분산 센서 위치추정 알고리즘 DILAND의 잡음 저항성 강화

초록

본 논문은 거리 측정값과 통신에 잡음이 섞이고 링크가 불규칙히 끊기는 환경에서도 센서들의 정확한 위치를 거의 확실히 복원할 수 있는 분산 알고리즘 DILAND을 제안한다. 최소 m+1개의 앵커가 존재하고, 각 센서는 자신의 삼각형 이웃을 통해 좌표를 추정한다. 제안된 방법은 기존 DLRE를 확장해 확률적 수렴을 보장하며, 거의 확실히(a.s.) 실제 위치에 수렴한다는 이론적 증명을 제공한다.

상세 분석

DILAND은 기존의 DLRE(Distributed Localization with Random Errors) 프레임워크를 기반으로 하면서, 실제 무선 센서 네트워크에서 흔히 발생하는 세 가지 불확실성을 동시에 모델링한다. 첫째, 센서 간 통신 자체에 가우시안 잡음이 섞여 있어 전송된 메시지의 값이 왜곡된다. 둘째, 링크 실패 확률이 양의 값을 갖는 비정상적인 네트워크 토폴로지를 허용한다. 셋째, 거리 측정 단계에서 발생하는 측정 잡음이 존재한다는 점이다. 이러한 잡음과 실패는 전통적인 선형 시스템 이론으로는 수렴을 보장하기 어렵지만, 저자들은 확률적 근사와 마르코프 체인 수렴 이론을 결합해 알고리즘의 강인성을 증명한다.

알고리즘은 각 센서가 자신의 이웃(삼각형을 이루는 최소 m+1개의 노드)으로부터 받은 거리 추정값을 이용해 가중합 형태의 업데이트 규칙을 수행한다. 가중치는 각 이웃과의 거리 역수에 비례하도록 설계되어, 거리 오차가 클수록 영향력이 감소한다. 동시에, 통신 잡음은 평균이 0인 독립 동일분포( i.i.d.)로 가정하고, 시간에 따라 감소하는 학습률(stepsize) α(t) 를 도입해 잡음의 누적 효과를 소멸시킨다. 학습률은 ∑α(t)=∞, ∑α(t)²<∞ 를 만족하도록 선택되며, 이는 Robbins-Monro 유형의 확률적 근사 알고리즘에서 필수적인 조건이다.

연결성 가정은 “전역 강연결성” 대신 “부분 강연결성”을 요구한다. 즉, 모든 센서는 최소 하나의 삼각형 이웃 집합을 가지고, 그 집합은 앵커를 포함하는 볼록 껍질 안에 존재한다면 충분하다. 이 조건은 실제 배치에서 센서가 고르게 퍼져 있지 않아도 적용 가능하게 만든다. 또한, 링크 실패 모델은 베르누이 과정으로 가정하여, 각 시간 단계에서 특정 링크가 활성화될 확률 p>0 를 갖는다. 이때, 기대값 관점에서 그래프는 평균적으로 연결성을 유지하므로, 수렴 증명에 필요한 마르코프 연쇄의 에르고딕성 조건을 만족한다.

수학적으로는 센서 위치 벡터 x(t) 를 다음과 같이 표현한다.
x_i(t+1)=x_i(t)+α(t)·∑{j∈N_i(t)} w{ij}(t)·