[論文レビュー] Localization in Wireless Sensor Grids

Chen Zhang, Ted Herman|ArXiv.org|Jan 25, 2006

Indoor and Outdoor Localization Technologies参考文献 19被引用数 3

ひとこと要約

本稿では、R術名に基づく距離推定にファジィ所属関数を用いることで、高い距離測定誤差（最大60％）にもかかわらず精度を向上させる、シンプルで分散型のテーブルルックアップ型局所化アルゴリズムを提案する。グリッドトポロジの制約を活用し、計算オーバーヘッドを最小限に抑え、実世界のノイズが多く芝生の地形でも安定した性能を示し、最小限のハードウェア要件で86％の局所化精度を達成した。

ABSTRACT

This work reports experiences on using radio ranging to position sensors in a grid topology. The implementation is simple, efficient, and could be practically distributed. The paper describes an implementation and experimental result based on RSSI distance estimation. Novel techniques such as fuzzy membership functions and table lookup are used to obtain more accurate result and simplify the computation. An 86% accuracy is achieved in the experiment in spite of inaccurate RSSI distance estimates with errors up to 60%.

研究の動機と目的

• グリッドトポロジが無線センサーネットワークにおける自己局所化問題を単純化するかどうかを調査すること。
• リソース制約のあるセンサーノードに適した軽量で分散型の局所化アルゴリズムを開発すること。
• 高い測定ばらつきと誤差があるにもかかわらず、RSSIによる距離測定を用いて局所化精度を向上させること。
• アンカーポジションの配置とセグメントサイズが局所化性能に与える影響を評価すること。
• 1ホップ近隣関係検出における誤り耐性と、それが最終的な局所化精度に与える影響を調査すること。

提案手法

• ノードの局所化を制約し、探索空間を縮小するために、事前に定義されたアンカー位置を持つグリッドトポロジを用いる。
• 1ホップ近隣関係をより強固に分類するために、RSSIに基づく距離推定にファジィ所属関数を適用する。
• 浮動小数点演算を避けるために、ホップ数に基づくテーブルルックアップを用いてグリッド座標を割り当てる。
• 3段階のプロセスを導入する：1) RSSI集約、2) ファジィ所属スコア計算、3) 1ホップ近隣関係の分類とグリッドへの割り当て。
• グリッド距離の式：dist((a,b),(c,d)) = max( (|a−c| + |b−d|)/2 , |b−d| ) を用いて最短パスのホップ数を計算する。
• 各セグメントが独立して局所化を実行できる分散アーキテクチャを実装し、中央ベースステーションへの依存度を低減する。

実験結果

リサーチクエスチョン

• RQ1 任意のトポロジと比較して、グリッドトポロジはより単純で効率的な局所化アルゴリズムを可能にするか？
• RQ2 実環境条件下で、60％までの大きな誤差を伴うRSSIによる距離測定が、局所化精度に与える影響は何か？
• RQ3 ファジィ所属関数とテーブルルックアップを用いることで、距離測定の不正確さの影響をどの程度軽減できるか？
• RQ4 1ホップ近隣関係検出におけるタイプA誤りとタイプB誤りのトレードオフは何か？ そして、それが最終的な局所化精度に与える影響は？
• RQ5 セグメントサイズは、グリッドベースの局所化における局所化精度と誤差蓄積にどのように影響するか？

主な発見

• 実世界の50ノードのグリッド展開において、正しい1ホップ近隣ノードを特定する精度が86.0％に達した。
• 17件のタイプB誤りと9件のタイプA誤りが発生したが、RSSI距離測定のばらつきが著しかったにもかかわらず、高い局所化忠実度を維持した。
• ファジィ所属関数の導入により、直接的なRSSIしきい値処理に比べてタイプAおよびタイプB誤りの数が減少し、1ホップ近隣関係の正しく特定された割合は72.2％にまで上昇した。
• 大きなセグメントサイズは、長いパスにおけるホップカウントの累積誤差により、精度の低下を引き起こした。
• シミュレーションでは、タイプA誤りが12件未満、タイプB誤りが31件未満であれば、妥当な局所化性能が得られると判明した。
• グリッド制約とファジィ論理のおかげで、RSSI誤差が最大60％に達してもアルゴリズムは誤りに強く、精度の高い性能を維持した。