[논문 리뷰] Localization in Wireless Sensor Grids

Chen Zhang, Ted Herman|ArXiv.org|2006. 01. 25.

Indoor and Outdoor Localization Technologies참고 문헌 19인용 수 3

한 줄 요약

이 논문은 높은 거리 측정 오차(최대 60%)에도 불구하고 정확도를 향상시키기 위해 퍼지 소속 함수를 사용한 RSSI 기반 거리 추정을 활용하여 무선 센서 그룹에 대한 단순하고 분산형의 테이블 룩업 국소화 알고리즘을 제안한다. 실제 실험에서 그리드 구조의 제약 조건을 활용하고 계산 오버헤드를 최소화함으로써 86%의 국소화 정확도를 달성하였으며, 낮은 하드웨어 요구 사항과 함께 소음이 많고 잔디로 뒤덮인 지형에서도 뛰어난 견고성을 입증하였다.

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%.

연구 동기 및 목표

• 그리드 구조가 무선 센서 네트워크에서 자기 국소화 문제를 단순화하는지 조사한다.
• 자원 제약이 있는 센서 노드에 적합한 경량이고 분산형 국소화 알고리즘을 개발한다.
• 높은 측정 변동성과 오차가 있는 상황에서도 RSSI 기반 거리 측정을 통해 국소화 정확도를 향상시킨다.
• 앵커 위치와 세그먼트 크기가 국소화 성능에 미치는 영향을 평가한다.
• 1-홉 이웃 감지에서의 오류 내성과 최종 국소화 정확도에 미치는 영향을 탐색한다.

제안 방법

• 노드 국소화의 제약을 줄이고 검색 공간을 축소하기 위해 고정된 앵커 위치를 갖는 그리드 구조를 사용한다.
• 1-홉 이웃 관계를 더 견고하게 분류하기 위해 퍼지 소속 함수를 사용한 RSSI 기반 거리 추정을 적용한다.
• 부동소수점 산술을 사용하지 않고도 그리드 좌표를 할당하기 위해 홉 수 기반의 테이블 룩업을 적용한다.
• 3단계 프로세스를 도입한다: 1) RSSI 집계, 2) 퍼지 소속 점수 계산, 3) 1-홉 이웃 분류 및 그리드 할당.
• 그리드 거리 공식을 사용하여 최단 경로 홉 수를 계산한다: dist((a,b),(c,d)) = max( (|a−c| + |b−d|)/2 , |b−d| ).
• 각 세그먼트가 독립적으로 국소화를 수행할 수 있도록 분산 아키텍처를 구현하여 중심 기지국에 대한 의존도를 감소시킨다.

실험 결과

연구 질문

• RQ1 비정형 구조에 비해 그리드 구조가 더 단순하고 효율적인 국소화 알고리즘을 가능하게 하는가?
• RQ2 실제 환경에서 높은 오차(최대 60%)를 가진 RSSI 기반 거리 측정이 국소화 정확도에 어떤 영향을 미치는가?
• RQ3 퍼지 소속 함수와 테이블 룩업이 거리 측정 오차의 영향을 어느 정도 줄일 수 있는가?
• RQ4 1-홉 이웃 감지에서 타입 A와 타입 B 오류 간의 상호 교환 관계는 최종 국소화 정확도에 어떤 영향을 미치는가?
• RQ5 세그먼트 크기가 그리드 기반 국소화에서 국소화 정확도와 오차 누적에 어떤 영향을 미치는가?

주요 결과

• 실제 50노드 그리드 배포 환경에서 이 알고리즘은 정확한 1-홉 이웃 식별에 대해 86.0%의 정확도를 달성하였다.
• 17건의 타입 B 오류와 9건의 타입 A 오류가 있었음에도 불구하고, 이 알고리즘은 높은 국소화 정밀도를 유지하였다.
• 퍼지 소속 함수의 사용으로 직접 RSSI 임계값 기반 방법(정확한 1-홉 이웃 식별률 72.2%)에 비해 타입 A 및 B 오류 수가 감소하였다.
• 더 큰 세그먼트 크기는 더 긴 경로에서의 홉 수 계산 누적 오차로 인해 정확도를 저하시켰다.
• 시뮬레이션 결과, 수용 가능한 국소화 성능을 확보하기 위해 타입 A 오류는 12건 이하, 타입 B 오류는 31건 이하일 필요가 있음을 확인하였다.
• 그리드 제약 조건과 퍼지 논리를 통해 이 알고리즘은 최대 60%의 높은 RSSI 오차에 대해서도 뛰어난 성능을 유지하며 뛰어난 견고성을 보였다.