, जिससे वितरित एज डिवाइसेस में DoA को एक जेनेरिक वर्गीकरण समस्या के रूप में मानने की सीमाओं को दूर किया जा सके।

मूल लेखक: Nathan Tatsuta, Rajeev Sahay

प्रकाशित 2026-07-07

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC0 1.0

मूल लेखक: Nathan Tatsuta, Rajeev Sahay

मूल पेपर CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) के तहत सार्वजनिक डोमेन को समर्पित 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 आपके दोस्तों का एक समूह है, जिनमें से प्रत्येक एक अलग कमरे में खड़ा है और उनके पास एक विशेष माइक्रोफ़ोन ऐरे (microphone array) है। उनका काम यह पता लगाना है कि ध्वनि वास्तव में कहाँ से आ रही है (जैसे किसी पक्षी का चहचहाना या कार का हॉर्न बजना)। इसे डिरैक्शन-ऑफ-अराइवल (DoA) एस्टीमेशन कहा जाता है।

आमतौर पर, कंप्यूटर को यह काम अच्छी तरह से सिखाने के लिए, आपको हर दोस्त की सभी ऑडियो रिकॉर्डिंग को एक विशाल केंद्रीय कंप्यूटर में इकट्ठा करना होगा। लेकिन यह गोपनीयता (privacy) का एक बुरा सपना है (कोई भी अपनी कच्ची रिकॉर्डिंग साझा नहीं करना चाहता) और यह एक लॉजिस्टिक सिरदर्द भी है (डेटा भेजने में बहुत समय लगता है)।

फेडेरेटेड लर्निंग (FL) इसका समाधान है। रिकॉर्डिंग भेजने के बजाय, प्रत्येक मित्र अपने स्वयं के डेटा पर एक स्थानीय "मस्तिष्क" (मॉडल) को प्रशिक्षित करता है और केवल सीखे गए सबक (मॉडल वेट्स) वापस भेजता है। सर्वर इन पाठों को औसत निकालकर एक स्मार्ट वैश्विक मस्तिष्क बनाता है।

समस्या:
मानक फेडेरेटेड लर्निंग इसे एक साधारण बहुविकल्पीय प्रश्नोत्तरी (multiple-choice quiz) की तरह मानती है। यदि सही दिशा 5 डिग्री है, और मॉडल 6 डिग्री का अनुमान लगाता है, तो उसे एक छोटा दंड मिलता है। यदि वह 30 डिग्री का अनुमान लगाता है, तो उसे एक बड़ा दंड मिलता है। लेकिन मानक एल्गोरिदम सभी गलत उत्तरों को केवल "गलत" मानते हैं। वे इस बात को नजरअंदाज करते हैं कि 6 डिग्री, 5 डिग्री के बहुत करीब है, जबकि 30 डिग्री बहुत दूर है। वे उस ज्यामिति (geometry) को अनदेखा कर देते हैं कि ध्वनि तरंगें वास्तव में माइक्रोफ़ोन से कैसे टकराती हैं।

जब दोस्तों के पास अलग-अलग प्रकार का डेटा होता है (कुछ बाईं ओर की आवाजें सुनते हैं, कुछ दाईं ओर की), तो यह "अंधा" शिक्षण उनके स्थानीय मस्तिष्क को अजीब दिशाओं में भटका देता है, जिससे अंतिम वैश्विक मस्तिष्क भ्रमित और गलत हो जाता है।

समाधान: भौतिकी-आधारित शिक्षण (Physics-Informed Learning)
लेखक, नाथन तात्सुता और राजीव सहाय, इन मस्तिष्कों को प्रशिक्षित करने का एक नया तरीका प्रस्तावित करते हैं जिसे FedDoA और DoAProx कहा जाता है।

इसे इस तरह सोचें:

