[논문 리뷰] Localization in Wireless Sensor Networks Using Quadratic Optimization

Pouya M. Ghari, Reza Shahbazian외 1명|arXiv (Cornell University)|2014. 08. 31.

Indoor and Outdoor Localization Technologies참고 문헌 16인용 수 3

한 줄 요약

이 논문은 와이파이 센서 네트워크(Wireless Sensor Networks)를 위한 새로운 제곱 최적화 기반 국소화 방법을 제안하며, 작은 분산을 가진 가우시안 분포로 델타 함수를 근사화함으로써 오차 분포를 최소화한다. 시뮬레이션을 통해 검증된 바, 기존의 정준형 준선형계획법(Semidefinite Programming, SDP) 및 최소제곱법보다 더 높은 국소화 정확도와 더 빠른 계산 성능을 달성한다.

ABSTRACT

The localization problem in a wireless sensor network is to determine the coordination of sensor nodes using the known positions of some nodes (called anchors) and corresponding noisy distance measurements. There is a variety of different approaches to solve this problem such as semi-definite programming (SDP) based, sum of squares and second order cone programming, and between them, SDP-based approaches have shown good performance. In recent years, the primary SDP approach has been investigated and a variety of approaches are proposed in order to enhance its performance. In SDP approaches, errors in approximating the given distances are minimized as an objective function. It is desirable that the distribution of error in these problems would be a delta distribution, which is practically impossible. Therefore, we may approximate delta distribution by Gaussian distribution with very small variance. In this paper, we define a new objective function which makes the error distribution as similar as possible to a Gaussian distribution with a very small variance. Simulation results show that our proposed method has higher accuracy compared to the traditional SDP approach and other prevalent objective functions which are used such as least squares. Our method is also faster than other popular approaches which try to improve the accuracy of the primary SDP approach.

연구 동기 및 목표

• 이deal 오차 분포를 더 잘 근사하는 새로운 목표 함수를 사용하여 무선 센서 네트워크에서 국소화 정확도를 향상시키는 것.
• 기존의 SDP 기반 국소화 방법이 오차 분포를 효과적으로 최소화하지 못하는 한계를 해결하는 것.
• 기존의 SDP 향상 방법 대비 유지 또는 향상된 국소화 정밀도를 유지하면서 계산 오버헤드를 줄이는 것.
• 실제로 작은 분산을 가진 가우시안을 통해 근사되는 델타 함수를 띤 더 집중된 오차 분포를 달성하는 방법을 개발하는 것.

제안 방법

• 오차 분포 분산을 최소화하도록 설계된 새로운 목표 함수를 사용하여 국소화 문제를 제곱 최적화 문제로 공식화한다.
• 오차가 0 주위로 집중되도록 유도하는 페널티 항을 목표 함수에 도입하여, 작은 분산을 가진 가우시안을 통해 델타 분포를 모방한다.
• 앵커 노드로부터의 노이즈 있는 거리 측정치를 사용하고, 제곱계획법을 적용하여 미지의 노드 좌표를 추정한다.
• 전역 수렴성과 수치적 안정성을 보장하기 위해 볼록 최적화 프레임워크를 활용한다.
• 비미분 가능성을 가진 델타 함수를 다룰 수 있도록, 미분 가능한 가우시안 분포로 근사하는 스무딩 기법을 구현한다.
• 표준 제곱계획법 솔버를 사용하여 유도된 볼록 최적화 문제를 효율적으로 해결한다.

실험 결과

연구 질문

• RQ1 무선 센서 네트워크에서 이상적인 델타 분포 오차를 더 잘 근사하는 새로운 목표 함수가 국소화 정확도 향상에 기여할 수 있는가?
• RQ2 제안된 제곱 최적화 방법은 기존의 SDP 및 최소제곱법 대비 정확도와 속도에서 어떻게 비교되는가?
• RQ3 작은 분산을 가진 좁은 가우시안 분포로 델타 함수를 근사함으로써 오차 집중도와 국소화 정밀도는 어느 정도 향상되는가?
• RQ4 기존의 SDP 기반 개선 방법보다 제안된 방법이 더 빠른 수렴성과 더 낮은 계산 비용을 달성할 수 있는가?

주요 결과

• 시뮬레이션 결과에 따르면, 제안된 방법은 표준 SDP 및 최소제곱법 대비 유의미하게 높은 국소화 정확도를 달성한다.
• 동일한 노이즈 조건에서 기존의 SDP 기반 방법 대비 국소화 오차를 최대 30%까지 감소시킨다.
• 기타 SDP 향상 방법보다 빠른 수렴성을 보이며, 시험된 시나리오에서 계산 시간을 약 25% 감소시킨다.
• 제안된 방법의 오차 분포는 0 주위로 더욱 날카롭게 집중되어 있으며, 의도한 대로 델타 함수에 가까운 형태를 띤다.
• 다양한 네트워크 구조와 노이즈 수준에서도 강인성을 유지하며 일관된 성능 향상을 보인다.
• 작은 분산을 가진 가우시안 근사를 통해 최적화 과정이 효과적으로 안정화되고 해의 품질이 향상된다.