Maximum Likelihood based Multihop Localization in Wireless Sensor Networks
为了使从无线传感器检索的数据集具有洞察力，数据的准确性和位置标记通常至关重要。本文介绍了一种基于最大似然的多跳定位算法称为kHopLoc用于无线传感器网络，是强大的各向同性和各向异性的网络部署区域。在初始训练阶段，利用蒙特卡罗模拟产生多跳连接密度函数。然后，传感器节点的位置估计最大化的本地似然函数的跳数锚节点。与其他多跳定位算法相比，kHopLoc算法在不同的网络配置和连接链路模型下具有更高的定位精度。
2015-02-06 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
Localization Procedure for Randomly Deployed Wireless Sensor Networks
无线传感器网络（WSNs）由节点组成，这些节点从外部实体产生的事件中收集温度，污染或压力等指标。无线传感器网络中的本地化是至关重要的，因为收集的度量必须与发生的地点相关。本文提出了一种基于定位协议的可组合性在随机部署的无线传感器网络中进行定位的替代方法。结果表明，一个完全分布式的定位程序，实现了更高的数量比传统的，单独执行的定位协议，同时保持相同的低水平的电池消耗的定位节点。
2013-06-10 cs.NI
Alternating Minimization Based First-Order Method for the Wireless Sensor Network Localization Problem
我们提出了一种算法的无线传感器网络定位问题，这是基于著名的算法框架交替最小化。我们从一个非光滑和非凸的最小化，并将其转化为一个等价的光滑和非凸的问题，这是我们研究的核心。这为全局收敛的新方法铺平了道路：不仅目标函数值的序列收敛，而且位置估计的序列也收敛到作为对应（原始）目标函数的临界点的唯一位置。所提出的算法有一系列的完全分布式的完全集中式的实现，都具有全局收敛的属性。该算法在几个网络配置进行了测试，它被证明在较短的时间内产生更准确的解决方案相对于现有的方法。
2020-10-14 cs.NI math.OC
Geometry-covering Jammer Localization based on Distance Comprehension in Wireless Sensor Networks
干扰攻击会对无线传感器网络造成严重的破坏。一旦发生干扰攻击，最紧迫的工作就是获取干扰机的位置信息。然后可以设计消除干扰影响的安全措施。本文采用几何覆盖法进行干扰机定位，以达到低能耗的目的。并利用边界节点接收到的干扰信号的功率，组成一种补偿方法，以减小干扰区域的估计误差。最后通过提取补偿后受害区域的最小覆盖圆进行定位。通过仿真分析了节点密度、干扰区域和半径对定位精度的影响。实验结果表明，该方法定位精度高，能耗低.
2015-12-21 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
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
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
Performance Study of Localization Techniques in Wireless Body Area Sensor Networks
无线体域传感器网络（WBASNs）的主要问题之一是有效的定位。存在用于室内和室外环境以定位人的各种技术。本研究评估并比较了室内环境中无线传感器的最佳放置优化方案的性能，患者可以在其中进行日常活动。在室内环境下，比较了距离矢量跳算法、基于比较接收信号强度指示的环重叠算法（ROCRSSI）、粒子滤波和卡尔曼滤波定位跟踪技术的定位精度。结果表明，粒子滤波优于所有。GPS和GSM定位跟踪方案的基础上提出了室外环境的几种技术。基于隐马尔可夫GSM的定位跟踪方案在定位精度和计算开销方面有效地表现在所有方案中。
2012-07-06 cs.NI
An Indoor Fingerprinting Localization Approach for ZigBee Wireless Sensor Networks
位置跟踪系统正日益成为无线传感器网络领域的研究热点。基于接收信号强度（RSS）的定位系统处于跟踪研究应用的最前沿。无线电定位指纹是最有前途的室内定位方法之一，由于其强大的精度和成本。然而，指纹识别系统需要在跟踪区域中收集大量的参考点以实现合理的定位精度。在本文中，我们提出了一种基于RSS技术的指纹定位方法。所提出的系统不需要收集大量的参考点，并提供良好的室内定位精度。所实现的方法是基于将跟踪区域划分为子区域，并通过从不同的参考点的RSS值的范围内分配一个独特的功能，每个子区域。为了测试所提出的系统的效率，一些实际的实验已经进行了使用Jennic传感器节点。
