복합 모델을 활용한 대규모 네트워크 베이지안 데이터 융합

본 논문은 현대의 지능형 분산 센서 네트워크가 직면한 두드러진 도전 과제—동적·비정형 네트워크 토폴로지와 복합 확률 모델—에 대한 해결책을 제시한다. 먼저, 저자들은 베이지안 분산 데이터 융합(DDF)의 기본 수식을 재정리한다. 각 에이전트 i는 사전 p₀(x)와 자체 센서 데이터 D_iₖ를 이용해 로컬 베이지안 업데이트를 수행하고, 네트워크 내 이웃과 최신 로컬 사후분포 p_i(x)만을 교환한다. 정확한 융합은 식 (3) p_f(x) ∝ p_i(x)·p_j(x)·p_c(x) 로 표현되며, 여기서 p_c(x) 는 두 에이전트가 공유하는 공통 정보이다. 그러나 p_c(x)를 정확히 추적하려면 채널 필터나 정보 그래프와 같은 복잡한 메커니즘이 필요하고, 루프가 존재하는 ad‑hoc 네트워크에서는 실용적이지 않다. 따라서 보수적 근사인 가중치 지수곱(WEP) 융합(식 4) p_f,WEP(x) ∝