TDOA 측정의 이상치 제거를 위한 기하‑통계적 접근법

** 본 논문은 센서 배열에서 획득한 시간 차이(TDOA) 혹은 거리 차(RD) 측정값에 내재된 이상치 문제를 해결하기 위해, 완전히 통계적이고 기하학적인 접근법을 제시한다. 먼저 저자는 TDOA‑space라는 개념을 도입한다. n+1개의 센서가 있을 때 가능한 모든 TDOA는 q = n(n+1)/2 차원의 벡터로 표현되며, 이 벡터들의 집합을 ‘완전 TDOA 맵 τₙ : ℝ³ → ℝ^q’라 정의한다. 이 맵의 이미지인 ‘feasible set Θₙ’은 실제 소스 위치에 대응하는 순수한(노이즈 없는) TDOA 조합만을 포함한다. 논문은 Θₙ의 구조를 단계별로 분석한다. - **n=1 (두 센서)**: 단일 TDOA τ₁₀은 삼각 부등식에 의해 −d₁₀ ≤ τ₁₀ ≤ d₁₀ 라는 구간에 제한된다. - **n=2 (세 센서)**: 세 개의 TDOA는 Zero‑Sum Condition(τ₂₁ = τ₂₀ − τ₁₀)을 만족해 3차원 공간의 한 평면 V₂에 존재한다. 이 평면을 투영하면 2차원 ‘hexagon P₀₂’가 형성되고, 그 내부에 타원(E)와 3차 곡선(C)으로 구분된 영역이 존재한다. 실제 가능한 TDOA는 타원 내부(E⁻)와 C⁺∩P₀₂ 영역이다. - **n≥3**: 더 많은 센서가 추가되면 제약이 다면체와 다중 평면으로 확장되며, 각 그룹(쌍, 삼중 등)은 고유한 하위 공간에 매핑된다. 이러한 기하학적 제약을 바탕으로 저자는 이상치 검출을 위한 통계 모델을 구축한다. 측정값 ˆτ는 잡음에 의해 Θₙ 근처에 위치할 수 있지만, 이상치가 포함될 경우 feasible set으로부터 크게 벗어난다. 가우시안 잡음 가정 하에, 측정값과 해당 feasible set 사이의 최소 거리 제곱 d²는 자유도에 따라 χ² 분포를 따른다. 이를 이용해 다음 절차를 설계한다. 1. **그룹 정의**: 모든 센서 쌍(i,j)와 폐쇄 루프(i,j,k)를 고려한다. 각 그룹은 1‑차원(단일 TDOA), 2‑차원(공유 센서를 가진 TDOA 쌍), 3‑차원(삼중) 하위 공간에 매핑된다. 2. **거리 측정**: 각 그룹에 대해 측정값이 해당 feasible set에 가장 가까운 점까지의 최소 거리 d를 계산한다. 이는 투영 연산이나 작은 최적화 문제로 구현된다. 3. **χ² 검정**: d²를 자유도(1,2,3)와 대응되는 χ² 분포와 비교해 p‑값을 산출한다. 사전 정의된 유의수준(예: α=0.01)보다 작으면 해당 그룹에 이상치가 존재한다고 판단한다. 4. **다중 검정 보정**: 동일한 TDOA가 여러 그룹에 포함될 수 있으므로, Bonferroni, Holm‑Sidak 등 보정 방법을 적용해 전체 거짓 양성률을 제어한다. 5. **결합 판단**: 각 TDOA에 대해 여러 그룹 검정 결과를 논리합(OR) 혹은 가중 투표 방식으로 종합한다. 최종적으로 이상치로 판정된 TDOA를 제거한다. 이 알고리즘의 핵심 장점은 다음과 같다. - **사전 이상치 개수 필요 없음**: 검정이 각 그룹별로 독립적으로 수행되므로, 전체 이상치 수를 알 필요가 없다. - **측정 방식에 독립적**: GCC 피크 선택, RSSI, 혹은 다른 방법으로 얻은 TDOA 모두 동일하게 적용 가능하다. - **센서 위치 상대적 정보만 필요**: 절대적인 센서 좌표가 아니라 센서 간 상대 거리만 알면 충분히 동작한다. - **다중 그룹 활용**: 쌍과 삼중을 동시에 사용함으로써 검정의 민감도와 신뢰성을 동시에 확보한다. 실험 부분에서는 두 가지 주요 평가가 이루어졌다. - **합성 시뮬레이션**: 다양한 센서 수(4~10), 잡음 표준편차(0.01~0.1 s), 이상치 비율(5 %~30 %)를 설정하고, 제안 알고리즘의 검출 정확도, 정밀도, 재현율을 기존 Residual‑based, GCC‑peak‑based, DATEMM 등과 비교했다. 제안 방법은 특히 높은 잡음 환경에서도 거짓 양성률을 낮게 유지하면서 높은 검출률을 보였다. - **실제 실험**: 마이크 8개 배열을 이용해 음향 소스(스피커) 위치를 추정하였다. 원시 TDOA를 사용한 경우 평균 위치 오차가 약 0.45 m였으나, 제안 알고리즘으로 이상치를 사전 제거한 후에는 0.31 m(≈30 % 감소)로 개선되었다. 또한, 레이더 시뮬레이션과 무선 센서 네트워크(RSSI 기반 거리 차)에서도 동일한 경향이 확인되었다. 마지막으로 논문은 알고리즘의 복잡도를 분석한다. 각 센서 쌍에 대해 거리 계산은 O(1)이며, 전체 복잡도는 O(n²) (쌍) + O(n³) (삼중) 정도로, 실시간 적용이 가능한 수준이다. 또한, 다중 검정 보정과 결합 단계는 선형 시간에 수행된다. 결론적으로, 본 연구는 TDOA‑space라는 강력한 기하학적 프레임워크와 χ² 기반 통계 검정을 결합함으로써, 기존 방법보다 더 견고하고 적용 범위가 넓은 이상치 제거 기법을 제시한다. 이는 음향 로컬라이제이션, 레이더, 무선 센서 동기화 등 다양한 분야에서 측정 정확도를 크게 향상시킬 수 있는 실용적인 도구가 될 것으로 기대된다. **