[論文レビュー] Distributed Source Localization in Wireless Underground Sensor Networks

Hongyang Chen, Wentao Ouyang+1 more|arXiv (Cornell University)|Dec 17, 2011

Indoor and Outdoor Localization Technologies参考文献 14被引用数 3

ひとこと要約

本稿では、雑音が多く分散性の高い地下チャネルにおいて測距精度を向上させるために、ロバスト中国剰余定理（RCRT）に基づく時差計測（TDOA）推定を用いた分散型ソース局所化方式を提案する。拡散に基づく分散アルゴリズムを活用することで、通信コストと計算複雑度を低く抑えつつ、高い局所化精度を達成し、シミュレーションにおいてローカルおよび集中型手法を上回り、Cramér-Rao下界に近い性能を示す。

ABSTRACT

Node localization plays an important role in many practical applications of wireless underground sensor networks (WUSNs), such as finding the locations of earthquake epicenters, underground explosions, and microseismic events in mines. It is more difficult to obtain the time-difference-of-arrival (TDOA) measurements in WUSNs than in terrestrial wireless sensor networks because of the unfavorable channel characteristics in the underground environment. The robust Chinese remainder theorem (RCRT) has been shown to be an effective tool for solving the phase ambiguity problem and frequency estimation problem in wireless sensor networks. In this paper, the RCRT is used to robustly estimate TDOA or range difference in WUSNs and therefore improves the ranging accuracy in such networks. After obtaining the range difference, distributed source localization algorithms based on a diffusion strategy are proposed to decrease the communication cost while satisfying the localization accuracy requirement. Simulation results confirm the validity and efficiency of the proposed methods.

研究の動機と目的

• 分散性の高い地下チャネルと位相の曖昧さにより生じるTDOA推定の不正確さという課題に対処すること。
• ノイズによる誤差を低減するために、ロバスト中国剰余定理（RCRT）を適用することで、WUSNsにおける測距精度を向上させること。
• 集中型統合ではなく分散型拡散アルゴリズムの開発により、ソース局所化における通信コストと計算複雑度を低減すること。
• 動的で変化しやすい地下環境においても、最適な集中型ソリューションに近い局所化精度を維持しながら、耐障害性とスケーラビリティを確保すること。

提案手法

• 古典的CRTに内在する位相の曖昧さとノイズ感受性を克服するため、ノイズのあるTDOA測定値から距離差を推定するためにロバスト中国剰余定理（RCRT）を用いる。
• センサーノードが隣接ノードと逐次的に局所的推定値を交換・更新する拡散戦略を採用し、分散的で耐障害性があり、スケーラブルなソース局所化を実現する。
• 拡散アルゴリズムの3つの変種を導入する：定数重みを用いるDiff (con)、共分散重み付き融合を用いるDiff (wei)、推定信頼性に基づく最適重み選択を用いるDiff (opt)。
• RCRTに基づく距離差からソース位置を推定するために統計的信号処理を適用し、ネットワークのスケーラビリティを管理するためクラスタベースのアーキテクチャを採用する。
• 分散アルゴリズムの精度を評価するための性能ベンチマークとして、集中型グローバル推定器を用いる。
• RMSE、CPU時間、収束反復回数といった指標を用いて、シミュレーションベースの評価により、異なるアルゴリズム間の性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 高ノイズおよび多径フェージング下で、RCRTベースのTDOA推定はWUSNsにおける測距精度を顕著に向上させるか？
• RQ2 通信コストと精度の観点から、分散型拡散ベースの局所化の性能は、集中型およびローカル推定と比べてどうか？
• RQ3 ネットワークトポロジー、クラスタ数、測定ノイズが、拡散アルゴリズムの収束性と精度に与える影響は何か？
• RQ4 提案された分散型アルゴリズムは、計算および通信のオーバーヘッドを最小限に抑えながら、Cramér-Rao下界に近い局所化精度を達成できるか？

主な発見

• RCRTベースのTDOA推定法は、境界付きの剰余誤差に対しても効果的にノイズ由来の誤差を低減し、信頼性の高い距離差推定を可能にする。
• 拡散ベースの分散型局所化アルゴリズム（Diff）は、集中型グローバル推定器に近い局所化精度を達成し、シミュレーションにおいてRMSEがCramér-Rao下界に近づく。
• Diff (opt) と Diff (wei) は、推定共分散行列を用いた適応的重み付けにより、Diff (con) よりも優れた性能を示す。特にDiff (opt) は最高の精度を達成するが、CPUコストも高い。
• Diff (con) は通信および計算コストが最も低く、CPU時間はローカル推定とほぼ同等である。一方、Diff (wei) と Diff (opt) は重み計算のためやや長い時間が必要となる。
• クラスタ数（N）が一定値を超えて増加すると、幾何的精度劣化（DOP）の影響により性能が低下する。特に、ソースがセンサクラスタの凸包の外側にある場合に顕著である。
• Diff (wei) には最適な重みパラメータγの値が存在し、γの値が広い範囲にわたり、Diff (con) よりも優れた性能を維持する。これは、パrameter選択に対するロバスト性を示している。