Node Distribution-Based Localization for Large-scale Wireless Sensor Networks

Distributed localization algorithms are necessary for large-scale wireless sensor network applications. In this paper, we introduce an efficient node distribution based localization algorithm that emphasizes simple refinement and low system load for low-cost and low-rate wireless sensors. Each node adaptively chooses neighbor nodes for sensors, update its position estimate by minimizing a local cost function and then passes this update to the neighbor nodes. The update process considers a distribution of nodes for large-scale networks which have same density in a unit area for optimizing the system performance. Neighbor nodes are selected within a range which provides the smallest received signal strength error based on the real experiments. MATLAB simulation showed that the proposed algorithm is more accurate than trilateration and les complex than multidimensional scaling. The implementation on MicaZ using TinyOS-2.x confirmed the practicality of the proposed algorithm.

대규모 무선 센서 네트워크에서 노드 분포를 고려한 분산 위치 인식 기법 및 구현

대규모 센서 네트워크를 위한 분산 위치 인식 기법은 센서 네트워크의 운용에 있어서 반드시 필요한 기술이다. 센서가 획득한 데이터에 대한 지형적인 위치를 결정함으로써 그 데이터에 대한 가치가 중요해질 수도 그렇지 않을 수도 있기 때문이다. 본 논문에서는 초소형, 저가의 센서가 비교적 많은 수로 분포되어 있고 또한 그 분포 특성이 대부분 균일할 때 기존에 사용되어 오던 삼각법보다는 정확하고 최근에 제안된 MDS를 이용한 기법 보다는 간단하고 효율적인 분산 위치 인식 기법에 대해서 소개한다. 이는 노드의 분포 특성을 이용함으로써 삼각법과 같은 매우 간단한 기법보다는 보다 정확하고 많은 계산을 요구하여 시스템의 실용성에는 적합하지 않은 MDS보다는 보다 간단한 위치인식을 수행한다. 이는 MATLAB을 이용한 PC 실험에서 제안하는 기법의 성능을 검증하고 Crossbow사의 micaZ 모트에 TinyOS-2.x를 이용하여 제안하는 위치인식 기술을 구현함으로써 그 실용성을 입증하였다.