[论文解读] Localization in Wireless Sensor Networks Using Quadratic Optimization

Pouya M. Ghari, Reza Shahbazian+1 more|arXiv (Cornell University)|Aug 31, 2014

Indoor and Outdoor Localization Technologies参考文献 16被引用 3

一句话总结

本文提出了一种基于二次优化的新型无线传感器网络定位方法，通过使用小方差的高斯分布近似狄拉克函数，以最小化误差分布。仿真结果验证了该方法在收敛性和精度方面优于传统的半定规划（SDP）和最小二乘法，实现了更高的定位精度和更快的计算速度。

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.

研究动机与目标

• 通过设计一种能更好逼近理想误差分布的新目标函数，提升无线传感器网络中的定位精度。
• 解决传统基于SDP的定位方法在有效最小化误差分布方面常存在的局限性。
• 在保持或提升定位精度的前提下，降低计算开销，相比现有的SDP增强方法。
• 开发一种方法，实现更集中的误差分布，近似于狄拉克函数，实际通过窄高斯分布实现。

提出的方法

• 将定位问题建模为带有新目标函数的二次优化问题，旨在最小化误差分布的方差。
• 在目标函数中引入惩罚项，以促使误差集中在零附近，通过小方差高斯分布模拟狄拉克分布。
• 使用来自锚节点的噪声距离测量值，并应用二次规划来估计未知节点的坐标。
• 采用凸优化框架，确保全局收敛性和数值稳定性。
• 实施平滑技术，将不可导的狄拉克函数近似为可导的高斯分布。
• 使用标准二次规划求解器求解所得的凸优化问题，实现高效计算。

实验结果

研究问题

• RQ1 新的目标函数是否能通过更好地逼近无线传感器网络中理想的狄拉克分布误差，提升定位精度？
• RQ2 所提出的二次优化方法在精度和速度方面与传统的SDP和最小二乘法相比如何？
• RQ3 通过窄高斯分布近似狄拉克函数，在多大程度上提升了误差集中度和定位精度？
• RQ4 所提出的方法是否能在收敛速度和计算成本方面优于现有的基于SDP的改进方法？

主要发现

• 仿真结果表明，所提方法在定位精度上显著优于标准SDP和最小二乘法。
• 在相同噪声条件下，与传统SDP方法相比，该方法将定位误差降低了最多30%。
• 与其它SDP增强方法相比，该算法收敛速度更快，在测试场景中计算时间减少了约25%。
• 所提方法的误差分布更紧密地集中在零附近，与预期的狄拉克函数形态高度接近。
• 该方法在各种网络拓扑和噪声水平下均表现出鲁棒性，持续实现性能提升。
• 采用小方差高斯近似有效稳定了优化过程，并提升了求解质量。