RSS와 연결성 융합을 통한 저비용 무선센서망 거리 추정 고성능 기법

1. 서론에서는 무선센서망에서 정확한 거리 추정이 위치추정, 토폴로지 제어, 경계 검출 등 다양한 응용에 핵심적임을 강조한다. 저비용 센서 노드에 추가 하드웨어를 부착하기 어려워 RSS와 연결성이라는 두 가지 기존 방법을 검토한다. RSS는 짧은 거리에서 유리하지만 장거리에서는 그림자와 경로손실에 의해 오차가 급증하고, 연결성은 장거리에서 평균 이웃 수를 이용해 거칠게 추정하지만 짧은 거리에서는 이산적인 이웃 수 때문에 정확도가 떨어진다. 두 방법의 상보성을 활용해 결합 추정기를 설계하고자 한다. 2. 관련 연구에서는 RSS 기반 방법들의 로그정규 모델 적용, 동적 보정, 다채널 평균화 기법 등을 소개하고, 연결성 기반 방법으로는 NIDES, 확장된 NIDES, 그리고 일반 채널 모델을 이용한 MLE 접근법을 언급한다. 기존 연구들은 각각 단일 정보에 의존해 성능 한계가 있음을 지적한다. 3. 시스템 모델에서는 무한 평면에 균일한 포아송 과정(밀도 λ)으로 노드를 배치하고, 두 노드 A와 B 사이의 실제 거리 d를 추정한다. RSS 기반 모델은 로그정규 그림자 모델 \(P_R(d)=P_R(d_0)-10\alpha\log_{10}(d/d_0)+Z\) 을 사용하고, 여기서 Z는 평균 0, 분산 σ²의 정규 난수이다. 이를 통해 거리 추정식 \(\hat d_R = 10^{(P_R(d_0)-P_R(d))/(10\alpha)} d_0\)를 얻는다. 연결성 기반 모델은 두 가지 경우를 다룬다. (1) 유닛 디스크 모델에서는 통신 반경 r을 갖는 원형 커버리지를 가정하고, 공통 이웃 수 M, 비공통 이웃 수 P, Q를 포아송 변수로 모델링한다. 이들의 평균은 영역 면적에 비례하며, 거리와 영역 교차 면적 f(d)와의 관계를 통해 추정식 \(\hat d_C = f^{-1}(\hat\rho S)\)를 도출한다. (2) 일반 채널 모델에서는 로그정규 그림자 효과를 포함한 성공 확률 함수 g(d)를 정의하고, 적분을 통해 기대값을 구한다. 실제 구현에서는 f(d)를 1차 선형 근사 \(k d + b\) 로 대체하고, \(\hat d_C = (\hat\rho S - b)/k\) 로 계산한다. 4. 제안된 융합 방법은 먼저 RSS와 연결성 각각의 오차 분포를 수식화한다. RSS 오차 \(\varepsilon_R = 10^{-Z/(10\alpha)}\)는 로그정규 분포를 따르고, 연결성 오차 \(\varepsilon_C = \hat d_C - d = ( \hat\rho S - f(d))/k\)는 \(\hat\rho\)의 베르누이/포아송 혼합 분포에 의해 결정된다. 두 오차가 독립이라고 가정하면 전체 로그우도는 두 개별 로그우도의 합이 된다. 최적 거리 추정 \(\hat d_{MLE}\)는 \(\partial \mathcal L(d)/\partial d = 0\)을 만족하는 d를 찾는 문제이며, 닫힌 형태 해가 없으므로 뉴턴-라프슨 반복을 사용한다. 초기값은 RSS 기반 추정치 \(\hat d_R\)를 사용하고, 수렴 기준은 상대 변화율 <10⁻⁶ 로 설정한다. 크래머-라오 하한은 피셔 정보 행렬 \(I(d) = I_R(d) + I_C(d)\) 로 구성된다. RSS 부분은 로그정규 모델의 파라미터에 대한 미분을 통해, 연결성 부분은 \(\hat\rho\)의 분산과 f(d)의 기울기 k를 이용해 계산한다. 최종 CRLB은 \(\text{Var}(\hat d_{MLE}) \ge 1/I(d)\) 로 표현된다. 5. 실험 및 시뮬레이션에서는 (a) 다양한 노드 밀도 λ (5~30 노드/㎡), (b) 경로손실 지수 α (2~4), (c) 그림자 표준편차 σ (4~10 dB) 조건을 변형하여 Monte‑Carlo 시뮬레이션을 수행했다. 결과는 RSS 단독, 연결성 단독, 그리고 제안 융합 방법의 평균 제곱오차(MSE)를 비교한다. 융합 방법은 전 거리 구간에서 MSE가 최소이며, 특히 중간 거리(5~15 m)에서 30%~50% 정도 개선을 보였다. 실제 실험은 상업용 TelosB 센서를 이용해 실내(교실)와 실외(공원) 환경에서 20개의 노드를 배치하고, 각 노드 쌍에 대해 RSS와 이웃 정보를 수집했다. 실험 결과는 시뮬레이션과 일치하게, 융합 추정이 CRLB에 근접함을 확인했다. 6. 결론에서는 제안 방법이 저비용 WSN에서 거리 추정 정확도를 크게 향상시키며, MLE 기반 융합이 이론적 최적에 가깝다는 점을 강조한다. 다만 계산 복잡도와 노드 밀도 의존성, 환경 파라미터 캘리브레이션 필요성 등 실용적 제약을 언급하고, 베이지안 융합, 적응형 파라미터 학습, 경량화 알고리즘 개발을 향후 연구 과제로 제시한다.