Distributed Ranging and Localization for Wireless Networks via Compressed Sensing
无线网络中基于位置的服务要求节点准确地知道它们的位置。传统的解决方案依赖于基于竞争的介质接入,其中在任何时间在任何邻域中只有一个节点可以成功地发送。本文提出了一种新的、完整的、分布式的测距和定位解决方案,该方案让网络中的所有节点同时广播它们的位置估计和测量到所有邻居的距离。通断信令被设计为克服物理半双工约束。在每次迭代中,所有节点同时发送,每个广播描述当前位置估计的码字。根据来自所有邻居的叠加信号,每个节点解码其邻居的位置,并且还使用信号强度来估计它们的距离。然后,节点在后续迭代中广播其改进的位置估计。仿真结果表明,在一个大型网络中的精确定位超过几千个符号的间隔,这表明比传统的计划ALOHA或CSMA的基础上更高的效率。
2013-09-09 cs.IT cs.NI math.IT
Beacon Node Placement for Minimal Localization Error
信标节点放置、节点到节点测量和目标节点定位是定位过程的三个关键步骤。然而,与其他两个步骤相比,信标节点的放置在研究文献中还缺乏全面、系统的研究。为了填补这一空白,我们解决信标节点放置(BNP)的问题,部署信标节点的最小定位误差在本文中。BNP是困难的,因为定位误差是由复杂的因素组合确定的,即,定位误差在不同的环境下、在应用不同的算法的情况下、或者在使用不同类型的信标节点的情况下差别很大。针对BNP算法的困难性,提出了一种近似函数来减少定位误差计算的时间开销,并证明了其时间复杂度和误差界。通过近似,可以在可接受的时间成本内找到信标节点的次优分布。在实验中,我们测试了我们的方法,并将其与其他节点放置方法在各种设置和环境下进行比较。实验结果表明了该方法的可行性和有效性。
2015-03-29 cs.NI
Dead Reckoning Localization Technique for Mobile Wireless Sensor Networks
无线传感器网络中的定位不仅为节点提供了其地理位置,而且也是地理路由等其他应用的基本要求。虽然有丰富的文献可用于定位在静态无线传感器网络,没有足够的工作做移动无线传感器网络,由于节点移动性的复杂性。现有的移动无线传感器网络定位技术大多采用蒙特卡罗定位方法,不仅耗时而且占用大量内存。他们认为未知节点或锚节点是静态的。在本文中,我们提出了一种技术,称为航位推算定位移动无线传感器网络。在所提出的技术中,所有节点(未知节点以及锚节点)是移动的。DRLMSN中的本地化是在称为检查点的离散时间间隔完成的。未知节点的定位首次使用三个锚节点。对于它们的后续本地化,仅使用两个锚节点。所提出的技术估计两个可能的位置的节点使用Bezouts定理。航位推算法用于选择两个估计位置中的一个。我们已经评估DRLMSN通过模拟使用Castalia模拟器,并与王和朱提出的类似的技术称为RSS-MCL进行比较。
2015-04-26 cs.NI
Connectivity based technique for localization of nodes in wireless sensor networks
我们提出了一个无线传感器网络的定位算法,这是简单的设计,不涉及显着的开销,但提供了可接受的传感器节点的位置估计。该算法使用固定节点作为信标节点,以增加信标节点的数量。该算法是范围自由的,不需要任何额外的硬件进行测距。它也不涉及任何显著的本地化通信开销。仿真和实验结果表明,该算法在室外环境下具有较好的定位精度.
