[论文解读] A New Approach for Boundary Recognition in Geometric Sensor Networks

Sándor P. Fekete, Michael Kaufmann+2 more|ArXiv.org|Aug 1, 2005

Indoor and Outdoor Localization Technologies参考文献 1被引用 84

一句话总结

本文提出一种基于受限应力中心性的分布式、无GPS边界识别算法——一种基于图论的度量方法，通过分析通信范围内的邻居非邻接模式，依据局部拓扑结构识别边界节点。该方法在高达80,000个节点的网络中通过实验验证，当阈值θ=1/3时，对较大邻域尺寸表现出较低的错误率，具有高精度。

ABSTRACT

We describe a new approach for dealing with the following central problem in the self-organization of a geometric sensor network: Given a polygonal region R, and a large, dense set of sensor nodes that are scattered uniformly at random in R. There is no central control unit, and nodes can only communicate locally by wireless radio to all other nodes that are within communication radius r, without knowing their coordinates or distances to other nodes. The objective is to develop a simple distributed protocol that allows nodes to identify themselves as being located near the boundary of R and form connected pieces of the boundary. We give a comparison of several centrality measures commonly used in the analysis of social networks and show that restricted stress centrality is particularly suited for geometric networks; we provide mathematical as well as experimental evidence for the quality of this measure.

研究动机与目标

• 解决在无GPS或集中控制的大规模、去中心化几何传感器网络中边界检测的挑战。
• 开发一种轻量级、分布式的协议，使节点仅通过本地通信和拓扑信息即可自我识别为边界节点。
• 评估中心性度量（尤其是受限应力中心性）在随机均匀节点分布中检测几何边界的有效性。
• 为实际、可扩展的边界检测提供解决方案，最大限度降低真实传感器部署中的通信开销和能耗。

提出的方法

• 该方法使用受限应力中心性（st(v)）来量化节点的拓扑中心性，定义为通过节点v连接的非邻接邻居对的归一化比例。
• 基于节点到边界的距离s，利用几何概率计算重叠通信圆盘的面积比，建立节点的期望应力值模型。
• 通过基于树的泛洪协议实现分布式计算，收集并传播节点度数直方图，以计算期望度数E[δ(v)]。
• 预先计算阈值θ，若st(v) ≤ θ × (E[δ(v)] choose 2)，则将节点分类为边界节点；θ=1/3为经验最优值。
• 使用蒙特卡洛模拟估计内部节点与边界节点的st(v)分布，以支持误差分析和阈值选择。
• 该方法假设节点均匀随机分布，且通信范围固定为r，不依赖坐标信息。

实验结果

研究问题

• RQ1 在无全局坐标的几何传感器网络中，受限应力中心性能否有效区分边界节点与内部节点？
• RQ2 在局部通信约束下，受限应力中心性与其它中心性度量相比，在检测几何边界时表现如何？
• RQ3 何种阈值θ能最优地分离边界节点与内部节点，以最小化误报和漏报？
• RQ4 边界检测的准确性如何随邻域尺寸和网络密度的增加而变化？

主要发现

• 受限应力中心性因对区域边缘附近局部拓扑不对称性的敏感性，优于其他中心性度量，能更有效地识别几何边界。
• 数值积分得出，当节点距离边界s ≥ r时，期望应力值σ ≈ 0.4135，为阈值选择提供了基准。
• 蒙特卡洛模拟表明，当邻域尺寸为200时，边界检测的错误率可趋近于零，且在θ=1/3时误报极少。
• 该方法仅依赖本地通信且无需位置硬件，即可在大规模网络（最多80,000个节点）中实现高精度的边界节点检测。
• 该算法的总运行时间和消息大小受O(|V| log²|V|)限制，适用于大规模网络的可扩展性。