무선센서 네트워크에서, 위치기반의 라우팅 알고리즘은 네트워크의 성능을 향상 시킬 수 있다. 따라서 많은 위치 추적 알고리즘이 제안되고 있다. 하지만, 실제 상황의 무선센서 네트워크에서 각각의 노드가 자신의 위치를 인지할 시 오차가 수반된다. 특히 실내 환경은 콘크리트 벽이나 가구와 같은 NLOS환경을 만드는 장해물을 가지고 있기 때문에 위치 추적 시 심각한 오차가 발생한다. 이러한 문제를 해결하기 위해서, 앵커노드로부터 얻어지는 위치정보로 구축한 토폴로지와 모바일 노드간의 연결을 가중치로 하는 MST 토폴로지 정보의 차이점을 이용해서 위치 오차를 보정하는 알고리즘을 제안한다. 제안한 알고리즘은 NLOS환경이 존재하는 네트워크에서, 위치 오차를 보정하여 위치기반 네트워크의 성능을 개선할 수 있다.
무선센서 네트워크에서, 위치기반의 라우팅 알고리즘은 네트워크의 성능을 향상 시킬 수 있다. 따라서 많은 위치 추적 알고리즘이 제안되고 있다. 하지만, 실제 상황의 무선센서 네트워크에서 각각의 노드가 자신의 위치를 인지할 시 오차가 수반된다. 특히 실내 환경은 콘크리트 벽이나 가구와 같은 NLOS환경을 만드는 장해물을 가지고 있기 때문에 위치 추적 시 심각한 오차가 발생한다. 이러한 문제를 해결하기 위해서, 앵커노드로부터 얻어지는 위치정보로 구축한 토폴로지와 모바일 노드간의 연결을 가중치로 하는 MST 토폴로지 정보의 차이점을 이용해서 위치 오차를 보정하는 알고리즘을 제안한다. 제안한 알고리즘은 NLOS환경이 존재하는 네트워크에서, 위치 오차를 보정하여 위치기반 네트워크의 성능을 개선할 수 있다.
In wireless sensor networks(WSNs), geographical routing algorithms can enhance the network capacity. However, in real WSNs, it is difficult for each node to know its physical location accurately. Especially, indoor environments contain various obstacles such as concrete wall, furniture which cause n...
In wireless sensor networks(WSNs), geographical routing algorithms can enhance the network capacity. However, in real WSNs, it is difficult for each node to know its physical location accurately. Especially, indoor environments contain various obstacles such as concrete wall, furniture which cause non-line-of-sight(NLOS) conditions. To solve the problem, we propose location error compensation algorithm by using two difference topology constructions. First topology is based on mobile node's location which is obtained from anchor nodes. Second topology is based on mutual distance from neighbor nodes. The proposed algorithm efficiently detects and corrects the location errors and significantly enhances the network performance of geographic routing in the presence of location errors.
In wireless sensor networks(WSNs), geographical routing algorithms can enhance the network capacity. However, in real WSNs, it is difficult for each node to know its physical location accurately. Especially, indoor environments contain various obstacles such as concrete wall, furniture which cause non-line-of-sight(NLOS) conditions. To solve the problem, we propose location error compensation algorithm by using two difference topology constructions. First topology is based on mobile node's location which is obtained from anchor nodes. Second topology is based on mutual distance from neighbor nodes. The proposed algorithm efficiently detects and corrects the location errors and significantly enhances the network performance of geographic routing in the presence of location errors.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 서로 다른 정보를 이용해서 두 가지의 토폴로지를 구축하고, 이의 차이점을 이용해서 NLOS 환경에서 정확한 위치를 측정하고, 효율적인 토폴로지를 구축하는 알고리즘을 제안한다. 네트워크의 구성은 자신의 위치를 알고 있는 고정된 노드인 앵커노드와 위치추적의 대상인 모바일 노드로 구성된다.
본 논문은 실내 환경에서 효율적인 토폴로지를 구축함과 동시에 정확한 위치추정을 제공하는 알고리즘을 제안하였다. 기존에 존재하는 위치추정 알고리즘의 경우 LOS환경에 대하여 정확한 위치추정을 가능하게 하지만, NLOS의 경우에는 많은 오차 가능성을 가지고 있다.
위치오차를 감지하는 과정에서는 두 개의 토폴로지를 구축하고 차이점을 갖는 모바일 노드를 찾는 것을 목표로 한다. 우선 모든 앵커노드는 자신의 위치정보를 방송한다.
이러한 문제를 해결하기 위해서 새로운 알고리즘을 제안한다. 알고리즘은 위치 오차를 가지고 있는 모바일 노드를 찾는 단계를 거쳐 위치 오차를 보정하고 효율적인 토폴로지를 구축하는 것으로 구성된다.