2016-10-03 cs.DC cs.NI
Fundamental Theories in Node Failure Localization
这是一份技术报告,包含Liang Ma,Ting He,Ananthram Swami,Don Towsley,Kin K的论文“Node Failure Localization in Communication Networks via Network Tomography”中的所有定理证明。Leung和Jessica Lowe,发表于ITA年度秋季会议,2014年。
2020-12-17 cs.NI
Schedule based Self Localization of asynchronous wireless nodes with experimental validation
在本文中,我们提出了时钟误差缓解的测量计划为基础的自定位系统。我们提出了测量模型的时钟误差,同时按照锚节点之间的预定传输。此外,RLS算法被提出来估计时钟误差和校准测量的自定位节点对锚节点的相对时钟误差。一个全面的实验验证提供了基于商业现成的UWB无线电根据IEEE标准化协议。
2017-02-06 cs.NI
Node Failure Localization: Theorem Proof
这是一份技术报告,包含Liang Ma,Ting He,Ananthram Swami,Don Towsley和Kin K的论文“On Optimal Monitor Placement for Localizing Node Failures via Network Tomography”中的所有定理证明。Leung,发表于IFIP WG 7.3 Performance,2015。
2020-12-17 cs.NI
IMF: Iterative Max-Flow for Node Localizability Detection in Barycentric Linear Localization
确定节点是否可以被唯一定位,称为可定位性检测,是网络定位的一个伴随问题。传统的非线性定位(NLL)模式下的本地化已经得到了很好的探讨,而基于重心坐标的线性定位(BLL)模式下的本地化还没有得到很好的触及。本文分析了现有BLL节点定位理论和算法的不足,提出了BLL节点可定位的一个充分条件和一个必要条件。基于这两个条件,一个有效的迭代最大流(IMF)算法的设计,以确定BLL可定位节点。最后,我们的算法进行了验证,理论分析和实验评估。
2021-10-08 cs.CG cs.NI
Investigating Randomly Generated Adjacency Matrices For Their Use In Modeling Wireless Topologies
真实拓扑的生成在确定仿真研究的准确性和有效性方面起着重要作用。这项研究提出了一个讨论,以证明为什么,以及如何经常随机生成的邻接矩阵可能不符合物理世界中的无线拓扑结构。具体来说,通过分析和随机试验表明,当随机生成的邻接矩阵具有超过3个节点时,超过90%的情况下,随机生成的邻接矩阵将不符合有效的无线拓扑。通过显示邻接图中的节点三元组需要遵守几何向量空间的规则,该研究表明,随机选择的节点三元组的数量以O(base ^3)的数量级增长,其中base是距离度量的粒度。此外,研究模型,并提出了一个概率估计,任何随机生成的邻接矩阵将无法实现。这些信息可以用来设计更简单的算法来生成k连接的无线拓扑。
2013-04-16 cs.NI cs.PF
Collision Tolerant Packet Scheduling for Underwater Acoustic Localization
研究了水声传感器网络中节点随机分布的分组调度和自定位联合问题。在数据包调度方面,我们的目标是最大限度地减少本地化时间,这样做,我们考虑两个数据包传输方案,即无冲突方案(CFS)和冲突容忍方案(CTS)。所需的本地化时间制定这些计划,并通过分析结果和数值例子,他们的性能被证明是一般可比的。然而,当分组持续时间短(如定位分组的情况)并且操作区域大(在至少一个维度上超过3 km)时,冲突容忍方案需要比无冲突方案更小的定位时间。在收集足够的测量数据后,每个传感器节点采用迭代高斯-牛顿算法进行自定位,并评估Cramer Rao下限作为基准。虽然CTS消耗更多的能量用于分组传输,但它提供了更好的定位精度。此外,在该方案中,锚节点彼此独立地工作,并且可以异步操作,这导致简化的实现。
2014-04-15 cs.IT cs.NI math.IT
Nodes Localization in 3D Wireless Sensor Networks Based on Multidimensional Scaling Algorithm
近年来,无线传感器计算技术取得了巨大的进步。无线传感器网络已成为各类智能环境的关键技术。无线传感器网络中的节点定位是一个非常具有挑战性的问题。如果不知道节点的位置,大多数无线传感器网络的应用是没有用的。将GPS接收器添加到每个节点是昂贵的解决方案并且不适用于室内环境。在本文中,我们实现和评估的三维(3D)的无线传感器网络节点定位的多维缩放(MDS)技术的基础上,使用改进的探试法的距离计算算法。使用广泛的模拟,我们研究了我们的方法对各种网络参数。我们将模拟结果与其他3D-WSN定位方法进行了比较,结果表明,我们的方法在准确性方面优于其他技术。
2016-06-23 cs.NI
Topology Control for Energy-Efficient Localization in Mobile Underwater Sensor Networks using Stackelberg Game
