[논문 리뷰] On Sensor Network Localization Using SDP Relaxation

Davood Shamsi, Nicole Taheri외 2명|arXiv (Cornell University)|2010. 10. 11.

Indoor and Outdoor Localization Technologies참고 문헌 30인용 수 7

한 줄 요약

이 논문은 반정형계획법(SDP) 근사 기반 정확한 센서 네트워크 국지화를 위한 새로운 충분조건을 제시한다. 특정 목적 함수를 추가함으로써 삼각화 그래프(희박한 네트워크로 최소한의 거리 정보만 필요로 함)에 대해 정확한 국지화가 보장됨을 입증한다. 무작위 센서 네트워크에서 유일한 국지화 가능성을 위한 최초의 점근적이지 않은 연결 범위 한계를 설정하며, 히우리스틱 목적 함수를 평가하여, 미지 거리의 합을 최대화하는 방법이 시뮬레이션에서 성공률을 크게 향상시킴을 보여준다.

ABSTRACT

A Semidefinite Programming (SDP) relaxation is an effective computational method to solve a Sensor Network Localization problem, which attempts to determine the locations of a group of sensors given the distances between some of them [11]. In this paper, we analyze and determine new sufficient conditions and formulations that guarantee that the SDP relaxation is exact, i.e., gives the correct solution. These conditions can be useful for designing sensor networks and managing connectivities in practice. Our main contribution is twofold: We present the first non-asymptotic bound on the connectivity or radio range requirement of the sensors in order to ensure the network is uniquely localizable. Determining this range is a key component in the design of sensor networks, and we provide a result that leads to a correct localization of each sensor, for any number of sensors. Second, we introduce a new class of graphs that can always be correctly localized by an SDP relaxation. Specifically, we show that adding a simple objective function to the SDP relaxation model will ensure that the solution is correct when applied to a triangulation graph. Since triangulation graphs are very sparse, this is informationally efficient, requiring an almost minimal amount of distance information. We also analyze a number objective functions for the SDP relaxation to solve the localization problem for a general graph.

연구 동기 및 목표

• 센서 네트워크에서 SDP 근사를 통한 정확한 국지화를 보장하는 충분조건를 규명하는 것.
• 무작위로 분포된 센서 네트워크에서 유일한 국지화 가능성을 확보하기 위해 필요한 전파 범위의 점근적이지 않은 하한을 도출하는 것.
• 항상 정확하게 국지화 가능한 새로운 유형의 그래프(삼각화 그래프)를 개발하고, 맞춤형 목적 함수를 사용한 SDP에서의 성능을 검증하는 것.
• 일般적인 그래프에서 SDP 근사의 히우리스틱 목적 함수를 평가하고 비교하여 국지화 성공률을 향상시키는 것.
• 연결성과 정보 효율성에 기반한 실용적인 센서 네트워크 설계 지침을 제공하는 것.

제안 방법

• 삼각화 그래프에 대해 정확한 해를 보장하는 엄격한 보완성 조건을 만족시키는 수정된 목적 함수를 갖는 SDP 근사 모델(SNL-SDP)을 제안한다.
• 질량 행렬 분석을 도입하여 랭크 조건을 검증하고, 새로운 목적 함수 하에서의 유일한 국지화 가능성을 증명한다.
• 무작위 센서 네트워크가 높은 확률로 유일하게 국지화 가능해지기 위한 전파 범위의 점근적이지 않은 하한을 유도한다.
• 해결 정확도와 수렴성을 향상시키기 위해 미지 노드 간 거리의 합을 최대화하는 히우리스틱 목적 함수를 활용한다.
• 다양한 전파 범위를 가진 200개의 2차원 무작위 센서 네트워크에서 광범위한 수치 실험을 수행하여 목적 함수 간 성능을 비교한다.
• 다른 전략을 시험하기 위해 먼 점 기반 목적 함수(MAX-PT)를 사용하여 최적의 거리 최대화 전략과 비교한다.

실험 결과

연구 질문

• RQ1 무작위로 분포된 센서 네트워크가 높은 확률로 유일하게 국지화 가능해지기 위해 필요한 최소 전파 범위는 얼마인가?
• RQ2 SDP 근사에서 특정 목적 함수가 삼각화 그래프(희박하고 정보 효율적인 네트워크)에 대해 정확한 국지화를 보장할 수 있는가?
• RQ3 SDP 근사에서 다양한 히우리스틱 목적 함수는 실질적으로 센서 네트워크 국지화 성공률에 어떤 영향을 미치는가?
• RQ4 일般적인 센서 네트워크 그래프에서 SDP 근사가 정확하고 유일한 해를 도출하는 조건은 무엇인가?
• RQ5 SDP 근사에서 삼각화 그래프에 대해 엄격한 보완성 조건을 증명할 수 있으며, 이는 해의 유일성에 어떤 의미를 갖는가?

주요 결과

• 논문은 무작위로 분포된 2차원 센서 네트워크에서 높은 확률로 유일한 국지화 가능성을 보장하는 전파 범위에 대한 점근적이지 않은 하한을 설정한다.
• SDP 근사에 거리 최대화 목적 함수를 추가하면, 희박하고 최소한의 거리 정보만 필요한 삼각화 그래프에 대해 정확한 국지화가 보장된다.
• 시뮬레이션 결과, 거리 최대화 목적 함수(MAX)는 전파 범위 0.35에서 100%의 국지화 성공률를 기록했으며, ZERO, MIN, MAX-PT 방법보다 뛰어난 성능을 보였다.
• MAX 목적 함수는 이론적으로 유도된 하한 이하인 전파 범위 0.35에서도 100% 성공률를 기록하여, 이론적 한계를 초월한 실용적 효율성을 시사한다.
• 먼 점 기반 목적 함수(MAX-PT)는 전파 범위 0.4에서 뿐만 아니라 성능이 열악하여 13%의 성공률에 머물렀다.
• 이론적 분석을 통해 제안된 목적 함수 하에서 삼각화 그래프에 대해 엄격한 보완성 조건이 성립함을 확인하였으며, 이는 정확하고 유일한 해를 보장한다.