मानक प्रशिक्षण: एक शिक्षक छात्र से कहता है, "तुम्हारा उत्तर गलत है। यह सही उत्तर है। फिर से प्रयास करो।"
भौतिकी-आधारित प्रशिक्षण: शिक्षक कहता है, "तुम्हारा उत्तर गलत है। लेकिन कमरे के नक्शे को देखो! ध्वनि तरंगें माइक्रोफ़ोन से एक विशिष्ट पैटर्न में टकराती हैं। भले ही तुम्हें सटीक उत्तर न पता हो, लेकिन तुम्हें यह पता होना चाहिए कि 30 डिग्री का अनुमान लगाना भौतिक रूप से असंभव है यदि ध्वनि वास्तव में 5 डिग्री पर है, क्योंकि वे तरंग पैटर्न पूरी तरह से अलग दिखेंगे। आइए हम तुम्हें 6 डिग्री के बजाय 30 डिग्री का अनुमान लगाने के लिए अधिक दंडित करें।"

वे ऐसा एक "स्टीयरिंग-वेक्टर रेगुलराइज़र" (Steering-Vector Regularizer) जोड़कर करते हैं।
सरल शब्दों में, यह एक नियम है जो मॉडल को भौतिकी के नियमों का सम्मान करने के लिए मजबूर करता है। यह अनुमानित ध्वनि तरंग पैटर्न और वास्तविक ध्वनि तरंग पैटर्न के बीच की दूरी को मापता है। यदि मॉडल एक ऐसा कोण अनुमानित करता है जो माइक्रोफ़ोन ऐरे के भौतिकी के अनुरूप नहीं है, तो उसे भारी दंड मिलता है।

दो नई विधियाँ:

FedDoA: यह बुनियादी संस्करण है। यह प्रशिक्षण में भौतिकी के नियम को जोड़ता है। यह मॉडल को सिखाता है कि तरंग पैटर्न को देखकर "करीबी अनुमान" बेहतर होते हैं, न कि केवल संख्याओं को देखकर।
DoAProx: यह "सुपरचार्ज्ड" संस्करण है। यह समूह के औसत से बहुत दूर जाने से रोकने के लिए एक दूसरा नियम जोड़ता है, खासकर जब दोस्तों के पास बहुत अलग डेटा हो। यह एक सुरक्षा कवच (safety harness) की तरह है जो यह सुनिश्चित करता है कि सभी एक ही सामान्य दिशा में बढ़ें, जबकि वे भौतिकी का भी सम्मान करें।

उन्होंने क्या पाया:

तेज़ सीखना: क्योंकि मॉडलों को शुरुआत से ही भौतिकी द्वारा निर्देशित किया जाता है, वे मानक तरीकों की तुलना में बहुत तेज़ी से सीखते हैं।
बेहतर सटीकता: भले ही दोस्तों के पास बहुत अलग डेटा हो (कुछ केवल बाईं ओर, कुछ केवल दाईं ओर सुनते हैं), भौतिकी-सूचित मॉडल सटीक रहते हैं। मानक मॉडल भ्रमित हो जाते हैं और विफल हो जाते हैं।
गणित: लेखकों ने गणितीय रूप से सिद्ध किया कि ये विधियाँ अंततः एक सही उत्तर पर स्थिर (convergence) हो जाएंगी और यह भी दिखाया कि आपके पास जितने अधिक माइक्रोफ़ोन होंगे, भौतिकी का नियम उतना ही बेहतर काम करेगा।

संक्षेप में:
यह पेपर एक तरीका पेश करता है जिससे AI को निजी डेटा साझा किए बिना उपकरणों के एक समूह का उपयोग करके ध्वनियों का स्थान निर्धारित करना सिखाया जा सकता है। केवल उत्तर रटने के बजाय, AI को भौतिकी के नियमों (ध्वनि तरंगें कैसे व्यवहार करती हैं) का सम्मान करना सिखाया जाता है। यह AI को स्मार्टर, तेज़ और अधिक विश्वसनीय बनाता है, खासकर जब डेटा अव्यवस्थित या असमान वितरण वाला हो।

