[논문 리뷰] Multilateration: Methods For Clustering Intersection Points For Wireless Sensor Networks Localization With Distance Estimation Error

Marios Karagiannis, Ioannis Chatzigiannakis외 1명|arXiv (Cornell University)|2012. 03. 16.

Indoor and Outdoor Localization Technologies참고 문헌 16인용 수 9

한 줄 요약

이 논문은 무선 센서 노드의 위치를 锚 노드를 사용하여 다중거리 기반 방법으로 국소화하기 위한 세 가지 방법을 제안한다. 거리 추정 원의 교차점을 군집화하여 범위 측정 오차 상황에서 정확도를 향상시킨다. 방법 2는 연결성과 오차 수준이 다양할 때도 일관되게 위치 추정 오차를 감소시키며 가장 높은 강건성을 보이며, 방법 3는 오차가 0일 때 정확도가 완벽하다.

ABSTRACT

In this paper we describe three methods for localizing a wireless sensor network node, using anchor nodes in its neighbourhood, when there is an error in distance estimation present. We use the intersection points of the circles formed with the estimated distances from each anchors and we apply different methods to form clusters. We then use the cluster points to calculate the final position.

연구 동기 및 목표

• GPS가 사용 불가인 환경(실내 또는 지구 외 임무 등)에서 거리 추정의 부정확성 문제를 해결한다.
• 임의의 노드에서 이웃한 锚 노드까지의 거리 추정값을 바탕으로 형성된 원의 교차점을 군집화하여 국소화 정확도를 향상시킨다.
• 다양한 수준의 범위 측정 오차와 네트워크 연결성 하에서 다양한 군집 전략의 강건성과 정확도를 평가한다.
• 측정 노이즈가 존재하더라도 성능을 유지하는 GPS 기반 국소화의 실용적이고 저비용 대안을 제공한다.

제안 방법

• 목표 노드에서 이웃한 锚 노드까지의 거리 추정값을 사용하여 각 锚 노드 중심에 반지름이 해당 추정 거리와 같은 원을 그린다.
• 그린 원들 사이의 모든 쌍별 교차점을 계산하여 후보 위치 점을 생성한다.
• 세 가지 다른 군집 알고리즘을 적용하여 교차점을 군집화한다: 방법 1은 k-means 군집화를 사용하고, 방법 2는 국소 최댓값 탐지 기반의 밀도 기반 접근법을 사용하며, 방법 3는 가장 자주 발생하는 영역을 선택하기 위한 투표 기반 방법을 사용한다.
• 노이즈 또는 일관되지 않은 교차점으로 인한 오차를 최소화하기 위해 가장 두드러진 군집의 중심을 최종 노드 위치로 추정한다.
• 거리 추정 오차를 진짜 거리의 백분율로 모델링하며, 각 반복에서 [진짜거리 - 진짜거리×e, 진짜거리 + 진짜거리×e] 범위에서 균일하게 오차 값을 샘플링한다.
• 100개의 노드씩 네트워크당 평균 총 오차를 사용하여 성능을 평가하며, 오차 수준 0%에서 20%까지 200회의 반복을 수행한다.

실험 결과

연구 질문

• RQ1 다양한 군집 전략이 거리 추정 오차 상황에서 다중거리 교차점의 국소화 정확도에 어떤 영향을 미치는가?
• RQ2 거리 추정 오차 수준이 증가함에 따라 어떤 방법이 가장 낮은 위치 추정 오차를 유지하는가?
• RQ3 네트워크 연결성(평균 차수)은 각 군집 전략의 성능에 어떤 영향을 미치는가?
• RQ4 거리 추정 오차가 매우 작을 때 군집 전략이 근사적으로 0 오차를 달성할 수 있는가?
• RQ5 어느 방법이 다양한 네트워크 구조와 오차 조건에서 가장 일관되고 강건한 성능을 보이는가?

주요 결과

• 방법 2는 가장 높은 강건성을 보였으며, 테스트한 네 개의 네트워크와 증가하는 오차 수준 전반에서 일관되게 낮은 위치 추정 오차를 기록했다.
• 방법 2는 평균 연결성이 증가함에 따라 오차 기울기가 감소하는 경향을 보이며, 더 많은 锚 노드가 가용할수록 성능이 향상됨을 나타냈다.
• 방법 1과 2는 매우 낮은 거리 오차 수준(<0.5%)에서 높은 추정 오차를 보였지만, 방법 3는 거리 오차가 0일 때 0%의 위치 추정 오차를 달성했다.
• 방법 3는 근사적으로 0 오차 수준에서 가장 정확했으며, 이상적인 조건에서의 정밀도를 확인했다.
• 모든 방법이 네트워크 연결성이 높아질수록 정확도가 향상되었지만, 방법 2는 정확도와 안정성 사이의 최적의 균형을 유지했다.
• 결과는 군집 전략이 실제 거리 추정 오차 조건에서 국소화 성능에 상당한 영향을 미친다는 것을 확인했다.