다중경로 환경에서 협력적·분산형 센서 위치추정: 베일리프 전파 기반 알고리즘

초록

본 논문은 TOA와 AOA 정보를 활용해 다중경로(NLOS) 환경에서도 단일 앵커에 대해 전 네트워크가 협력적으로 자기위치를 추정하도록 설계된 베일리프 전파(BP) 기반 분산 알고리즘을 제안한다. 기하학적 모델링과 가우시안 잡음 가정을 통해 각 센서 간의 거리·방향 관계를 선형화하고, 팩터 그래프 상에서 Gaussian 메시지를 교환함으로써 저오버헤드·확장성을 확보한다. 시뮬레이션 결과, 루프가 존재함에도 불구하고 수렴하며, 전통적인 1‑hop(쌍별) 방식에 비해 위치 오차가 크게 감소한다.

상세 분석

이 논문은 무선 센서 네트워크(WSN)에서 GPS가 불가능하거나 비용이 높은 실내·도시 환경을 대상으로, 다중경로(NLOS) 신호를 활용한 새로운 위치추정 프레임워크를 제시한다. 핵심 아이디어는 각 센서가 수신한 TOA(Time‑of‑Arrival)와 AOA(Angle‑of‑Arrival) 정보를 이용해, 송신 센서와 수신 센서 사이에 존재하는 단일 반사 경로나 다중 반사 경로를 기하학적으로 모델링하는 것이다. 식(1)~(3)에서 도출된 관계식은 두 센서 사이의 거리·방향 측정값을 선형 결합 형태로 표현하며, 이를 행렬 G와 그 의사역 G† 로 정리한다. 잡음은 독립적인 가우시안 변수 $ 로 가정하고, 전체 측정 벡터 d와 행렬 G를 이용해 각 센서의 위치 추정식을 (5)와 같이 닫힌 형태로 얻는다.

하지만 네트워크 전체에 걸쳐 모든 센서가 서로 연결된 경우, 각 센서의 사후 확률은 다수의 이웃 센서와 복합적으로 얽힌 고차원 분포가 된다. 직접적인 MAP 추정은 계산량이 급격히 증가하므로, 저자들은 베일리프 전파(Belief Propagation, BP)를 적용한다. 팩터 그래프에서는 변수 노드(s_i)와 두 센서 사이의 상호작용을 나타내는 팩터 노드(f_ij, f_ji)로 구성되며, 메시지는 Gaussian 형태로 유지된다. 초기 앵커(S_0)의 위치는 확정값으로 처리하고, 나머지 센서는 평균이 0이고 큰 분산을 갖는 가우시안 사전분포를 할당한다.

알고리즘 1은 각 센서가 이웃에게 현재 베일리프(belief)를 브로드캐스트하고, 수신된 베일리프와 자신의 측정값을 이용해 새로운 Gaussian 메시지를 계산한 뒤, 이를 다시 자신의 베일리프에 곱해 업데이트하는 과정을 반복한다. 메시지와 베일리프의 평균·공분산만 교환하면 되므로 통신 오버헤드가 매우 낮다. 또한, 행렬 연산이 모두 2×2 차원에서 이루어지므로 계산 복잡도도 선형에 가깝다.

수렴성에 대한 이론적 보장은 루프가 있는 그래프에서는 일반적으로 어려우나, 시뮬레이션에서는 10~15 회 반복 내에 안정적인 평균값에 수렴한다. 실험에서는 5개의 센서가 10 m×10 m 영역에 무작위 배치된 경우를 고려했으며, 각 센서는 단일 반사 경로나 직접 LOS 경로를 통해 서로 연결된다. 측정 잡음은 거리에서 σ=3 m, 각도는 ±5°의 균등분포로 설정하였다. 결과는 두 가지 시나리오(직교 스캐터와 임의 스캐터)에서 제시되었으며, 특히 앵커와 직접 연결되지 않은 센서(S_3, S_4)의 경우, 전통적인 1‑hop(쌍별) 방식에서는 오차가 1 m 이상으로 크게 누적되는 반면, 협력적 BP 기반 방법에서는 평균 오차가 0.7 m 이하로 크게 감소한다. 이는 이웃 센서들 간의 정보 공유가 NLOS 편향을 상쇄하고, 전체 네트워크가 공동으로 최적화된 위치 추정을 수행함을 의미한다.

이 논문의 주요 공헌은 다음과 같다. 첫째, 다중경로 환경을 기하학적으로 모델링해 거리·방향 측정값을 선형 시스템으로 변환함으로써 복잡한 비선형 추정 문제를 단순화하였다. 둘째, 베일리프 전파를 이용해 분산형으로 구현 가능한 Gaussian 메시징 프레임워크를 제시함으로써, 중앙집중식 계산 없이도 네트워크 전반에 걸친 위치 추정이 가능하도록 했다. 셋째, 시뮬레이션을 통해 루프가 존재하는 실제 네트워크에서도 수렴하고, 기존의 1‑hop 방식 대비 평균 위치 오차를 60~80% 정도 감소시킴을 입증하였다. 이러한 장점은 전력 제한이 심한 IoT 디바이스나 실내 로봇, 스마트 빌딩 관리 등에서 실시간·저전력 위치 서비스를 구현하는 데 큰 잠재력을 가진다.