Continuous-Time Decentralized Online Estimation With Additive Noises

Resumo Técnico: Estimativa Online Descentralizada em Tempo Contínuo com Ruídos Aditivos

Formulação do Problema
Este artigo aborda o problema da estimativa online descentralizada de um vetor de parâmetros desconhecidos $\theta$ dentro de um sistema multiagente operando sobre um grafo direcionado (digrafo) fixo. Diferente de trabalhos anteriores que frequentemente assumem comunicações ideais ou matrizes de medição determinísticas, este estudo considera um cenário realista onde duas fontes distintas de incerteza coexistem:

1. Matrizes de Medição Aleatórias: Cada nó $i$ obtém uma medição linear $dz_i(t) = H_i(t)\theta dt + \text{ruído}$, onde as matrizes de medição $H_i(t)$ são aleatórias e variantes no tempo. Em um caso específico, essas matrizes são modeladas contendo cadeias de Markov.
2. Ruídos de Comunicação Aditivos: Quando os agentes trocam estimativas de estado com seus vizinhos para alcançar o consenso, os canais de comunicação estão sujeitos a ruído branco aditivo (modelado como movimentos brownianos). A intensidade deste ruído é independente dos estados dos agentes.

O objetivo é projetar um algoritmo de estimativa cooperativa descentralizada em tempo contínuo onde cada nó atualiza sua estimativa usando um termo de inovação local (processamento de novas medições) e um termo de consenso (soma ponderada das estimativas dos vizinhos), garantindo que o erro de estimativa convirja para zero no sentido do valor quadrático médio.

Metodologia
Os autores transformam a análise de convergência do algoritmo de estimativa proposto na análise de estabilidade de uma equação diferencial estocástica (SDE) linear não autônoma com coeficientes aleatórios variantes no tempo e ruído aditivo. Os principais passos metodológicos incluem:

• Construção do Algoritmo: Um algoritmo de estimativa online cooperativa descentralizada em tempo contínuo é formulado. As dinâmicas de erro são derivadas, resultando em uma SDE da forma $dx(t) = A(t)x(t)dt + D(t)dw(t)$, onde $A(t)$ representa o coeficiente de deriva (dependente das matrizes de medição e da topologia do grafo) e $D(t)$ representa o coeficiente de difusão (dependente da intensidade do ruído e dos ganhos).
• Abordagem de Aproximação Numérica: Como soluções analíticas para SDEs com coeficientes aleatórios variantes no tempo são geralmente indisponíveis, os autores empregam um método de aproximação numérica. Eles constroem:
  • Uma Solução Aproximada Numérica de Tempo Discreto $\Delta$-NTNAS (DTNAS).
  • Uma Solução Aproximada Numérica de Tempo Contínuo $\Delta$-CTNAS (CTNAS).
• Análise de Estabilidade: O estudo estabelece a estabilidade assintótica da solução trivial para essas SDEs. Os autores provam que a estabilidade assintótica do valor quadrático médio da solução real é equivalente à das soluções aproximadas numéricas sob condições específicas. Isso envolve derivar condições suficientes para a estabilidade da DTNAS e da CTNAS, e então limitar a diferença entre a solução real e a CTNAS.
• Persistência de Excitação: Uma ferramenta analítica fundamental é o desenvolvimento de uma condição de "persistência de excitação espaço-temporal estocástica". Esta condição exige que a esperança condicional da integral do coeficiente de deriva sobre um intervalo de comprimento fixo tenha uma medida de matriz induzida que seja limitada superiormente por uma sequência cuja soma diverge para o infinito negativo.

Principais Contribuições

1. Tratamento de Incertezas Coexistentes: O artigo aborda a presença simultânea de matrizes de medição aleatórias e ruídos de comunicação aditivos, um cenário onde os métodos de função de Lyapunov existentes e as aproximações numéricas padrão para SDEs com coeficientes determinísticos são insuficientes.
2. Estabilidade de SDEs Aleatórias Variantes no Tempo: Os autores desenvolvem um arcabouço teórico para a estabilidade assintótica do valor quadrático médio de SDEs não autônomas com coeficientes aleatórios variantes no tempo. Eles provam que, se os coeficientes de deriva e difusão forem limitados por funções integráveis ao quadrado e satisfizerem condições específicas de decaimento e excitação, a solução é assintoticamente estável no valor quadrático médio.
3. Design de Ganho do Algoritmo: Com base nos resultados de estabilidade, o artigo fornece condições para o design dos ganhos do algoritmo ($\alpha(t)$ e $\beta(t)$). Especificamente, se as matrizes de medição e o grafo de comunicação satisfizerem a condição de persistência de excitação espaço-temporal estocástica, os ganhos podem ser projetados (tipicamente decaindo como $O((t+1)^{-1/2-\epsilon})$) para garantir a convergência no valor quadrático médio.
4. Caso de Alternância de Markov: O estudo investiga um caso especial onde as matrizes de medição contêm cadeias de Markov com ergodicidade fortemente 1-exponencial. Demonstra-se que, sob estas condições, o algoritmo converge no valor quadrático médio.

Resultos

• Provas Teóricas: O artigo prova que, sob a Suposição 1 (limitação e independência dos coeficientes) e a Condição 1 (persistência de excitação estocástica e taxas de decaimento), a solução da SDE de erro é assintoticamente estável no valor quadrático médio.
• Taxas de Convergência: A análise fornece limites explícitos para o erro quadrático médio, mostrando que a convergência é alcançada se o coeficiente de deriva decair a uma taxa de $O((t+1)^{-1/2-\epsilon_1})$ e o coeficiente de difusão decair a $O((t+1)^{-1/2-\epsilon_2})$, com $\epsilon_1, \epsilon_2 > 0$.
• Exemplo Numérico: É apresentada uma simulação envolvendo 10 nós em um digrafo fixo balanceado. O parâmetro desconhecido é um vetor de 3 dimensões. As matrizes de medição são modeladas usando cadeias de Markov independentes. Os resultados demonstram que:
  • O algoritmo converge para o parâmetro verdadeiro.
  • Uma maior intensidade de ruído leva a taxas de convergência mais lentas dos erros quadráticos médios.
  • Ganhos de algoritmo maiores (dentro do intervalo de decaimento estável) levam a taxas de convergência mais rápidas.

Significância e Alegações
O artigo afirma avançar o campo da estimativa descentralizada ao fornecer uma análise de estabilidade rigorosa para algoritmos de tempo contínuo operando sob condições realistas e não ideais (medições aleatórias e comunicações ruidosas). Ao transformar o problema de estimativa na análise de estabilidade de SDEs com coeficientes aleatórios variantes no tempo, os autores preenchem uma lacuna na literatura onde tais equações eram anteriormente difíceis de analisar diretamente.

A significância reside na demonstração de que a convergência no valor quadrático médio pode ser garantida mesmo quando as matrizes de medição são aleatórias e as expectativas são desconhecidas, desde que uma condição de persistência de excitação estocástica seja atendida. Os autores observam modestamente que, embora este trabalho foque em ruídos aditivos e algoritmos baseados em modelos, trabalhos futuros poderiam explorar ruídos multiplicativos, rastreamento de sinais variantes no tempo e abordagens baseadas em dados sem modelo (model-free).