तकनीकी सारांश: वितरित एज डिवाइसेस पर फिजिक्स-इन्फॉर्म्ड डायरेक्शन-ऑफ-अराइवल एस्टीमेशन

समस्या विवरण

डायरेक्शन-ऑफ-अराइवल (DoA) एस्टीमेशन एरे सिग्नल प्रोसेसिंग का एक मौलिक कार्य है, जिसे पारंपरिक रूप से क्लासिकल मेथड्स जैसे कि MUSIC या GLRT द्वारा हल किया जाता है जो एरे मैनिफोल्ड की ज्यामितीय संरचना (geometric structure) का लाभ उठाते हैं। हालांकि डीप लर्निंग (DL) ने, विशेष रूप से लो-SNR और अज्ञात चैनल स्टेट इंफॉर्मेशन (CSI) स्थितियों में, तुलनीय प्रदर्शन हासिल किया है, लेकिन इसके लिए आमतौर पर बड़े डेटासेट्स को केंद्रीकृत करने की आवश्यकता होती है, जिससे वितरित सेंसिंग सिस्टम में गोपनीयता और संचार संबंधी चिंताएं उत्पन्न होती हैं।

फेडरेटेड लर्निंग (FL) एज डिवाइसेस पर स्थानीय रूप से मॉडल को प्रशिक्षित करके एक समाधान प्रदान करता है। हालांकि, मानक FL एल्गोरिदम (जैसे FedAvg, FedProx, SCAFFOLD) DoA को एक जेनेरिक वर्गीकरण (classification) समस्या के रूप में देखते हैं। वे क्रॉस-एन्ट्रॉपी लॉस को कम करते हैं जहाँ सभी कोणीय गलत वर्गीकरणों (angular misclassifications) को समान रूप से दंडित किया जाता है। यह दृष्टिकोण एरे मैनिफोल्ड के अंतर्निहित भौतिकी (physics) को अनदेखा करता है, और यह अंतर करने में विफल रहता है कि छोटे कोणीय त्रुटियां (जैसे $5^\circ$ बनाम $6^\circ$ ) और बड़ी त्रुटियां (जैसे $5^\circ$ बनाम $30^\circ$ ) क्या हैं। हेटेरोजेनियस डेटा वितरण (non-IID) के तहत, यह बेमेल स्थिति क्लाइंट मॉडल्स को उन दिशाओं में ड्रिफ्ट (drift) कराती है जो एरे मैनिफोल्ड के साथ ज्यामितीय रूप से असंगत हैं, जिससे ग्लोबल मॉडल की सटीकता कम हो जाती है।

कार्यप्रणाली (Methodology)

लेखक एक फिजिक्स-इन्फॉर्म्ड FL फ्रेमवर्क का प्रस्ताव करते हैं जो स्पष्ट रूप से यूनिफॉर्म लीनियर एरे (ULA) स्टीयरिंग मैनिफोल्ड की ज्यामिति को स्थानीय प्रशिक्षण उद्देश्य (local training objective) में शामिल करता है।

सिग्नल मॉडल

सिस्टम $M$ तत्वों वाले एक ULA पर विचार करता है। प्राप्त सिग्नल वेक्टर $z(n)$ को इस प्रकार मॉडल किया गया है:
$z(n) = a(\theta)s(n) + n(n)$
जहाँ $a(\theta)$ एक स्टीयरिंग वेक्टर है जो एरे ज्योमेट्री को एनकोड करता है। यहाँ एक प्रमुख गुण का उपयोग किया गया है कि कोणीय निकटता (angular proximity), स्टीयरिंग-वेक्टर निकटता का संकेत देती है ( $\|a(\theta_1) - a(\theta_2)\|$ कोणीय पृथक्करण के साथ बढ़ता है)।

प्रस्तावित फ्रेमवर्क्स

लेखक दो विशिष्ट FL उद्देश्यों का परिचय देते हैं:

