최소 앵커로 구현하는 분산 센서 위치추정 알고리즘 DILOC

본 논문은 대규모 무작위 배치 센서 네트워크에서 최소한의 앵커(m+1개)만을 이용해 모든 센서의 절대 위치를 추정하는 새로운 분산 알고리즘 DILOC(Distributed Iterative LOCalization)을 제안한다. 기존의 중앙집중식 방법은 통신 비용·연산 복잡도·단일 장애점 문제로 확장성이 떨어지는 반면, DILOC은 각 노드가 이웃과만 로컬하게 정보를 교환하고 자체적으로 위치를 업데이트한다는 점에서 완전한 분산 구조를 갖는다. 알고리즘 설계는 크게 두 단계로 이루어진다. 첫 번째는 ‘삼각화’ 단계로, 각 비앵커 노드 l은 반경 r_l 안에 있는 센서 집합 K(l,r_l) 중에서 m+1개의 이웃 Θ_l을 찾아 자신이 그들의 볼록 껍질 안에 포함되는지를 검사한다. 이 과정은 거리 정보만을 이용해 수행되며, 볼록 껍질 포함 여부는 Appendix I에 제시된 기하학적 테스트로 확인한다. 성공적으로 Θ_l을 찾으면, 해당 이웃들의 일반화 부피(면적·부피·고차원 부피)를 Cayley‑Menger determinant를 통해 계산하고, 이를 바탕으로 바리센트릭 좌표 a_lk를 구한다. 바리센트릭 좌표는 a_lk≥0, Σ_k a_lk=1을 만족하며, 이는 l이 Θ_l의 선형 결합으로 정확히 표현될 수 있음을 의미한다. 두 번째는 업데이트 단계이다. 각 반복 t에서 비앵커 노드 l은 자신의 현재 추정값 c_l(t)를 이웃들의 추정값 c_k(t)와 바리센트릭 좌표 a_lk의 가중합으로 갱신한다: c_l(t+1)=∑_{k∈Θ_l} a_lk·c_k(t). 앵커 노드 q∈κ는 위치가 고정되어 c_q(t)=c_q^*이다. 이 과정은 전역 시스템을 상태 전이 행렬 P로 표현하면, P는 앵커를 흡수 상태로 하는 마코프 체인이 된다. 논문은 P의 비앵커 부분이 스토캐스틱 행렬이며, 모든 비앵커 상태가 결국 앵커에 흡수된다는 점을 Perron‑Frobenius 정리와 흡수 마코프 체인의 수렴 특성을 이용해 증명한다. 따라서 DILOC은 거의 확실히(a.s.) 정확한 위치에 수렴한다. 다음으로 무작위 환경에 대한 확장을 다룬다. 실제 네트워크에서는 (i) 거리 측정이 잡음 ε_{lk}를 포함하고, (ii) 통신 링크가 확률적으로 실패하며, (iii) 전송 중에 추가 노이즈가 발생한다. 이러한 불확실성을 반영하기 위해 DILOC에 감소하는 학습률 α(t) 를 도입한 확률적 근사 형태인 DLRE(Distributed Localization in Random Environments)를 제안한다. 업데이트 식은 c_l(t+1)=c_l(t)+α(t)