[논문 리뷰] Set-Membership Localization via Range Measurements

Giuseppe C. Calafiore|arXiv (Cornell University)|2026. 03. 05.

Advanced Optimization Algorithms Research인용 수 0

한 줄 요약

논문은 알려진 앵커에 대한 잡음이 있는 거리 측정으로 점의 위치를 추정하기 위한 집합 멤버십 프레임워크를 개발하여 합성적인 프로그래밍을 통해 보장된 외부 경계 집합(상자 또는 타원체)을 얻는다.

ABSTRACT

In this paper we discuss a classical geometrical problem of estimating an unknown point's location in $\Real{n}$ from several noisy measurements of the Euclidean distances from this point to a set of known reference points (anchors). We approach the problem via a set-mem\-ber\-ship methodology, in which we assume the distance measurements to be affected by unknown-but-bounded errors, and we characterize the set of all points that are consistent with the measurements and their assumed error model. This set is nonconvex, but we show in the paper that it is contained in a region given by the intersection of certain closed balls and a polytope, which we call the {\em localization set}. Then, we develop efficient methods, based on convex programming, for computing a tight outer-bounding set of simple structure (a box, or an ellipsoid) for the localization set, which then acts as a guaranteed set-valued location estimate. % The center of the bounding set also serves as a point location estimate. Related problems of inner approximation of the localization set via balls and ellipsoids are also posed as convex programming problems. Different from existing methods based on semidefinite programming relaxations of a nonconvex cost minimization problem, our approach is direct, geometric and based on a polyhedral set of points that satisfy pairwise differences of the measurement equations.

연구 동기 및 목표

• 알려진 앵커에 대한 잡음이 있는 거리 측정치를 이용하여 R^n의 미지의 점을 추정한다(오류는 알려지지 않았지만 한정되어 있음).
• 로컬라이제이션 집합을 닫힌 구의 교집합과 다면체로 특성화한다.
• 로컬라이제이션 집합에 대한 촘촘한 외부 경계 상자(상자/타원체)를 계산하기 위한 볼록 프로그래밍 기반 절차를 개발한다.
• 구 및 타원체를 이용한 로컬라이제이션 집합의 내부 근사 방법을 제공한다.
• 집합-값 로컬라이제이션에 대한 SDP 이완에 대한 직접적이고 기하학적인 대안을 제시한다.

제안 방법

• 측정 방정식의 쌍 간 차이로부터 도출된 다면체와 닫힌 구의 교집합으로 로컬라이제이션 집합을 형식화한다.
• 로컬라이제이션 집합을 포함하는 간단한 형태(상자 또는 타원체)로 촘촘한 외부 경계를 계산하기 위한 볼록 프로그래밍 문제를 도출한다.
• 로컬라이제이션 집합의 내부 근사 문제를 구와 타원체를 사용하여 볼록 프로그래밍으로 해결한다.
• 경계 집합으로부터 중심 기반의 점 추정치를 제공한다.
• SDP 기반의 비볼록 이완과 대조하여 직접적이고 기하학적이며 다면체적 접근을 채택한다.

실험 결과

연구 질문

• RQ1 거리 측정치와 한정된 오차에 일치하는 모든 점의 집합을 어떻게 특성화할 수 있는가?
• RQ2 단순한 볼록 형태를 사용하여 로컬라이제이션 집합의 촘촘하고 보장된 외부 경계를 계산할 수 있는가?
• RQ3 로컬라이제이션 집합에 대한 효과적인 내부 근사 전략은 무엇인가?
• RQ4 제안된 방법이 계산성 및 보장성 측면에서 SDP 이완과 어떻게 비교되는가?

주요 결과

• 로컬라이제이션 집합은 닫힌 구와 다면체로 형성된 교차 영역에 포함된다(로컬라이제이션 집합).
• 효율적인 볼록 프로그래밍 워크플로우는 로컬라이제이션 집합에 대해 촘촘한 외부 경계 상자나 타원체를 도출할 수 있다.
• 경계 집합의 중심은 점 위치 추정으로 작용한다.
• 구와 타원체를 통한 내부 근사는 볼록 프로그래밍으로 제시될 수 있다.
• 이 접근법은 비볼록 로컬라이제이션 문제에 대해 SDP 이완의 직접적인 기하학적 대안을 제공한다.