移动水下传感器网络(UWSNs)具有通信带宽低、传播延迟大、部署稀疏等特点,这对传感器节点的成功定位提出了挑战。此外,UWSNs中的传感器节点通常由电池供电,其更换引入了高成本和复杂性。因此,在UWSNs的关键问题是,使每个传感器节点找到足够的锚节点,以定位自己,以最小的能量成本。本文提出了一种节能定位算法(EELA)来分析传感器节点和锚节点之间的分散交互。一个单领导者-多追随者Stackelberg游戏被用来制定传感器节点和锚节点的拓扑控制问题,通过利用它们的可用通信机会。在这个游戏中,传感器节点作为一个领导者,考虑到因素,如“两跳”锚节点和能量消耗,而锚节点作为多个追随者,考虑他们的能力,本地化传感器节点和他们的能量消耗。我们证明了两个球员选择最佳对策,并达到社会最优的Stackelberg纳什均衡。仿真结果表明,所提出的EELA算法显著提高了UWSNs的定位性能,特别是降低了传感器节点的能量消耗。与基线方案相比,EELA中每个节点的能量消耗降低约48%,同时在合理的误差和延迟下提供理想的定位覆盖。
2018-05-31 cs.NI
Detection of Node Clones in Wireless Sensor Network Using Detection Protocols
无线传感器网络由成百上千个传感器节点组成,广泛应用于民用和安全领域。无线传感器网络面临的一种严重的物理攻击是节点克隆攻击。为此,提出了两种节点克隆检测协议,分别通过分布式哈希表和随机定向探测来检测节点克隆。前者基于已经分发的哈希表值,并提供基于键的设施,如检查和缓存以检测节点克隆。后者采用概率定向转发技术和边界确定。利用NS2对存储开销、通信开销和检测概率进行了仿真,得出随机定向探测是最佳探测方案,具有较低的通信开销和存储开销,且检测概率较高。关键词:无线感测网路、分散式哈希表、随机定向探索。
2014-03-11 cs.NI
Color Filtering Localization for Three-Dimensional Underwater Acoustic Sensor Networks
移动节点的精确定位一直是水声传感器网络(UASNs)中的一个重要和基本问题。从移动节点返回的检测信息只有在其位置已知时才有意义。本文提出了两种基于彩色滤波技术的定位算法PCFL和ACFL。PCFL和ACFL的目标是以最小的能量消耗协同完成水下移动节点的精确定位。它们都采用了任务锚点的重叠信号区域作为当前采样区域,这些任务锚点可以直接与移动节点进行通信。PCFL采用每个任务投影和移动节点之间的投影距离,而ACFL采用每个任务锚点和移动节点之间的直接距离。提出了距离比例因子对RGB值进行加权。通过比较样本与移动节点之间RGB序列的接近程度,可以过滤样本。并以归一化贴近度作为加权标准计算移动节点坐标。仿真结果表明,该方法具有良好的定位性能,能够及时定位移动节点。与AFLA方法相比,PCFL方法的平均定位误差可降低约30.4%。
2014-12-30 cs.NI
Localization in Wireless Sensor Networks: A Survey
定位是无线传感器网络中广泛使用的一种方法,用于确定传感器节点的当前位置。无线传感器网络由成千上万的节点组成,这使得在每个传感器节点上安装GPS变得昂贵,而且GPS在室内环境中可能无法提供精确的定位结果。对于密集网络,在每个传感器节点上手动配置位置参考也是不可能的。这就产生了一个问题,传感器节点必须识别其当前位置,而不使用任何特殊的硬件,如GPS和没有手动配置的帮助。在本文中,我们回顾了定位技术所使用的无线传感器节点,以确定其当前位置。
2014-10-31 cs.NI
A Range-Free Node Localization Method for Anisotropic Wireless Sensor Networks with Sparse Anchors
针对各向异性无线传感器网络中距离估计不准确的问题,提出了一种基于多跳路径可靠性加权的AW-MinMax无测距节点定位方法,通过矩阵变换和SCA算法求解非凸优化模型,显著提升了定位的稳定性和准确性。
2024-10-29 cs.NI eess.SP
A New Distributed Localization Method for Sensor Networks
本文研究了在大型传感器网络中仅使用相对距离测量来确定传感器位置的问题。我们的工作来自Khan等人的开创性论文。[1]其中使用重心坐标给出了用于传感器定位的分布式算法,称为DIRECT。DIMENSIONAL算法的主要限制是所有传感器节点必须在锚节点的凸包内。在本文中,我们考虑了一般的传感器网络没有凸包假设,这在确定重心坐标的符号模式带来的挑战。一个标准的开发,以解决这个问题的基础上可用的距离测量。此外,提出了一种新的分布式算法,以保证所有可定位的传感器节点的渐近定位。
2013-01-12 cs.DC cs.IT cs.NI
Improved MDS-based Algorithm for Nodes Localization in Wireless Sensor Networks
随着近年来技术的发展,无线传感器网络(WSN)正在成为许多应用的重要组成部分。了解网络中每个传感器的确切位置是非常重要的问题。因此,本地化问题是一个不断增长的兴趣领域。将GPS接收机添加到每个传感器节点是昂贵的解决方案,并且不适用于资源有限的节点。此外,它不适合室内环境。本文提出了一种基于多维标度(MDS)技术的无线网络节点定位算法。我们的方法通过距离矩阵细化来改进MDS。使用广泛的模拟,我们详细研究了我们的方法,不同的网络拓扑结构,各种网络参数和性能问题。仿真结果表明,改进的MDS(IMDS)算法在精度方面优于著名的MDS-MAP算法[1]。