제안 방법
신호를 받은 모바일 노드는 식별 가능한 거리에 있는 모든 노드들과 서로 패킷을 주고받아 SDS-TWR기술을 통해서 모든 이웃 노드와의 거리와 앵커노드의 위치 정보가 담긴 테이블을 만든다. 각각의 모바일 노드는 테이블의 정보와 MMSE와 LSE를 근간으로 하는 위치추정 알고리즘을 이용해서 자신의 위치를 추정한다.
표2는 제안된 알고리즘의 성능을 확인하기 위해서 동일한 실험 환경을 기준으로 기존의 다른 위치추정 알고리즘을 적용하여 성능을 비교한 결과이다. 기존의 알고리즘은 모바일 노드의 위치추정에 주안점을 두기 때문에 모바일 노드의 위치오차 평균값만을 비교하였다.
두 가지 토폴로지가 구축되면, 각각의 모바일 노드는 두 토폴로지에서 자신과 연결이 되는 대상노드가 동일한가를 비교하고, 그 연결의 거리 값은 유사한지 파악을 한다. 이 때 연결되는 대상노드가 다르거나, 대상노드와의 거리 차이가 임계값(∆Th )을 넘어서면, 해당 모바일 노드는 위치오차를 가질 가능성이 있다고 판단한다.
실험환경은 10m X 10m의 환경에 4개의 앵커노드와 7개의 모바일 노드를 배치하였다. 모바일 노드 중 3, 6번의 2개의 노드에 NLOS환경에 따른 거리 측정오차를 삽입하였고, LSE 알고리즘과 다변측량법으로 위치를 추정하였다.
본 논문에서는 Ⅱ장에서는 LOS와 NLOS환경에서 실제 측정되는 거리 값의 비교와 이 오차가 야기할 수 있는 문제점을 제시한 후, Ⅲ장에서는 이를 해결하기 위한 알고리즘을 위치오차 탐지와 보정의 단계를 거쳐서 제안한다. 그리고 Ⅳ장에서는 실제 실험한 결과를 통하여 알고리즘의 성능을 확인하는 내용과 결론으로 구성된다.
위치 좌료를 이용해서 위치기반인 첫 번째 토폴로지를 구축 후, 모바일 노드는 모바일 노드 상호간의 거리만을 이용해서 두 번째 토폴로지를 구축한다. SDS-TWR기술을 이용한 거리측정 결과를 가중치로 하여 MST 토폴로지를 구축하면, 모바일 노드들은 자신들의 위치 정보는 갖지 못하고 노드간의 거리 값과 자신과 연결된 노드의 정보만을 갖게 된다.
제안된 알고리즘의 성능을 확인하기 위해서, NLOS 환경이 존재하는 실내 환경에서 실험을 하여 성능을 검증하였다. 실험을 수행하기 위해서 Nanotron에서 제공하는 NanoPAN5375[8] 모트를 노드로써 사용하여 SDS-TWR기술로 거리를 측정하였고, 결과확인을 위해서는 모트로 데이터를 수집하여 결과를 그림6으로 출력 하였다.
토폴로지 구축 후 각 모바일 노드는 두 토폴로지에서 각각의 연결과 가중치 값을 비교하여 토폴로지의 차이점을 찾아 위치오차가 있는 모바일노드를 찾고, 오차가 없는 모바일 노드들만을 이용해서 위치를 보정한다.
대상 데이터
실제 실험에서 노드간의 거리를 측정하기 위해서 IEEE 802.15.4a에서 정의한 symmetric double sided two way ranging(SDS-TWR)[7]기술을 이용하는 NanoPAN 5375[8] 모트를 노드로 사용하여 수행되었다.
실험환경은 10m X 10m의 환경에 4개의 앵커노드와 7개의 모바일 노드를 배치하였다. 모바일 노드 중 3, 6번의 2개의 노드에 NLOS환경에 따른 거리 측정오차를 삽입하였고, LSE 알고리즘과 다변측량법으로 위치를 추정하였다.
데이터처리
제안된 알고리즘의 성능을 확인하기 위해서, NLOS 환경이 존재하는 실내 환경에서 실험을 하여 성능을 검증하였다. 실험을 수행하기 위해서 Nanotron에서 제공하는 NanoPAN5375[8] 모트를 노드로써 사용하여 SDS-TWR기술로 거리를 측정하였고, 결과확인을 위해서는 모트로 데이터를 수집하여 결과를 그림6으로 출력 하였다.
이론/모형
MST 토폴로지의 구축은 Prim’s 알고리즘[10]을 따라서 그림4와 같은 과정으로 토폴로지를 구축한다.
첫 번째 토폴로지인 위치기반 토폴로지는 앵커노드의 위치로부터 측정된 모바일노드의 위치좌표를 이용해서 구축한다. 모바일노드의 위치좌표는 앵커노드와의 거리 값 정보를 토대로 minimum mean square error(MMSE)와 LSE 알고리즘을 활용하여 위치를 추정한다.
