[논문 리뷰] Maximum Likelihood based Multihop Localization in Wireless Sensor Networks

Camly Nguyen, Orestis Georgiou외 1명|arXiv (Cornell University)|2015. 02. 06.

Indoor and Outdoor Localization Technologies참고 문헌 19인용 수 4

한 줄 요약

이 논문은 무선 센서 네트워크를 위한 최대우도 기반 다중호프 정위치 알고리즘인 kHopLoc을 제안한다. 이 알고리즘은 훈련 단계 동안 몬테카를로 시뮬레이션을 사용하여 다중호프 연결 밀도 함수를 모델링한다. 임의의 정점에서 앵커 노드까지의 호프 수로부터 유도된 우도 함수를 최대화함으로써, kHopLoc는 등방성 및 비등방성 네트워크 배치 모두에서 기존의 범위 기반 방법보다 20–40% 더 높은 정확도를 달성하며, 계산 및 통신 비용도 낮춘다.

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.

연구 동기 및 목표

• 비등방성 및 비정규적으로 배치된 무선 센서 네트워크에서 기존의 범위 기반 정위치 방법의 한계를 해결한다.
• 장애물, fading, 비균일한 노드 분포로 인해 호프-거리 비례성 가정이 성립하지 않을 경우 DV-hop 및 그 변종의 열악한 성능을 극복한다.
• 평균 호프 거리와 같은 1차 통계량에 의존하는 대신, 다중호프 연결의 전체 통계 분포를 활용하는 정위치 방법을 개발한다.
• 다양한 네트워크 구성에서 높은 정위치 정확도를 유지하면서 계산 및 통신 오버헤드를 최소화한다.
• GPS가 사용 불가능한 환경(예: 실내 또는 도시 협곡 환경)에서도 신뢰성 있는 정위치를 가능하게 한다.

제안 방법

• 훈련 단계 동안 몬테카를로 시뮬레이션을 수행하여 다양한 호프 수에 대한 다중호프 연결 확률 밀도 함수를 생성한다.
• 뉴턴 방법을 사용하여 오차를 최소화하도록 매개변수 A(k)와 B(k)를 갖는 일반화된 감마 분포를 다중호프 연결 밀도로 모델링한다.
• 모든 도달 가능한 앵커 노드까지의 관측된 호프 수를 바탕으로 각 타겟 노드의 우도 함수를 구성한다.
• 뉴턴-라프슨 방법을 사용하여 다중호프 연결의 전체 통계 정보를 활용해 우도 함수를 최대화함으로써 타겟 노드의 위치를 추정한다.
• 중앙 노드에서 모든 센서 노드로 피팅된 매개변수 (A(k), B(k))를 방송하여 최소한의 런타임 통신으로 분산 정위치를 구현한다.
• 훈련 단계에서 모든 쌍의 최단 경로 알고리즘(예: 플로이드-워셜)을 사용하여 시뮬레이션된 네트워크 구조에서 k호프 경로를 계산한다.

실험 결과

연구 질문

• RQ1 전체 다중호프 밀도 분포를 사용하는 최대우도 접근법이 등방성 및 비등방성 WSN 배치에서 정위치 정확도를 크게 향상시킬 수 있는가?
• RQ2 비정규 또는 비균일한 네트워크 구조에서 kHopLoc 알고리즘이 DV-hop 및 ASP와 비교해 정확도와 효율성 측면에서 어떻게 성능을 내는가?
• RQ3 다중호프 범위 기반 정위치에서 통신 비용, 계산 복잡도, 정위치 정확도 간의 상호 교환 관계는 어떠한가?
• RQ4 1차 통계 모델(예: 평균 호프 거리)에 비해 몬테카를로 기반 훈련이 정위치 오차를 얼마나 줄일 수 있는가?
• RQ5 높은 오버헤드를 가지는 범위 기반 방법을 피하면서도, 더 적은 앵커 노드로도 높은 성능을 유지할 수 있는가?

주요 결과

• kHopLoc는 등방성 및 비등방성 네트워크 배치 모두에서 기존의 DV-hop 및 ASP 알고리즘보다 20–40% 더 높은 정위치 정확도를 달성한다.
• 계산 비용은 O(I·N³ + M·ε⁻³/²)로, ASP 알고리즘의 O(M⁸ + Δ + M²·ε⁻³/²)보다 크게 낮다.
• 통신 비용은 약 O(M(N−M))의 호프 수 수집 비용과 O(N)의 피팅된 매개변수 방송 비용을 합쳐 DV-hop 및 ASP의 약 절반 수준이다.
• 평균 호프 거리가 아닌 전체 다중호프 밀도 분포를 사용함으로써, 비균일하고 장애물이 있는 환경에서의 강인성이 향상된다.
• 훈련 단계는 중앙 게이트웨이에서 한 번만 수행하거나 노드에 사전 로딩할 수 있어, 정위치 동안 반복적인 통신 오버헤드를 제거할 수 있다.
• 알고리즘은 비정형 영역 및 비균일한 노드 분포를 가진 네트워크에서도 효과적이며, 기존 방법이 호프-거리 비례성 파손으로 인해 실패하는 상황에서도 기능한다.