2016-06-23 cs.NI
Second Order Cone Programming for Sensor Node Localization in Mixed LOS/NLOS Conditions
提出了一种基于二阶锥规划(SOCP)的混合视距/非视距(LOS/NLOS)条件下的传感器节点定位方法。SOCP方法,迄今为止,没有被利用在混合LOS/NLOS条件下的节点定位。与半定规划(SDP)公式,SOCP是计算效率的资源受限的ad-hoc传感器网络。该方法可以无缝地工作在混合LOS/NLOS条件下。该方法的鲁棒性是由于在LOS和NLOS条件下获得的所有测量值的公平利用。该方法的计算复杂性是未知节点最近邻个数的二次方。广泛的模拟和真实的现场部署被用来评估所提出的方法的性能。该方法的实验结果是合理的更好的文献中类似的方法相比。
2015-08-12 cs.NI
Energy-Constrained UAV Trajectory Design for Ground Node Localization
使用空中锚点定位地面节点最近已被认为是一种具有成本效益的,快速和灵活的解决方案,用于更好的定位精度,当GPS被干扰或卫星接收是不可能的提供定位服务。研究了移动无人机作为空中锚点时地面节点的定位问题。我们提出了一个新的框架,以获得在城市地区的定位误差。与现有的工作相比,我们的框架包括高度依赖的无人机对地信道特性和一个非常详细的无人机能耗模型。这使我们能够探索不同的权衡和优化无人机轨迹最小的定位误差。特别是,我们调查的无人机高度,悬停时间,航路点的数量和路径长度的影响,通过制定一个能量约束的优化问题。我们的研究结果表明,增加悬停时间降低定位误差显着的成本更高的能量消耗。为了将定位误差保持在100米以下,只有当路径高度和半径被优化时,才有可能实现更短的悬停。对于5秒的恒定悬停时间,将两个参数调整到其最佳值将定位误差从150 m降低到65 m,同时节省约25%的功率
2018-06-06 cs.NI
Mobile node localization in cellular networks
位置信息是基于位置的应用程序的主要组成部分。这些信息用于不同的安全和面向服务的应用程序中,以根据用户的地理位置为用户提供服务。在室内和室外环境中定位移动节点有许多方法。针对移动节点在室外环境下的定位问题,提出了一种基于小区和用户位置信息的定位方法。我们的定位方法是基于问候消息延迟(发送和接收时间)和基站收发站(BTS)的坐标信息。为了验证我们的方法在蜂窝网络,我们实现和模拟我们的方法在两个场景,即维护数据库的基站在集中式和分布式系统。仿真结果表明了该方法的有效性及其在电信系统中的应用价值。
2012-01-10 cs.NI
Distributed High Accuracy Peer-to-Peer Localization in Mobile Multipath Environments
在本文中,我们考虑的问题,高精度定位的移动节点在多径丰富的环境中,亚米精度是必需的。我们采用了对等框架,车辆/节点可以得到成对的多径退化测距估计在当地的邻居与固定数量的锚节点。所面临的挑战是克服多径障碍与冗余,以提供所需的精度,特别是在严重的多径条件下,当接收到的信号被多径破坏的分数是占主导地位。我们调用了一个基于粒子滤波的消息传递分析框架,并通过仿真揭示了其高精度定位的承诺。
2010-11-28 cs.DC cs.IT cs.NI
An Efficient Hybrid Localization Technique in Wireless Sensor Networks
传感器节点是低成本、低功耗的设备,用于从远程位置收集物理数据和监测环境条件。无线传感器网络(Wireless Sensor Networks,WSN)是一组传感器节点的集合,它们相互协调以执行特定的任务。定位被定义为在网络中的已知位置的传感器节点的部署。本地化技术分为集中式和分布式。MDS-Map和SDP属于集中式算法,而Diffusion、Gradient、APIT、限界框、Relaxation-Based和Coordinate System Stitching属于分布式算法。在本文中,我们提出了一种新的混合定位技术,它结合了集中式和分布式算法的优点,并克服了现有技术的一些缺点。通过J-Sim仿真证明了该方案在通过改变汇聚节点、增加节点密度和增加通信范围来计算定位误差方面的优势。
2013-03-14 cs.NI
Exploiting Coplanar Clusters to Enhance 3D Localization in Wireless Sensor Networks
本文研究了在三维共面环境下基于距离的无线传感器网络定位问题。在大多数实际应用中,即使环境是3D的,接地传感器节点通常部署在2D平面上。这些表面的例子包括在室内和室外都能看到的结构(例如地板、门、墙壁、桌子等)。和室外(例如,山脉、山谷、丘陵等)环境.在这样的环境中,传感器节点通常表现为共面节点簇。我们将这种类型的展开称为平面展开。当存在平面部署时,共面性给传统的基于距离的定位算法带来困难,因为如果到该节点的距离测量来自共面节点,则该节点不能被明确地定位。因此,许多已经局部化的节点组在该过程中变得无效,仅仅因为它们是共面的。因此,我们提出了一种算法,称为共面性基于定位(CBL),可以用作任何定位算法的扩展,以避免大多数翻转所造成的共面性。CBL首先在聚集在同一表面上的节点之间执行2D定位,然后在3D中找到这些簇的位置。我们已经进行了实验,使用三边测量的2D本地化,和四边形的3D本地化,并通过实验验证,利用聚类信息导致一个更精确的定位比单纯的四边形。我们还提出了一个启发式提取聚类信息的情况下,它是不可用的,这是有待于在未来改进。
