[論文レビュー] Maximum Likelihood based Multihop Localization in Wireless Sensor Networks

Camly Nguyen, Orestis Georgiou+1 more|arXiv (Cornell University)|Feb 6, 2015

Indoor and Outdoor Localization Technologies参考文献 19被引用数 4

ひとこと要約

本稿では、訓練段階でマルチホップ接続密度関数をモンテカルロシミュレーションでモデル化する、最大尤度に基づくマルチホップ局所化アルゴリズムkHopLocを提案する。アンカーノードへのホップ数に基づく尤度関数を最大化することで、等方的および非等方的ネットワーク配置において、従来の無距離法よりも20–40%高い精度を達成し、計算および通信コストも低い。

ABSTRACT

For data sets retrieved from wireless sensors to be insightful, it is often of paramount importance that the data be accurate and also location stamped. This paper describes a maximum-likelihood based multihop localization algorithm called kHopLoc for use in wireless sensor networks that is strong in both isotropic and anisotropic network deployment regions. During an initial training phase, a Monte Carlo simulation is utilized to produce multihop connection density functions. Then, sensor node locations are estimated by maximizing local likelihood functions of the hop counts to anchor nodes. Compared to other multihop localization algorithms, the proposed kHopLoc algorithm achieves higher accuracy in varying network configurations and connection link-models.

研究の動機と目的

• 非等方的および不規則に配置された無線センサーネットワークにおける従来の無距離局所化手法の限界を解消すること。
• 障害物、 fading、非一様なノード配置の影響によりホップ距離比例仮定が成立しない場合に、DV-hopおよびその変種が著しく性能を発揮しない問題を克服すること。
• 平均ホップ距離のような一次統計量に依存するのではなく、マルチホップ接続の完全な統計的分布を活用する局所化手法の開発。
• 多様なネットワーク構成において高い局所化精度を維持しつつ、計算および通信オーバーヘッドを最小限に抑えること。
• GPS不能環境（屋内や都市渓谷など）においても、信号伝搬が不規則な状況でも頑健な局所化を可能にすること。

提案手法

• 訓練段階においてモンテカルロシミュレーションを実行し、異なるホップ数におけるマルチホップ接続確率密度関数を実証的に生成する。
• ニュートン法を用いて誤差を最小化するように、パラメータA(k)およびB(k)を有する一般化ガンマ分布を用いてマルチホップ接続密度をモデル化する。
• 到達可能なすべてのアンカーノードに対する観測ホップ数に基づき、各ターゲットノードの尤度関数を構築する。
• ニュートン・ラプソン法を用いて尤度関数を最大化し、マルチホップ接続の完全な統計的情報を活用することで、ターゲットノードの位置を推定する。
• 中央ノードからフィッティングされたパラメータ（A(k), B(k)）をすべてのセンサーノードにブロードキャストし、ランタイム通信を最小限に抑えた分散型局所化を実現する。
• 訓練段階で、すべてのペアの最短経路アルゴリズム（例：フロイド・ワーシャル法）を用いて、シミュレートされたネットワークトポロジ上でのkホップ経路を計算する。

実験結果

リサーチクエスチョン

• RQ1 完全なマルチホップ密度分布を用いた最大尤度アプローチが、等方的および非等方的WSN配置において、局所化精度を顕著に向上させることができるか？
• RQ2 不規則または非一様なネットワークトポロジにおいて、提案手法kHopLocはDV-hopおよびASPと比較して、精度および効率性に優れているか？
• RQ3 マルチホップ無距離局所化において、通信コスト、計算複雑性、および局所化精度のトレードオフはいかなるものか？
• RQ4 モンテカルロベースの訓練によって、平均ホップ距離のような一次統計モデルと比較して、局所化誤差をどの程度低減できるか？
• RQ5 高コストの距離測定法を避けるために、少ないアンカーノード数でも、本アルゴリズムが高い性能を維持できるか？

主な発見

• kHopLocは、等方的および非等方的ネットワーク配置において、従来のDV-hopおよびASPアルゴリズムと比較して20–40%高い局所化精度を達成する。
• 計算コストはO(I·N³ + M·ε⁻³/²)にまで低減され、ASPアルゴリズムのO(M⁸ + Δ + M²·ε⁻³/²)に比べ顕著に低い。
• 通信コストはホップ数収集に約O(M(N−M)）、パラメータブロードキャストにO(N)を要し、合計でDV-hopおよびASPの約半分のコストに抑えられる。
• 平均ホップ距離ではなく完全なマルチホップ密度分布を用いることで、非一様かつ障害物のある環境でも耐障害性が向上する。
• 訓練段階は、中央ゲートウェイで一度だけ実行するか、ノードに事前にロードすることができるため、局所化段階での再発生通信オーバーヘッドが不要になる。
• 本アルゴリズムは、形状が不規則な領域や非一様なノード分布を持つネットワークにおいても、従来手法がホップ距離比例性の破綻により失敗する状況でも、依然として高い性能を発揮する。