은 모바일 노드와 n(1~N)번째 앵커노드와의 좌표 상으로 계산된 거리 값이다. 위치추정 오차인 식(1)을 최소로 하는 미지수 (x0, y0)은 linear least square method(LLM)를 이용해서 계산한다. 선형화의 가정으로 ‘en(x0, y0) = 0’으로 설정하고, 추정 오차를 최소로 한 후 식(1)을 정리하면 다음과 같이 식(2)로 정리 할 수 있다.
성능/효과
기존에 존재하는 위치추정 알고리즘의 경우 LOS환경에 대하여 정확한 위치추정을 가능하게 하지만, NLOS의 경우에는 많은 오차 가능성을 가지고 있다. 그래서 위치인식 없이 노드간의 가중치만으로 토폴로지를 구축하여 기존 위치추정 알고리즘인 LSE알고리즘의 결과와 비교하고, 반복 보정하는 과정을 거쳐 NLOS환경에서의 위치 인식을 정확히 하였다.
LOS환경에 대해서는 NLS알고리즘이 가장 정확한 위치를 추정 할 수 있지만 위 실험환경과 같은 NLOS환경에서는 가장 부정확한 결과를 보인다. 또한 min-max와 extended min-max 결과에서도 알 수 있듯이 LOS환경에서 정확한 위치를 추정 할 수 있는 알고리즘일수록 NLOS환경으로 받는 영향은 크다는 것을 알 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
무선센서 네트워크에서 네트워크의 성능을 향상시킬 수 있는 것은?
무선센서 네트워크에서, 위치기반의 라우팅 알고리즘은 네트워크의 성능을 향상 시킬 수 있다. 따라서 많은 위치 추적 알고리즘이 제안되고 있다.
무선센서 네트워크에서의 위치인식을 위해 해야하는 절차는?
무선센서 네트워크에서의 위치인식을 위해서는 노드 간에 데이터 패킷을 전송하여 거리를 측정해야 한다. 하지만 RF신호의 특성으로 NLOS환경에서 반사, 굴절, 회절, 산란 등의 현상으로 오차가 발생한다.
실제 실내 환경인 non-line-of-sight (NLOS)환경에서 발생하는 오차를 보정하기 위한 기법은?
하지만, 이와 같은 기술들은 노드들이 lineof-sight(LOS)환경에 있다는 가정 하에 사용되는 기술로써 실제 실내 환경인 non-line-of-sight (NLOS)환경에서는 심각한 오차가 발생하여 위치기반 네트워크의 성능을 저하시킨다[3]. 따라서 이러한 위치 오차를 보정하기 위해서 least square estimation(LSE)[4], min-max bounding box[5] 및 삼변측량법[6]과 같은 기법으로 위치추정 및 보정을 하는 많은 연구가 진행되고 있다.
참고문헌 (11)
F. Wang and J. liu, "Networked Wireless Sensor Data Collection: Issue, Challenges, and Approaches," IEEE communications Surveys & Tutorials, Vol.13, Issue 4, pp.673-687, 2011.
K. Seada, A. Helmy, and R. Govindan, "On the effect of localization errors on geographic face routing in sensor networks," Proc. IPSN, pp.71-80, Berkely, USA, April 2004.
Yung-Fa Huang and You-Ting jheng, "Performance of MMSE based Localization with Wireless Sensor Networks" NCM,2010 Sixth International Conference on, pp.671-675, 2010.
A Savvides, HM Park, MB Strivastava, "The n-Hop multilateration primitive for node localization problems." Proceedings of 1st ACM International Workshop on Wireless Sensor Networks and Applications, pp.112 - 121, 2002.
A. Boukerche, H.A.B.F. Oliveria, E.F. Nakamura, A.A. Loureiro, "Localization systems for wireless sensor networks," IEEE wireless Communication Special Issue on Wireless Sensor Networks, vol.14, pp.6-12, 2007.
Lee Jian Xing, Lin Zhiwei, Chin Francois Chin Po Shin, "Symmetric double side two way ranging with Technology" Conference, pp.1980-1983, 2007.
"NanoPAN 5375 Development KIT," Nanotron Technologies GmbH, Berlin, Germany, User Guide NA-10-0250-0 009-1.1.
A.j Mooij, and W. Wesselink, "A Formal Analysis of a Dynamic Distributed Spanning Tree Algorithm", Computer Science Report 03-16, Technische Universiteit Eindhoven, Eindhoven, Dec.2003.
http://en.wikipedia.org/wiki/Prim's_algorithm
J.J Robles, J.S Pola and R.Lehnert, "Extended Min-Max Algorithm for Position Estimation in Sensor Networks", Positioning Navigation and Communication (WPNC), 2012 9th workshop, pp.47-52, 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.