2015-03-08 cs.CG cs.NI
Collaborative High Accuracy Localization in Mobile Multipath Environments
University of California, Berkeley(加州大学伯克利分校)
我们研究的问题,高精度定位的移动节点在多径丰富的环境中,亚米精度是必需的。我们采用了一个对等的框架,车辆/节点可以得到成对的多径退化的测距估计在当地的邻居与固定数量的锚节点。所面临的挑战是克服多径障碍与冗余,以提供所需的精度,特别是在严重的多径条件下,当接收到的信号被多径破坏的分数是占主导地位。我们调用了一个基于粒子滤波的分析图形模型框架,并通过仿真揭示了其高精度定位的承诺。我们还解决了设计问题,如“需要多少锚和什么分数的视线(LOS)测量,以达到指定的目标精度?通过分析表征定位精度的性能改进作为网络中节点数量和LOS测量分数的函数。特别是,对于一个静态节点的位置,我们表明,克拉美-饶下限(CRLB),一个基本的本地化精度的下限,可以表示为两个因素的产品-一个标量函数,仅取决于噪声分布的参数和一个矩阵,仅取决于节点位置的几何形状和底层的连接图。此外,一个简化的表达式获得的CRLB,有助于推断的缩放行为的估计误差作为网络中的代理和锚的数量的函数。界限表明,即使是一小部分的LOS测量可以提供显着的改善。相反,一小部分NLOS测量可以显著降低性能。分析扩展到移动设置和性能相比,派生CRLB。
2012-11-08 cs.IT cs.NI cs.RO
Cluster-based MDS Algorithm for Nodes Localization in Wireless Sensor Networks with Irregular Topologies
无线传感器网络(WSN)中的节点定位已成为研究界一个非常具有挑战性的问题。大多数无线传感器网络的应用程序是没有用的先验已知的节点位置。该问题的一个解决方案是通过向每个节点添加GPS接收器。由于这是一种昂贵的方法,不适用于室内环境,我们需要找到一种替代的智能机制来确定节点的位置。在本文中,我们提出了我们的基于聚类的多维尺度(MDS)技术的方法。我们的初步实验表明,我们的算法优于MDS-MAP[8],特别是对于不规则拓扑结构的准确性。
2016-06-23 cs.DC cs.NI
A Localization Strategy Based on N-times Trilateral Centroid with Weight
基于接收信号强度指示(RSSI)的定位技术是一种低成本、低复杂度的定位技术,广泛应用于无线传感器网络(WSNs)的距离定位。现有的定位技术误差较大。本文提出了N次三边质心加权定位算法(NTCWLA),该算法可以大大减小定位误差。考虑到RSSI的不稳定性,我们使用多个RSSI的加权平均值作为当前RSSI。为了提高定位精度,我们选择了一些(不少于三个)可靠的信标节点,以增加定位时间。然后利用经验公式计算可靠信标节点与移动节点之间的距离。使用三边质心算法定位移动节点N次。最后,将滤波后参考坐标的加权平均值作为移动节点的坐标。我们进行了实验与STM32W108芯片,支持IEEE 802.15.4。实验结果表明,该算法优于三边质心算法。
2013-12-24 cs.NI
Optimal Node Selection using Estimated Data Accuracy Model in Wireless Sensor Networks
无线传感器网络的主要任务之一是从物理环境中准确感知数据。因此,在本文中,我们开发了一个估计的数据精度模型随机部署的传感器节点,可以从物理环境中感知更准确的数据。我们将我们的结果与其他信息准确度模型进行比较,结果表明,我们估计的数据准确度模型比其他模型表现得更好。此外,我们模拟我们估计的数据精度模型在这种情况下,当一些传感器节点成为恶意的,由于极端的物理环境。最后,使用我们估计的数据精度模型,我们构建了一个概率的方法来选择一组最佳的传感器节点从随机部署的最大的传感器节点在网络中。
2012-03-10 cs.NI
Avoiding the Flip Ambiguities in 2D Wireless Sensor Localization by Using Unit Disk Graph Property
在本文中,我们提出了一个基于范围的定位算法定位的无线传感器网络(WSN)在2D。一种广泛使用的算法来定位一个无线传感器网络在2D是三边测量,它运行在多项式时间。三边测量使用三个距离测量来定位节点。在某些情况下,缺乏连通性导致局部化节点的百分比较低,因为节点的位置可以使用三个距离测量来固定。我们提出了一种算法,找到一个节点的位置,除了使用第三距离测量的距离测量的情况下。如果两个节点不能感知对方,这意味着它们之间的距离大于感知范围。因此,我们的算法检查未定位节点$u$的可能位置是否在不是$u$的邻居的定位节点$\ell$的感测范围内。在这种情况下,我们排除一个可能的位置。
2016-04-12 cs.NI
Anchor Nodes Positioning for Self-localization in Wireless Sensor Networks using Belief Propagation and Evolutionary Algorithms
