동적 센서 스케줄링을 위한 그래프 노드 파티셔닝

본 논문은 센서 네트워크에서 배터리 소모와 센서 고장을 균등히 분산시키기 위해, 여러 개의 동등하게 정보량이 풍부한 노드 집합을 순차적으로 활성화하는 동적 센서 스케줄링 문제를 다룬다. 기존 연구는 정적인 단일 샘플링 집합을 선택하거나, 구조 기반 순위(SRel) 혹은 밴드리미트 가정에 의존하는 SFrob와 같은 휴리스틱 방법에 머물렀다. 이러한 방법들은 부하 불균형, 정적 가정, 그리고 신호 통계 변화에 대한 적응 부족이라는 한계를 가지고 있었다. 저자는 센서 네트워크를 그래프 G=(V,E) 로 모델링하고, 센서 데이터를 그래프 신호 x∈ℝᴺ 으로 표현한다. 신호가 알려진 서브스페이스 A∈ℝᴺˣᴹ (M≤N) 에 존재한다는 사전 가정 하에, 샘플링 연산자 Sᵀ=I_{M,V}G 로 정의하고, 잡음이 포함된 측정 y=Sᵀx+η 를 얻는다. 최소-최대 복원 해 ˜x=A(SᵀA)†y 를 통해 복원 오차의 기대값을 트레이스 형태로 상한화하고, 이를 기반으로 평균 복원 오차를 최소화하는 목표식을 도출한다. 구체적으로, 두 개의 파티션 M₁, M₂ (|M₁|=|M₂|=N/2) 를 고려하고, 각 파티션에 대한 샘플링 연산자 S₁, S₂ 를 정의한다. 평균 복원 오차 상한은 C·