DV-Hop 위치 인식 기법은 노드가 균일하게 배치된 등방성 토폴로지에서 제안된 알고리즘이다. 노드 간 거리는 홉 수에 비례해서 증가하는 환경에서 홉 당 평균 거리를 사용해서 노드 간 거리를 추정한다. 하지만, 노드의 배치가 균일하지 않아 노드 간 거리가 홉 수에 비례하여 증가하지 않는 환경에서는 DV-hop 기법의 위치 추정의 정확도는 상당히 저하된다. 본 논문에서는 노드의 배치가 불균일한 비등방성 네트워크에서도 위치 추정의 정확도를 높일 수 있는 알고리즘을 제안한다. 비등방성 네트워크에서는 노드 간 경로의 형태가 곡선인 경우가 많기 때문에 노드 간의 거리 추정을 위해 필요한 홉 당 평균 거리가 홉 수 별로 다르다. 이에 제안하는 알고리즘에서는 앵커노드가 홉 수 별로 홉 당 평균 거리를 구하고, 일반 노드는 이러한 정보를 각 앵커노드로부터 전달받아, 앵커노드와 떨어진 홉 수에 따라 다른 홉 당 거리를 사용해 보다 정확하게 위치를 추정하도록 한다. 또한 시뮬레이션을 통해 DV-Hop 알고리즘과의 성능 비교를 통해 제안하는 알고리즘의 우수성을 보인다.
DV-Hop is one of the well known range-free localization algorithms. The algorithm works well in case of isotropic network since the sensor and anchor nodes are placed in the entire area. However, it results in large errors in case of anisotropic networks where the hop count between nodes is not linearly proportional to the Euclidean distance between them. Hence, we proposed a novel range-free algorithm for anisotropic networks to improve the localization accuracy. In the paper, the Euclidean distance between anchor node and unknown node is estimated by the average hop distance calculated at each hop count with hop count and distance information between anchor nodes. By estimating the unknown location of nodes with the estimated distance estimated by the average hop distance calculated at each hop, the localization accuracy is improved. Simulation results show that the proposed algorithm has more accuracy than DV-Hop.