K.N. Toosi University of technology(K.N. 图西理工大学)
定位无线传感器网络中的每个节点对于启动监测作业和发送有关区域的信息至关重要。一种在硬环境和不可访问环境中使用的方法是随机分散该区域中的每个节点。为了减少每个节点使用GPS的开销,需要在部分节点上安装GPS(锚点),然后利用置信传播算法对其他节点进行定位。锚节点的数量必须减少,因为它们是昂贵的。此外,这些节点的位置影响算法的性能。利用多目标优化,本文介绍了一种算法,最大限度地减少估计的定位误差和锚节点的数量。仿真结果表明,该算法比同类算法具有更少的能耗和更小的误差。
2021-04-19 cs.AI cs.NI eess.SP
Instantaneous Wireless Robotic Node Localization Using Collaborative Direction of Arrival
University of Georgia(佐治亚大学)
本文提出一种仅依赖RSSI的在线机器人定位算法,通过协作到达方向(CDOA)结合期望最大化与粒子滤波实现厘米级高精度实时定位,并在仿真、公开数据集和真实机器人上验证其优于现有方法。
2023-07-04 cs.NI cs.RO
A Review of Localization and Tracking Algorithms in Wireless Sensor Networks
在本文中,一个全面的调查的先驱,以及最先进的定位和跟踪方法在无线传感器网络。定位主要适用于静态传感器节点,而跟踪主要适用于移动传感器节点。定位算法大致分为基于距离的方法和不基于距离的方法。锚点和未知节点之间的估计范围(距离)在室内场景中是高度错误的。这种限制可以在很大程度上通过在无距离定位方法中采用大量现有接入点(AP)来处理。最近的工作强调使用多传感器数据,如磁,惯性,罗盘,陀螺仪,超声波,红外,视觉和/或里程表,以进一步提高定位精度。此外,跟踪方法根据过去的位置历史来预测未来的位置。即使接收到的测量中的一些是错误的,也注意到平滑的轨迹。真实的实验装置,如美国国家仪器公司(NI)的无线传感器节点,十字弓微尘和手持设备进行定位和跟踪也强调在这里。
2017-01-09 cs.NI
UBiGTLoc: A Unified BiLSTM-Graph Transformer Localization Framework for IoT Sensor Networks
Department of Computer Science, The University of Vermont(计算机科学系,佛蒙特大学);Department of Computer Science and Engineering, American University of Sharjah(计算机科学与工程系,阿曼大学沙迦分校);Department of Electrical Engineering, The University of Vermont(电气工程系,佛蒙特大学);Department of Mechanical Engineering, The University of Vermont(机械工程系,佛蒙特大学)
UBiGTLoc通过结合双向LSTM和图变换技术,实现了在无锚点和有锚点的物联网传感器网络中高效且鲁棒的传感器节点定位。
2026-01-11 cs.LG cs.NI eess.SP
Robust TOA-based Localization with Inaccurate Anchors for MANET
针对移动自组织网络中锚点不精确导致的级联定位误差发散问题,提出基于CRLB的两步TOA定位方法,利用局部邻居信息逼近目标节点CRLB,仿真验证其鲁棒性并达到CRLB级精度。
2023-12-29 cs.NI eess.SP
Efficient, Single Hop Time Synchronization Protocol For Randomly Connected WSNs
针对恶劣环境下无线传感器网络的特点,提出了一种快速、准确、节能的时间同步协议。所建议的协议概念是基于电物理隐喻。该协议将节点的时间视为一个无条件稳定的离散动态系统的状态,只使用单跳通信。系统可以在仍然处于瞬态阶段时在少量消息交换时终止。它可以产生高质量的时间估计,精度是节点通信发生的时钟的几分之一。在MICA-Z无线传感器网络上,通过仿真和物理实验验证了同步器的性能
2017-04-10 cs.NI
Utilizing hyperplanar substructures to perform efficient range-based WSN localization
无线传感器网络由多个无线传感器节点组成,它们相互通信以完成特定的任务。在本文中,我们着重于网络的部署承认低维的子结构,如共线群在二维,或共面群在三维。当这些组作为输入的一部分,我们描述了一种算法,利用这些信息来执行低成本的本地化。在紧急情况下,如火灾,地震等建筑物内,无线传感器网络可能是非常重要的,以提供关键信息,并帮助救援队通过减少他们的负担,探索环境非常迅速地移动。因此,开发一种快速提供信息且不消耗太多能量的系统是非常重要的。我们观察到,在这些类型的环境中,传感器节点往往形成超平面组。超平面是比其周围空间小一维的子空间,因此,传感器节点的超平面组是位于同一超平面上的节点组。当我们考虑建筑物的一层时,节点可以部署在走廊上形成共线组,当我们考虑整个建筑物时,传感器节点将位于楼层上形成共面组。因此,我们在三维环境中,诱导超平面分组研究基于距离的无线传感器网络定位问题。首先,我们证明了即使给定超平面的方程,得到超平面群也是一个\NP -困难问题。然后,我们描述了一种算法,假设每个传感器节点都知道它的超平面组,并进行定位时,传感器节点部署在走廊上的每一层建筑物。在这种情况下,分组信息使我们能够定位网络,这不能通过传统的基于范围的定位算法来定位。