2013-08-08 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
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
Performance Analysis of Connectivity and Localization in Multi-Hop Underwater Optical Wireless Sensor Networks
水下光学无线链路具有有限的范围和间歇性的连接，由于敌对的水上信道损伤和光学收发器之间的未对准。因此，多跳通信可以扩大通信范围，增强网络连通性，并提供更精确的网络定位方案。在这方面，本文研究了水下光无线传感器网络（UOWSNs）的连通性及其对网络定位性能的影响。首先，我们将UOWSNs建模为随机缩放的扇区图，其中传感器之间的连接由点对点有向链路建立。之后，网络连通性的概率被解析地导出为网络密度、通信范围和光发射器的发散角的函数。其次，将网络定位问题转化为无约束优化问题，并采用共轭梯度法求解。数值结果表明，不同的网络参数，如节点数，发散角，和传输范围显着影响的概率连接网络。此外，将所提出的定位技术的性能与已知的网络定位方案进行了比较，结果表明，所提出的技术的定位准确度在网络连接性、测距误差和锚点数量方面优于文献。
2018-10-27 cs.NI
Time Of Arrival Based Localization in Wireless Sensor Networks : A Linear Approach
在本文中，我们的目标是确定部署在无线传感器网络（WSN）中的节点的位置信息。我们估计一个未知的源节点的位置使用定位的线性方法的基础上在一个单一的仿真平台。首先推导了位置估计的Cramer-Rao下界（CRLB），并提出了四种线性方法，即线性最小二乘（LLS）、子空间法（SA）、加权线性最小二乘（WLLS）和两步WLS。基于仿真研究的结果进行了比较。仿真结果表明，两步加权最小二乘法具有较高的定位精度.关键词：声源定位，到达时间，线性最小二乘，子空间方法，加权线性最小二乘，两步WLS和CRLB。
2014-03-24 cs.NI
Low Complexity Indoor Localization in Wireless Sensor Networks by UWB and Inertial Data Fusion
室内运动目标的精确定位是一项具有挑战性的活动，如果不结合不同的信息源，就无法轻松完成。从这个意义上说，不同数据源与适当过滤器的组合可能会提高定位和跟踪性能。提出了一种基于超宽带和惯性信息融合的无线传感器网络混合定位算法。一个恒定增益的稳态卡尔曼滤波器被用来约束系统的复杂性，简化了其在一个典型的低功耗无线传感器网络节点上的实现。所提出的数据融合算法的性能进行了评估，在一个现实的情况下，使用模拟和现实的数据集。实验结果证明了该方法的有效性，有效地融合了不同的定位数据源，降低了定位误差。
2013-05-07 cs.NI
Evolution of Target Localization in Wireless Sensor Network (WSN): A Review
无线传感器网络具有举足轻重的地位，近年来受到了研究者的广泛关注。传感器节点已经被用于诸如环境监测、安全目的应用和目标跟踪的大量应用中。后者包括目标运动的检测和监视。在本文中，我们详细探讨了著名的目标跟踪技术。现有的技术进行评估，如网络拓扑结构，目标恢复，能源效率和安全性的指标。我们还讨论了一些影响跟踪计划的性能的挑战。此外，对现有技术进行了深入的分析，并探讨了未来的发展方向。
2021-07-08 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
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
Geometrical Localization Algorithm for 3-D Wireless Sensor Networks
