2차원 숨은 가우스 마코프 필드 탐지를 위한 대편차 분석과 에너지 효율 설계

본 논문은 2차원 숨은 가우스 마코프 랜덤 필드(GMRF)를 센서 네트워크를 이용해 탐지하는 문제를 다루며, 대편차 이론을 적용해 오류 지수(에러 엑스펜던트)를 도출하고 이를 기반으로 에너지 효율을 분석한다. 먼저, 센서 i,j 가 2차원 격자 I 위에 배치되고 측정값 Yij 를 통해 가설 검정을 수행한다. H0 은 순수 백색 가우시안 잡음 Wij 로만 구성되고, H1 은 신호 Xij 와 잡음 Wij 의 합으로 표현된다. Xij 는 조건부 자기회귀(CAR) 모델에 의해 정의된 정규 랜덤 필드이며, 정밀도 행렬 Q 의 희소 구조를 통해 인접 노드와의 상관을 제어한다. 논문은 먼저 대편차 원리를 이용해 Neyman‑Pearson 검정의 미스 확률이 샘플 수 n 에 대해 지수적으로 감소한다는 사실을 보이고, 그 감소율을 오류 지수 K 로 정의한다. K는 고정된 허위 경보 확률 α 에 독립적이며, K = limₙ→∞ (−1/n) log PM 로 표현된다. 이를 스펙트럼 영역으로 변환하면, 각 주파수 쌍 (ω₁, ω₂) 에 대해 Kullback‑Leibler 발산을 적분한 형태가 된다. 구체적인 식은 K = (1/4π²) ∫_{−π}^{π} ∫_{−π}^{π}