[논문 리뷰] A Statistically Modelling Method for Performance Limits in Sensor Localization

Baoqi Huang, Tao Li외 2명|arXiv (Cornell University)|2011. 09. 14.

Indoor and Outdoor Localization Technologies참고 문헌 43인용 수 9

한 줄 요약

이 논문은 랜덤한 앵커 배치 조건 하에서 단일 홉 센서 위치 추정의 성능 한계를 통계적으로 근거화된 방법으로 모델링한다. Cramér-Rao 하한(CRLB)의 추적(trace)을 스칼라 성능 지표로 사용하며, U-통계량과 중심극한정리의 응용을 통해 RSS/bearing의 경우 CRLB 추적은 점점 정규분포에 수렴하고, TOA의 경우 카이제곱 분포의 애핀 변환에 수렴함을 보여준다. 평균, 분산, 앵커 수, 채널 파rameter, 노이즈, 공간 분포 간의 명시적 공식이 유도되었으며, 이는 소수의 앵커 수가 존재하는 경우에도 정확한 성능 예측을 가능하게 한다.

ABSTRACT

In this paper, we study performance limits of sensor localization from a novel perspective. Specifically, we consider the Cramer-Rao Lower Bound (CRLB) in single-hop sensor localization using measurements from received signal strength (RSS), time of arrival (TOA) and bearing, respectively, but differently from the existing work, we statistically analyze the trace of the associated CRLB matrix (i.e. as a scalar metric for performance limits of sensor localization) by assuming anchor locations are random. By the Central Limit Theorems for $U$-statistics, we show that as the number of the anchors increases, this scalar metric is asymptotically normal in the RSS/bearing case, and converges to a random variable which is an affine transformation of a chi-square random variable of degree 2 in the TOA case. Moreover, we provide formulas quantitatively describing the relationship among the mean and standard deviation of the scalar metric, the number of the anchors, the parameters of communication channels, the noise statistics in measurements and the spatial distribution of the anchors. These formulas, though asymptotic in the number of the anchors, in many cases turn out to be remarkably accurate in predicting performance limits, even if the number is small. Simulations are carried out to confirm our results.

연구 동기 및 목표

• 고정 기하학이 아닌 현실적인 랜덤한 앵커 구성 조건에서 단일 홉 센서 위치 추정의 성능 한계를 분석하는 것.
• 랜덤한 앵커 배치 조건 하에서 Cramér-Rao 하한(CRLB) 행렬의 추적을 스칼라 성능 지표로 모델링하는 것.
• RSS, TOA, 베어링의 세 가지 측정 유형에 대해 CRLB 추적의 점점 수렴하는 분포를 도출하는 것.
• CRLB 추적의 평균과 표준편차가 앵커 수, 채널 파rameter, 노이즈 통계 및 공간 분포와 어떻게 관련되는지 정량적 공식을 제공하는 것.
• 모의 실험을 통해 소수의 앵커 수가 존재하는 경우에도 점점 수렴 근사의 정확도를 검증하는 것.

제안 방법

• 앵커 위치를 공간 상에서 독립적이고 균일하게 분포된 것으로 모델링하며, 센서-앵커 기하학을 랜덤 변수로 간주한다.
• 위치 추정 정확도의 스칼라 성능 지표로 CRLB 행렬의 추적을 사용한다.
• CRLB 추적 표현에 U-통계량 이론을 적용하여, U-통계량의 중심극한정리에 기반한 점점 수렴 분포 결과를 도출한다.
• RSS 및 베어링의 경우, 앵커 수가 증가함에 따라 CRLB 추적이 분포적으로 정규분포로 수렴함을 보여준다.
• TOA의 경우, CRLB 추적이 자유도 2인 카이제곱 랜덤 변수의 애핀 변환으로 수렴함을 보여준다.
• 이론적 유도 과정에는 앵커 수, 노이즈 분산, 경로 손실 지수, 공간 분포 파rameter를 바탕으로 한 CRLB 추적의 평균과 표준편차에 대한 명시적 공식이 포함되어 있다.

실험 결과

연구 질문

• RQ1 앵커 위치가 고정되어 있지 않고 랜덤하게 분포할 경우, CRLB 행렬의 추적으로 측정되는 센서 위치 추정의 성능 한계는 어떻게 행동하는가?
• RQ2 랜덤한 앵커 배치 조건 하에서 RSS 기반 및 베어링 기반 위치 추정의 CRLB 추적의 점점 수렴 분포는 무엇인가?
• RQ3 랜덤한 앵커 배치 조건 하에서 TOA 기반 위치 추정의 CRLB 추적의 점점 수렴 분포는 무엇인가?
• RQ4 CRLB 추적의 평균과 표준편차는 앵커 수, 노이즈 수준 및 채널 파rameter에 따라 어떻게 변화하는가?
• RQ5 소수의 앵커 수가 존재하는 경우에도 점점 수렴 공식이 CRLB 추적을 얼마나 정확하게 예측할 수 있는가?

주요 결과

• RSS 및 베어링 기반 위치 추정의 CRLB 행렬 추적은 앵커 수가 증가함에 따라 분포적으로 정규분포로 수렴한다.
• TOA 기반 위치 추정의 경우, CRLB 추적은 자유도 2인 카이제곱 랜덤 변수의 애인 변환으로 수렴한다.
• CRLB 추적의 평균과 표준편차는 앵커 수, 노이즈 분산, 경로 손실 지수 및 공간 분포 파rameter를 기반으로 명시적으로 정량화되어 있다.
• CRLB 추적의 평균과 표준편차에 대한 점점 수렴 공식은 소수의 앵커 수가 존재하는 경우에도 매우 정확한 것으로 밝혀졌으며, 모의 실험으로 확인되었다.
• CRLB 추적이 점점 수렴 분포로 수렴하는 과정은 강건하며 잔차 항의 확률적 수렴이 0으로 수렴한다.
• 이론적 프레임워크는 현실적인 랜덤 배치 시나리오에서의 위치 추정 성능 한계를 신뢰성 있게 예측할 수 있도록 한다.