원본 CRLB 달성을 위한 1비트 통신 하 비동적 효율적 재귀 식별

초록

본 논문은 ARX 시스템의 파라미터를 1비트 양자화된 데이터만으로도 원본(양자화 전) 데이터에 대한 Cramér‑Rao Lower Bound(CRLB)에 수렴하도록 하는 새로운 재귀 식별 알고리즘을 제안한다. 현재 출력뿐 아니라 과거 출력·입력 정보를 결합한 양자화 방식을 도입해 정보 손실을 최소화하고, 비독립적인 1비트 데이터에 대한 새로운 수렴 분석 프레임워크를 구축해 거의 확실히와 Lp 수렴을 증명한다. 실험 결과 기존 방법 대비 최소 36 % 이상의 평균제곱오차 감소를 확인한다.

상세 분석

이 연구는 제한된 통신 대역폭을 갖는 분산 제어·감시 시스템에서, 원격 추정기가 1비트 양자화된 신호만을 받아도 원본 데이터에 기반한 CRLB에 도달할 수 있느냐는 근본적인 질문을 다룬다. 기존 문헌은 주로 현재 출력값을 단순히 부호(sign)만 전송하는 방식을 사용했으며, 이는 1비트 양자화에 따른 정보 손실이 크게 남아 원본 CRLB 대비 최소 π/2배(≈1.56배) 정도의 성능 저하를 초래한다. 저자들은 이 한계를 극복하기 위해 ‘통합 양자화’ 전략을 제안한다. 구체적으로, 로컬에서 실행되는 비동적 효율적 RLS(Recursive Least Squares) 알고리즘이 현재와 과거의 출력·입력 데이터를 이용해 임시 파라미터 추정치를 계산하고, 원격 추정기에는 이 추정치와 로컬 추정치의 차이 부호만을 1비트 형태로 전송한다. 이렇게 하면 양자화 전 회귀벡터 전체가 1비트 데이터에 내재되어, 원격 측에서는 실제 회귀벡터를 직접 관측하지 못하더라도 충분한 정보를 복원할 수 있다.

알고리즘의 수학적 정당성은 두 단계로 전개된다. 첫째, 통합된 양자화 데이터의 ‘통합 데이터’를 정의하고, 이 데이터의 꼬리 확률(tail probability)을 비독립성에도 불구하고 적절히 제어할 수 있는 새로운 확률적 경계(예: 마코프 부등식 기반)를 도출한다. 이를 통해 전통적인 독립성 가정 없이도 수렴 속도를 분석한다. 둘째, 원격 추정기의 업데이트는 확률적 근사(SA, Stochastic Approximation) 방식을 채택해, 로컬 RLS 추정치와 점차 일치하도록 설계된다. 저자는 거의 확실히 수렴(almost sure convergence)과 모든 양의 정수 p에 대한 Lp 수렴을 엄밀히 증명하고, 최종적으로 √k·(θ̂_k−θ) 가 평균 0, 공분산 Σ_CR¯ 를 갖는 정규분포로 수렴함을 보인다. 이는 정의 1(분포 의미의 비동적 효율성)과 정의 2(공분산 의미의 비동적 효율성)를 동시에 만족한다는 의미다.

또한, 제안된 방법은 ARX 모델(다중 차수의 자기회귀와 외부 입력)까지 일반화한다. 기존 비동적 효율적 재귀 식별은 FIR(유한 임펄스 응답) 모델에 국한돼 왔으며, ARX 모델에서는 출력이 회귀벡터에 포함돼 원격 측에서 직접 접근이 불가능했다. 통합 양자화는 이러한 구조적 제약을 회피하고, 과거 출력·입력 정보를 양자화 단계에 포함시켜 ARX 시스템에서도 동일한 효율성을 달성한다.

실험에서는 다양한 deterministic·stochastic 입력 조합과 잡음 레벨을 고려해 시뮬레이션을 수행했으며, 기존 1비트 양자화 기반 알고리즘(예: Wang & Yin 2007, You 2015) 대비 평균제곱오차가 최소 1−2/π≈36 % 감소함을 확인했다. 이는 원본 CRLB에 매우 근접한 성능을 실현함을 의미한다. 전체적으로, 이 논문은 1비트 통신 환경에서 원본 정보에 근접한 파라미터 추정이라는 장기 목표를 실현하기 위한 이론적·실용적 기여를 제공한다.