[論文レビュー] On Sensor Network Localization Using SDP Relaxation

Davood Shamsi, Nicole Taheri+2 more|arXiv (Cornell University)|Oct 11, 2010

Indoor and Outdoor Localization Technologies参考文献 30被引用数 7

ひとこと要約

本稿では、半正定値計画法（SDP）リラクゼーションを用いた正確なセンサーネットワーク局所化のための新しい十分条件を提示する。特定の目的関数を追加することで、スパースで最小限の距離情報が必要な三角形分割グラフにおいても正しく局所化が保証されることを示している。本研究では、ランダムに配置されたセンサーネットワークにおける一意な局所化可能性の非漸近的接続範囲の境界を初めて確立し、ヒューリスティックな目的関数の性能を評価。シミュレーションでは、未知距離の合計を最大化する目的関数が、成功確率の向上に顕著な効果を示した。

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.

研究の動機と目的

• センサーネットワークにおけるSDPリラクゼーションを用いた正確な局所化を保証する十分条件の特定。
• ランダムに配置されたセンサーネットワークにおける一意な局所化可能性に必要な送信範囲の非漸近的下界を導出すること。
• 常に正確に局所化可能な新しいグラフクラス（三角形分割グラフ）を考案し、適切な目的関数を用いたSDPによる局所化を実現・検証すること。
• 一般のグラフにおけるSDPリラクゼーションにおけるヒューリスティック目的関数の性能を評価・比較し、局所化成功確率の向上を図ること。
• 接続性と情報効率に基づいた実用的なセンサーネットワーク設計指針の提供。

提案手法

• 三角形分割グラフに対して正確な解が得られるよう、厳密補完性を強制する目的関数を修正したSDPリラクゼーションモデル（SNL-SDP）を提案。
• ランク条件の検証と、新しい目的関数下での一意な局所化可能性の証明に、ストレス行列解析を導入。
• ランダムセンサーネットワークが高確率で一意に局所化可能となるよう、送信範囲の非漸近的下界を導出。
• 解の精度と収束性を向上させるため、未知ノード間距離の合計を最大化するヒューリスティック目的関数を採用。
• さまざまな送信範囲を想定した200件の2次元ランダムセンサーネットワークに対して、広範な数値実験を実施し、目的関数間の性能を比較。
• 代替戦略をテストするため、遠く離れた点からの距離を最大化する目的関数（MAX-PT）を用い、最適な距離最大化手法と比較。

実験結果

リサーチクエスチョン

• RQ1 ランダムに配置されたセンサーネットワークが高確率で一意に局所化可能となるために必要な最小送信範囲は何か？
• RQ2 SDPリラクゼーションにおける特定の目的関数が、スパースかつ情報的に効率的な三角形分割グラフに対して正確な局所化を保証できるか？
• RQ3 SDPリラクゼーションにおける異なるヒューリスティック目的関数が、実際のセンサーネットワーク局所化の成功確率に与える影響は何か？
• RQ4 一般のセンサーネットワークグラフにおいて、SDPリラクゼーションが正しい一意な解を返す条件は何か？
• RQ5 SDPリラクゼーションにおける厳密補完性条件は、センサーネットワーク局所化において証明可能か？また、その成立は解の一意性に何を意味するか？

主な発見

• 本稿では、ランダムに配置された2次元センサーネットワークにおいて、一意な局所化可能性を高確率で保証する送信範囲の非漸近的下界を確立した。
• SDPリラクゼーションに距離最大化目的関数を追加することで、スパースかつ最小限の距離情報が必要な三角形分割グラフにおいて、正確な局所化が保証される。
• シミュレーションでは、MAX目的関数（未知距離の合計を最大化）が送信範囲0.35で100％の局所化成功率を達成し、ZERO、MIN、MAX-PT手法を上回った。
• MAX目的関数は送信範囲0.35で100％の成功確率を達成しており、理論的に導出された下界を著しく下回る結果であり、理論的限界を上回る実用的効率性を示唆している。
• MAX-PT目的関数（遠く離れた点からの距離を最大化）は、送信範囲0.4でわずか13％の成功確率にとどまり、劣った性能を示した。
• 理論的解析により、提案された目的関数下で三角形分割グラフに対して厳密補完性が成立することが確認され、一意かつ正しい解が保証される。