FedDoA: यह विधि स्टीयरिंग-वेक्टर रेगुलराइज़र जोड़कर मानक स्थानीय लॉस $f_k(w)$ को संशोधित करती है:
$L^D_k(w) = f_k(w) + \frac{\beta}{2} \|a(\hat{\theta}_k) - a(\theta_k)\|^2$
यहाँ $\hat{\theta}_k$ अनुमानित DoA है, और $\theta_k$ वास्तविक DoA है, तथा $\beta$ एक वेटिंग हाइपरपैरामीटर है। लेबल स्पेस विसंगतियों को दंडित करने वाले सामान्य दृष्टिकोणों के विपरीत, यह पद स्टीयरिंग स्पेस में यूक्लिडियन दूरी को दंडित करता है, जिससे ज्योमेट्री-कंसिस्टेंट पेनल्टी सुनिश्चित होती है।
DoAProx: यह विधि अत्यधिक हेटेरोजेनिटी के तहत क्लाइंट ड्रिफ्ट को कम करने के लिए FedDoA स्टीयरिंग रेगुलराइज़र को FedProx के प्रॉक्सिमल टर्म के साथ जोड़ती है:
$L^{DP}_k(w) = f_k(w) + \frac{\mu}{2} \|w - w^{(0)}\|^2 + \frac{\beta}{2} \|a(\hat{\theta}_k) - a(\theta_k)\|^2$
प्रॉक्सिमल टर्म स्थानीय वेट्स को ग्लोबल मॉडल $w^{(0)}$ के करीब रहने के लिए बाध्य करता है, जबकि स्टीयरिंग टर्म मैनिफोल्ड पर कोणीय सुधार लागू करता है।

अभिसरण विश्लेषण (Convergence Analysis)

पेपर बिना पॉलीक-लोजास्टिक (Polyak–Łojasiewicz) स्थितियों या कॉनवेक्सिटी की धारणा के बिना एक कठोर नॉन-कॉन्वेक्स अभिसरण विश्लेषण प्रदान करता है।

अभिसरण दर (Convergence Rate): यह सिद्ध किया गया है कि FedDoA और DoAProx $O(1/\sqrt{T})$ की दर से एक स्टेशनरी पॉइंट की ओर अभिसरण करते हैं, जहाँ $T$ संचार राउंड की संख्या है।
MSAE बाउंड्स: लेखक फेडरेटेड DoA के लिए पहले प्रत्यक्ष मीन स्क्वेर्ड एंगुलर एरर (MSAE) बाउंड्स व्युत्पन्न करते हैं। बाउंड्स दिखाते हैं कि त्रुटि तब घटती है जब रेगुलराइजेशन वेट $\beta$ और एरे एपर्चर $M$ बढ़ते हैं। विशेष रूप से, DoAProx हेटेरोजेनियस डेटा के तहत क्लाइंट ड्रिफ्ट को दबाकर FedDoA की तुलना में अधिक सटीक (tighter) MSAE बाउंड प्राप्त करता है।

प्रयोगात्मक परिणाम

फ्रेमवर्क का मूल्यांकन $M=8$ तत्वों और $N=1500$ स्नैपशॉट्स के साथ 180,000 जनरेटेड सिग्नल्स पर एक CNN आर्किटेक्चर (आधार [15] पर) का उपयोग करके किया गया। प्रयोगों में लेबल और चैनल हेटेरोजेनिटी (IID बनाम non-IID) को बदलने वाली चार स्थितियों को कवर किया गया, जिसमें $K \in \{6, 12\}$ क्लाइंट्स थे।

