Ricerca | Progetti Finanziati

SISTEMI DECENTRALIZZATI E ADATTATIVI PER L'INFERENZA STATISTICA

La ricerca si propone di sviluppare e approfondire lo studio delle tecniche di inferenza statistica in sistemi caratterizzati da soluzioni architetturali ad elevata decentralizzazione (un cui esempio tipico sono le reti di sensori) e/o in sistemi caratterizzati da modalità operative tipicamente adattative, anche con enfasi sugli aspetti cognitivi in cui l’adattamento è determinato da una fase di analisi critica dell’ambiente operativo. Come si evince dal prospetto "Base di partenza scientifica", il gruppo proponente vanta già una solida competenza in materia, testimoniata da rilevanti pubblicazioni scientifiche, ma molti sono gli sviluppi auspicabili e gli aspetti che meritano approfondita indagine scientifica. Tali aspetti sono oggetto della ricerca proposta e, in particolare, sono tre le principali linee di investigazione che si ritiene opportuno perseguire. La ricerca si concentrerà, nello specifico, su almeno una di queste direzioni, anche in dipendenza dei risultati conseguiti in una prima fase esplorativa prevista nelle prime settimane di lavoro. La prima linea di ricerca riguarda la stretta relazione esistente tra cooperazione e adattamento nelle reti di sensori per l’inferenza statistica, ed in particolare per sistemi di rivelazione dello stato della natura in reti a completa decentralizzazione (prive, cioè, di un centro di fusione dati). Lo scopo della ricerca è investigare la possibilità di sposare gli aspetti di cooperazione tra i sensori (tecniche di gossip, algoritmi diffusivi), con gli aspetti di adattatività a mutamenti dello stato della natura, peraltro incognito perché appunto oggetto della procedura inferenziale di decisione statistica. Il sistema progettato dovrà essere in grado di apprendere senza soluzione di continuità dai dati collezionati ai vari nodi, ed al tempo stesso essere in grado di seguire le variazioni dello stato della natura. La seconda linea di investigazione riguarda la possibilità di localizzazione dei sensori da parte di un bersaglio mobile oggetto della procedura di rivelazione statistica. Si tratta, in un certo senso, di un’inversione dei ruoli nella quale l’oggetto la cui presenza è da rilevare (detection stage) diventa il soggetto della procedura inferenziale di localizzazione (estimation stage). L’assunzione base è che i sensori producano decisioni binarie riguardo la presenza del bersaglio e che quest’ultimo, pur senza poter associare singole decisioni a specifici sensori, sia a conoscenza del numero di decisioni effettuate dalla rete ad ogni passo della procedura, identificabile con una serie di successive posizioni assunte dal bersaglio all’interno di una determinata area di sorveglianza.Il terzo aspetto della ricerca riguarda sistemi radar cognitivi per applicazioni di decisione statistica multi-ipotesi. In particolare, si intende affrontare lo studio del test di ipotesi noto in letteratura come test di Chernoff, in uno scenario applicativo di recente interesse, che potremmo battezzare come modello “strong-or-weak”. Nel modello strong-or-weak il ritorno radar è di apprezzabile entità se il segnale di test usato dal sistema trasmittente risulta “adattato” al bersaglio realmente presente nella cella radar sotto esame. Pertanto, a seguito di una preliminare fase di progetto dei segnali di test, si assume che il sistema radar disponga di una forma d’onda specificamente progettata per la determinazione della presenza di ognuno dei possibili bersagli. Fissato il numero di tali bersagli, lo studio dovrà determinare con quale criterio, ad ogni passo della procedura, una tra le possibili forme d’onda debba essere selezionata come segnale di test, tenendo anche conto dei precedenti ritorni radar e delle precedenti selezioni effettuate, il tutto in un ottica di minimizzazione del numero complessivo di passi dell’algoritmo di rivelazione multi-ipotesi, e compatibilmente con un vincolo globale sulle prestazioni di inferenza.