2017-12-06 cs.NI
Probability-based Distance Estimation Model for 3D DV-Hop Localization in WSNs
针对3D DV-Hop定位中缺乏锚节点不同跳数检测距离理论推导导致的性能瓶颈,提出基于概率的平均距离估计(PADE)模型,结合多目标遗传算法预测未知节点位置,在随机和多模态分布式传感器网络中平均定位精度分别提升3.49%-12.66%和3.99%-22.34%。
2024-01-11 cs.NI eess.SP
Sequestration of Malevolent Anchor Nodes in Wireless Sensor Networks using Mahalanobis Distance
发现恶意或脆弱的锚节点是无线传感器网络(WSNs)中的一个重要问题。在无线传感器网络中,锚节点是指知道自己当前位置的节点。邻近节点或非锚节点在锚节点的帮助下计算其位置坐标(或位置参考)。在存在欺骗锚节点或欺骗节点的情况下,不可能进行精确定位。目前,网络中欺骗锚节点或欺骗节点的识别是一个具有挑战性的课题。即使在找出欺骗锚节点的位置之后,也不能保证所识别的节点是否合法。本文的目的是定位欺骗锚节点使用三边测量算法,然后将其与马氏距离,以获得最大的准确性,在检测恶意或欺骗锚节点定位过程中。我们能够实现在本地化过程中实现的错误相当大的减少。为了实现的目的,我们使用ns3网络模拟器模拟我们的计划。
2014-11-17 cs.CR cs.NI
Golden Ratio Assisted Localization for Wireless Sensor Network
本文提出黄金比定位(GRL)算法,利用黄金比优化节点部署与通信范围,在100m*100m区域内实现2.35米定位误差和1.12 microJ/节点能耗,优于DV-Hop和Centroid,适用于能量受限的大规模WSN。
2025-06-18 cs.HC cs.NI
RAIL: An Accurate and Fast Angle-inferred Localization Algorithm for UAV-WSN Systems
针对硬件受限环境下传感器节点定位的挑战,本文提出无需额外硬件的 RAIL 定位算法,利用 RSSI 估计角度并结合边界框进行定位,将平均误差降低 72.4%。
2025-06-01 cs.NI
Topology Partitioning-based Self-Organized Localization in Indoor WSNs with Unknown Obstacles
针对室内无线传感器网络中未知障碍物导致定位精度下降的问题,提出一种基于拓扑划分的自组织定位方法,通过识别并切断受阻通信路径,平均切断87%的受影响路径,在RSSI视距假设下定位精度超过99.99%。
2025-05-23 cs.NI
Analysis of 3D Localization in Underwater Optical Wireless Networks with Uncertain Anchor Positions
定位精度对水下光无线传感器网络的正常运行至关重要。然而,水下定位容易受到不利的环境障碍,例如由于表面和深层水流引起的漂移。这些导致所部署的锚节点位置的不确定性,并对实现准确的位置估计提出了严峻的挑战。因此,本文分析了三维(3D)定位UOWSNs的性能,并推导出一个封闭形式的表达的Cramer Rao下界(CRLB)通过使用到达时间(ToA)和到达角(AoA)的测量下存在的锚节点位置的不确定性。数值结果验证了分析结果,通过比较的定位精度的情况下,没有锚节点的位置不确定性。并与线性最小二乘法(LSS)和加权LLS(WLSS)方法进行了比较。
2019-12-23 cs.NI eess.SP
Network Localization by Shadow Edges
University Campus Biomedico of Rome(罗马生物医学大学校园);University “Roma TRE”(罗马第三大学)
本文提出利用节点间缺乏通信的信息(阴影边)来降低网络定位的连通性要求,只需双连通和刚性图即可实现定位。
2012-10-29 cs.NI cs.SY eess.SY
Time to timestamp: opportunistic cooperative localization from reception time measurements
我们提出了一个通用的框架,通过利用传统的地面无线电信号的机会测量,以改善和扩展基于GNSS的定位。所提出的方法仅要求参与节点收集和共享由其他固定或移动节点发送的传入分组和/或其他参考信号的接收时间戳,而不需要节点间同步。设想的计划夫妇的想法,合作全球导航卫星系统增强与最近的开创性工作,在异步网络中的基于时间的定位领域。在这方面的贡献,我们提出了所提出的方法的基本原则,并讨论了系统级方面,使其特别有吸引力和及时的合作ITS应用程序,激励进一步的研究和实验在这个方向的目标。
2014-08-03 cs.NI
Localization for Wireless Sensor Networks: A Neural Network Approach