IID/Non-IID लेबल्स के तहत प्रदर्शन:
- लेबल-IID स्थितियों में, फिजिक्स-इन्फॉर्म्ड मेथड्स (FedDoA, DoAProx) बेसलाइन्स (FedAvg, FedProx, SCAFFOLD) की तुलना में तेजी से अभिसरण (50–80 राउंड के भीतर) हुए और उच्च अंतिम सटीकता (90–95%) तक पहुँचे।
- लेबल-non-IID स्थितियों (डिस्क जॉइंट कोणीय सेक्टर्स) में, सभी मेथड्स की सटीकता में गिरावट देखी गई (60–70%)। हालाँकि, FedDoA और DoAProx ने लगातार बेसलाइन्स से बेहतर प्रदर्शन किया। स्टीयरिंग-वेक्टर रेगुलराइज़र ने एक स्थिर ग्रेडिएंट सिग्नल प्रदान किया जो कोणीय वितरण के बेमेल होने के बावजूद मजबूत था, जिससे स्थानीय अपडेट्स को बेहतर ग्लोबल जनरलाइजेशन की ओर निर्देशित किया गया।
चैनल हेटेरोजेनिटी: चैनल वितरण (Gaussian, Rayleigh, Rician) का फिजिक्स-इन्फॉर्म्ड और नॉन-फिजिक्स-इन्फॉर्म्ड मेथड्स के बीच प्रदर्शन गैप पर कोई महत्वपूर्ण प्रभाव नहीं पड़ा, जो पुष्टि करता है कि लाभ चैनल फीचर्स के बजाय कोणीय भविष्यवाणी की ज्यामिति द्वारा संचालित हैं।
DoAProx का लाभ: सबसे चुनौतीपूर्ण परिदृश्य (लेबल-non-IID और चैनल-non-IID के साथ $K=12$ ) में, DoAProx ने एक साथ होने वाली हेटेरोजेनिटी द्वारा उत्पन्न ड्रिफ्ट को कम करके अतिरिक्त लाभ दिखाया।

मुख्य योगदान और महत्व

पेपर निम्नलिखित विशिष्ट योगदानों का दावा करता है:

फिजिक्स-इन्फॉर्म्ड DoA एस्टीमेशन: मैनिफोल्ड-अवेयर रेगुलराइज़र्स (FedDoA और DoAProx) के माध्यम से स्थानीय उद्देश्य में स्टीयरिंग-वेक्टर ज्योमेट्री को सीधे शामिल करने वाला पहला फिजिक्स-इन्फॉर्म्ड FL फ्रेमवर्क।
अभिसरण गारंटी (Convergence Guarantees): एक फेडरेटेड DoA मेथड के लिए पहली कठोर नॉन-कॉन्वेक्स अभिसरण विश्लेषण की स्थापना, जो $O(1/\sqrt{T})$ अभिसरण सिद्ध करती है।
सैद्धांतिक बाउंड्स (Theoretical Bounds): फेडरेटेड DoA लर्निंग के लिए पहले प्रत्यक्ष MSAE बाउंड का व्युत्पन्न, जो दर्शाता है कि बाउंड रेगुलराइजेशन वेट और एरे एपर्चर दोनों के बढ़ने के साथ टाइट (tight) होता जाता है।

महत्व: यह कार्य प्रदर्शित करता है कि डोमेन नॉलेज (एरे मैनिफोल्ड फिजिक्स) को FL ट्रेनिंग पैराडाइम में शामिल करने से जेनेरिक FL बेसलाइन्स की तुलना में प्रदर्शन में काफी सुधार होता है, विशेष रूप से हेटेरोजेनियस डिस्ट्रिब्यूटेड सेटिंग्स में। यह दृष्टिकोण नेटवर्क-आर्किटेक्चर एग्नोस्टिक है और अभिसरण तथा कोणीय अनुमान त्रुटि पर सैद्धांतिक गारंटी प्रदान करते हुए नगण्य कम्प्यूटेशनल ओवरहेड जोड़ता है।

भावी कार्य: लेखक उल्लेख करते हैं कि भविष्य के शोध मल्टी-सोर्स जनरलाइजेशन और नॉन-लीनियर डिस्टॉर्शन जैसे एरे खामियों को संभालने पर केंद्रित होंगे।