각도 기반 센서 네트워크 위치추정

본 논문은 평면 상에서 센서 네트워크의 위치를 복원하는 새로운 접근법인 각도 기반 센서 네트워크 위치추정(Angle‑Based Sensor Network Localization, ASNL)을 제안한다. 기존의 거리 기반(RSNL)·방위 기반(BSNL) 방법은 전역 좌표계에 대한 정보가 필요하거나, 더 많은 센서‑센서 연결을 요구하는 반면, ASNL은 각 센서가 자신의 로컬 좌표계에서 측정한 각도만을 이용한다는 장점을 갖는다. 첫 번째 주요 기여는 ‘각도 고정 가능(angle‑fixability)’이라는 개념을 정의하고, 이를 판별하기 위한 대수적(Lemmas 2, 3) 및 그래프 이론적(Theorem 1) 조건을 제시한 것이다. 비퇴화된 이중측량 순서를 갖는 그래프는 반드시 각도 고정 가능함을 증명함으로써, 최소한의 엣지 집합으로도 프레임워크의 형태를 유일하게 결정할 수 있음을 보였다. 두 번째로, ASNL 문제의 해가 유일하게 존재하기 위한 필요충분 조건을 제시한다(Theorem 2). 이는 ‘grounded framework’가 각도 고정 가능하고, 앵커(고정된 센서)들이 모두 한 직선 위에 있지 않을 때 성립한다. 이러한 조건은 기존의 각도 강직성 이론을 위치추정 문제에 직접 적용한 결과이며, 실제 네트워크 설계 시 그래프 구조와 앵커 배치를 어떻게 해야 하는지를 명확히 알려준다. 세 번째 기여는 중앙집중형 해결책(CASNL)을 수학적으로 모델링한 것이다. 잡음이 없는 경우, 각도 제약을 행렬 형태로 변환하고, 프레임워크 위치 행렬에 대한 순위 제약을 포함한 SDP(problem (8))를 도출한다(Lemma 10). 이때 그래프가 급각 삼각화(acute‑triangulated)될 경우, 순위 제약을 제거하고 선형 SDP로 변환할 수 있음을 보이며(Theorem 5), 다항 시간 내에 전역 최적해를 구할 수 있음을 증명한다. 잡음이 존재하는 현실 상황에서는 최대우도 추정 관점에서 다중 순위‑1 제약과 반정정성 제약을 포함한 SDP를 구성한다. 기존 연구에서 제시된 알고리즘(