earticle

영어

This paper introduces two DNN models for predicting the formation of mobile swarm nodes in a real-time, using only distance information. The first method estimates the coordinates of each node simultaneously using acquired distance information, while the second method estimates coordinates by grouping a total of four nodes, including an anchor node and the node intended for estimation. Constraints are applied to the anchor node to resolve the ambiguity in formation. In order to compare DNN performance, grid-based algorithm is adopted as conventional method. The results of the simulated experiments indicate that as the SD of the noise increases, the performance of coordinate estimation deteriorates. Furthermore, regardless of the standard deviation of noise and the number of nodes, the coordinate estimation error remains below 1 for all cases.

한국어

본 논문은 실시간으로 이동하는 군집 노드 환경에서 거리 정보만이 주어졌을 때 상대 측위를 통해 군집 노드들의 대형을 예측하는 두 가지 심층 신경망(Deep Neural Network, DNN)을 제안한다. 제안하는 첫 번째 방법은 획득한 거리 정보를 통해 각 노드의 좌표를 동시에 추정하며, 두 번째 방법은 앵커 노드(Anchor node) 및 추정하고자 하는 노드를 포함한 총 4개의 노드를 그룹 지어 좌표를 추정한다. 대형의 모호성을 해결하기 위해 앵커 노드(Anchor node)의 역할을 하는 노드에 제한 조건을 적용하여 단일 좌표 솔루션을 갖도록 한다. DNN의 성능 비교를 위해 기존의 Grid-based 알고리즘을 채택하였으며, 좌표평면상 존재하는 노드의 개수를 4∼8개로 제한한다. 노드의 존재 범위를 축 각각 로 지정하여 모의실험한 결과, 잡음의 표준 편차가 커질수록 좌표 추정 성능이 저하되며, SD 0.08 기준 노드가 4, 5개 존재하는 경우를 제외한 모든 경우에서 그룹별 추정 방법의 성능이 가장 우수하다. 또한, 좌표 추정 오차는 잡음의 표준 편차 및 노드의 개수와 상관없이 모든 방법에서 이하의 오차를 보인다.