[논문 리뷰] Distributed Source Localization in Wireless Underground Sensor Networks

Hongyang Chen, Wentao Ouyang외 1명|arXiv (Cornell University)|2011. 12. 17.

Indoor and Outdoor Localization Technologies참고 문헌 14인용 수 3

한 줄 요약

이 논문은 소음이 많고 산란성이 높은 지하 채널에서 정확도를 높이기 위해 강력한 중국인여론정리(RCRT)-기반 시간도착차이(TDOA) 추정을 사용하는 분산 원천 위치 결정 방식을 제안한다. 확산 기반 분산 알고리즘을 활용하여 낮은 통신 비용과 계산 복잡도로 높은 위치 결정 정확도를 달성하였으며, 시뮬레이션에서 국소적 및 중심집중적 접근 방식을 능가하면서 크래머-라오 하한에 근접한 성능을 보였다.

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.

연구 동기 및 목표

• 산란성이 높은 지하 채널과 위상 모호성으로 인해 발생하는 무선 지하 센서 네트워크(WUSNs)에서의 정확하지 않은 TDOA 추정 문제를 해결하기 위해.
• 노이즈로 인한 오차를 줄이기 위해 강력한 중국인여론정리(RCRT)를 적용하여 WUSNs에서의 거리 측정 정확도를 향상시키기 위해.
• 중앙집중적 융합 대신 분산 확산 기반 알고리즘을 개발하여 원천 위치 결정의 통신 비용과 계산 복잡도를 줄이기 위해.
• 동적인 지하 환경에서 정확도가 중심집중 최적 해에 가까운 동시에 강건성과 확장성을 유지하는 위치 결정 성능를 달성하기 위해.

제안 방법

• 기존 CRT에 내재된 위상 모호성과 노이즈 민감도 문제를 해결하기 위해, 노이즈가 있는 TDOA 측정값에서 범위 차이를 추정하기 위해 강력한 중국인여론정리(RCRT)를 사용한다.
• 센서 노드가 이웃 노드와 반복적으로 국소적 추정치를 교환하고 갱신하는 확산 전략을 적용하여 분산, 강건성 있고 확장 가능한 원천 위치 결정을 실현한다.
• 확산 알고리즘의 세 가지 변형을 도입한다: 일정 가중치를 사용하는 Diff (con), 공분산 가중 융합을 사용하는 Diff (wei), 추정 신뢰도 기반 최적 가중치 선택을 사용하는 Diff (opt).
• RCRT 기반 범위 차이에서 원천 위치를 추정하기 위해 통계 신호 처리를 적용하며, 네트워크 확장성을 관리하기 위해 클러스터 기반 아키텍처를 사용한다.
• 분산 알고리즘의 정확도 평가를 위해 성능 기준으로 중심집중 전역 추정기를 사용한다.
• RMSE, CPU 시간, 수렴 반복 수 등의 지표를 사용하여 시뮬레이션 기반 평가를 수행하여 알고리즘 간 성능을 비교한다.

실험 결과

연구 질문

• RQ1 고강도 노이즈와 다중 경로 fading 조건에서 RCRT 기반 TDOA 추정이 WUSNs에서 거리 측정 정확도를 크게 향상시키는가?
• RQ2 통신 비용 측면에서 분산 확산 기반 위치 결정의 정확도는 중심집중적 및 국소 추정 방식과 비교해 어떻게 되는가?
• RQ3 네트워크 토폴로지, 클러스터 수, 측정 노이즈가 확산 알고리즘의 수렴성과 정확도에 미치는 영향은 무엇인가?
• RQ4 제안된 분산 알고리즘이 계산 및 통신 오버헤드를 최소화하면서도 크래머-라오 하한에 근접한 위치 결정 정확도를 달성할 수 있는가?

주요 결과

• RCRT 기반 TDOA 추정 방법은 노이즈로 인한 오차를 효과적으로 완화하여 유한한 나머지 오차가 존재하는 상황에서도 강건한 범위 차이 추정을 가능하게 한다.
• 확산 기반 분산 위치 결정 알고리즘(Diff)은 중심집중 전역 추정기 수준의 정확도를 달성하며, 시뮬레이션에서 RMSE 값이 크래머-라오 하한에 근접한다.
• Diff (opt)와 Diff (wei)는 추정 공분산 행렬을 활용한 적응형 가중치 적용으로 인해 Diff (con)을 능가하며, 특히 Diff (opt)는 가장 높은 정확도를 보이지만 더 높은 CPU 비용을 수반한다.
• Diff (con)은 통신 및 계산 비용이 가장 효율적이며, CPU 시간이 국소 추정과 거의 동일한 반면, Diff (wei)와 Diff (opt)는 가중치 계산으로 인해 약간 더 많은 시간이 소요된다.
• 클러스터 수(N)가 특정 값 이상으로 증가할 경우 기하학적 정밀도 저하로 인해 성능이 악화되며, 특히 센서 클러스터의 볼록 hull 외부에 위치한 원천일 경우 더욱 심해진다.
• Diff (wei)에 대해 최적의 가중치 파rameter γ 값이 존재하며, 다양한 γ 값 범위에서 성능이 Diff (con)을 능가해 파rameter 선택에 대한 강건성을 입증한다.