Fiji National University(斐济国立大学);University of the South Pacific(南太平洋大学)
随着无线传感器网络向工业领域的渗透,出现了许多研究机会。一个这样的基本和具有挑战性的应用是节点定位。本文采用了一种基于前向神经网络的方法。使用锚节点信标的接收信号强度指示符(RSSI)值。锚节点的数量和它们的配置对定位系统的精度有影响,这也是本文所讨论的。评估五种不同的训练算法,以找到最佳结果的训练算法。利用Matlab对多层感知器(MLP)神经网络模型进行训练。为了评估所提出的方法的性能在实时的,然后在Arduino微控制器上实现所获得的模型。在4个锚节点的情况下,使用12-12-2神经网络结构实现了0.2953 m的平均2D定位误差。所提出的方法也可以在任何其他嵌入式微控制器系统上实现。
2016-02-07 cs.AI cs.NI
Multilateration: Methods For Clustering Intersection Points For Wireless Sensor Networks Localization With Distance Estimation Error
在本文中,我们描述了三种方法定位无线传感器网络节点,使用锚节点在其附近,当有一个错误的距离估计。我们使用与每个锚点的估计距离形成的圆的交点,并应用不同的方法来形成聚类。然后,我们使用聚类点来计算最终位置。
2012-03-16 cs.NI
Location Estimation with Reactive Routing in Resource Constrained Sensor Networks
无线传感器网络的路由算法可以大致分为两类-主动式和反应式。主动路由适用于具有固定拓扑的网络。另一方面,反应式路由更适合于一组移动节点,其中路由是按需创建的,没有太多的时间来评估路由的价值,主要关注的是由于不断变化的节点位置的可达性。传感器网络将感兴趣的事件从源路由到目的地,在目的地可以采取适当的动作。然而,移动传感器节点,它不仅是重要的是要知道的事件,但产生的事件的节点的位置。大多数传感器节点没有配备昂贵的GPS或精确的RSSI计算硬件来帮助定位。鉴于这些,我们提出了一个修改后的反应式路由算法,增加了支持本地化,本地化移动传感器节点的基础上收到的信息从固定的传感器节点在相互交换的路由控制数据包。定位的精度取决于固定节点的数量与移动节点的数量的比例和固定节点的拓扑结构。典型的应用场景是移动节点和固定节点的混合,其中固定节点知道它们的绝对位置,并且移动节点的位置从固定节点导出,与反应式路由协议同步。修改后的算法将适用于部署的移动节点的近似位置(即事件位置)是必需的,但没有外部支持基础设施可用于本地化。
2012-08-01 cs.NI
AdapSCA-PSO: An Adaptive Localization Algorithm with AI-Based Hybrid SCA-PSO for IoT WSNs
Ocean University of China(中国海洋大学)
针对物联网无线传感器网络的节点定位需求,本文提出融合SCA与PSO、带自适应切换模块的AdapSCA-PSO混合元启发式定位算法,经仿真验证可显著减少迭代次数,平均定位误差降低84.97%。
2025-07-30 cs.AI cs.NI
Performance Analysis of an Improved Graded Precision Localization Algorithm for Wireless Sensor Networks
本文提出了一种改进的分级精度定位算法GRADESTRUCTURE,称为IGRADESTRUCTURE。GRADEFLOW的性能取决于由底层传感器网络的节点的重叠无线电范围形成的区域。不同的区域模式可能会显着改变定位的性质和精度。在IGRADEFIGURE中,提出了两个改进。首先,在固定网格节点的无线电范围中提出修改,牢记通常可用节点的实际无线电范围,以允许通过它们进行路由。路由是没有解决的GRADERNET,但最重要的是任何adhoc网络,特别是传感器网络的部署。提出了一个理论模型表示的无线电范围的网格基础设施的单元尺寸方面,以帮助进行部署计划,实现所需的精度粗粒度定位。其次,在GRADE中,可以观察到细粒度本地化与粗粒度本地化相比没有显著的性能优势。在IGRADERECT中,这个因素是通过引入一个参数来解决的,该参数可用于改进和微调细粒度定位的精度。
2010-09-15 cs.NI
A Game Theoretical Analysis of Localization Security in Wireless Sensor Networks with Adversaries
无线传感器网络(WSN)支持数据汇集和分布式数据处理,其传感设备非常小,易于篡改和克隆,因此传统的基于访问控制和强认证的安全解决方案难以部署。在本文中,我们看看节点定位的安全性评估的问题。特别地,我们分析了可验证多边化(VM)用于定位节点和恶意节点(即,对手)试图伪装成非恶意。我们诉诸非合作博弈论,我们模拟这种情况下,作为一个两个玩家的游戏。我们分析了最佳球员的策略,我们表明,虚拟机确实是一个适当的机制,以减少虚假的立场。
2010-08-24 cs.GT cs.NI
Localization for Anchoritic Sensor Networks
我们介绍了一类无锚传感器网络,其中传感器节点之间的通信是不希望的或不可行的,例如,由于恶劣的环境、能源限制或安全考虑。
2006-08-02 cs.CG cs.NI