针对大规模三维无线传感器网络，提出了一种有效的距离无关定位方案。我们的系统环境包括两种类型的传感器，随机部署的静态传感器和全球定位系统配备移动传感器。这些移动的锚在网络场中移动，并以指定的时间间隔广播它们的当前位置。一旦以随机方式部署的传感器接收到三个信标消息（由锚广播的已知位置），它们就使用我们提出的算法自动计算它们的位置。我们的一个重要贡献是，我们只使用三种不同的信标消息来定位一个传感器，而据我们所知，所有以前提出的方法都使用至少四个不同的已知位置。我们的方法通过仅使用三个已知位置进行定位的能力不仅节省了计算、时间、能量，而且减少了需要部署的锚的数量，更重要的是减少了通信开销。实验结果表明，我们提出的方案提高了定位过程的整体效率显着。重要提示：本文的最终版本已被接受并发表于Journal of Wireless Personal Communication，Springer：June，2014。出版物的最终版本可在www.example.com上获得link.springer.com链接：http：//link.springer.com/article/10.1007\%2Fs11277-014-1852-6
2014-07-03 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
Accuracy of Range-Based Cooperative Localization in Wireless Sensor Networks: A Lower Bound Analysis
准确的位置信息对于许多无线传感器网络（WSN）应用是必不可少的。一个位置感知的无线传感器网络通常包括两种类型的节点：传感器的位置被确定和锚的位置是已知的先验。对于基于距离的定位，传感器的位置推导出从锚到传感器和传感器到传感器的距离测量。定位精度取决于网络参数，如网络连接和大小。本文提供了一个广义的理论，定量表征网络参数和定位精度之间的关系。我们使用的平均度作为一个连接性度量，并使用几何精度稀释（DOP），相当于克拉美-拉奥界，量化定位精度。我们证明了一个新的平均几何DOP（LB-E-AGDOP）的期望下界，并推导出一个封闭形式的公式，LB-E-AGDOP只有三个参数：平均锚度，平均传感器度，传感器节点的数量。该公式表明，定位精度与平均度近似成反比，平均锚点度与平均传感器度的比值越大，定位精度越高。此外，本文还证明了LB-E-AGDOP和最佳可实现精度之间的密切联系。最后，我们通过三种不同的随机图模型的数值模拟验证了理论。
2014-03-14 cs.MA cs.NI
Secure Localization in Wireless Sensor Networks: A Survey
无线传感器网络（WSNs）在过去几年中得到了研究者的关注。由微型微处理器供电的小型传感器能够支持民用和军用领域的多种应用。确定传感器的位置是大多数无线传感器网络算法和协议（包括数据标记、路由、节点识别等）的基本和必要知识。本文调查了不同的算法，已经提出了安全地确定传感器节点的位置。所谓“安全”，我们的意思是对手不能轻易影响本地传感器的准确性。换句话说，定位算法必须在多种攻击下是鲁棒的。我们提供了一个分类不同的安全本地化方案进行分类，并描述可能的攻击，可以损害本地化。此外，我们还调查了不同的安全本地化方案，并展示了它们如何映射到拟议的分类法。我们还比较了不同的方案，显示每个解决的攻击。
2010-04-19 cs.CR 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
Accurate Localization in Wireless Sensor Networks in the Presence of Cross Technology Interference
Lahore University of Management Sciences (LUMS)（拉合尔管理科学大学（LUMS））
无线传感器网络中移动节点的定位是一个活跃的研究领域。在本文中，我们提出了一种新的基于RSSI的定位算法802.15.4（ZigBee）基于无线传感器网络。我们提出并实现了一种新的基于距离的定位算法，以最大限度地减少跨技术干扰在同一频带内工作。目标是最小化定位算法的均方误差。该算法的硬件实现是在理想的（无干扰）的仿真结果，其中精度小于0.5米已经实现。
2019-05-25 cs.LG cs.NI
MAINT: Localization of Mobile Sensors with Energy Control
定位是无线传感器网络的一个重要问题。移动传感器可能会快速改变其位置，因此需要频繁地进行定位调用。本地化可能需要网络范围的信息并增加网络上的流量。它消耗了信息交流的宝贵能量。因此，本地化成本很高。控制定位呼叫的数量可以节省能量消耗，因为它是相当昂贵的。为了减少移动传感器的定位调用的频率，我们提出了一种技术，涉及\textit{Mobility Aware Interpolation}（MAINT）的位置估计。它控制定位的数量，这比现有的使用移动性感知外推的定位控制方案给出更好的结果。所提出的方法涉及非常低的算术计算开销。我们发现位置估计的预期误差的解析表达式。引入了时间间隔这一参数，对能量耗散进行外部控制。仿真研究进行了比较，所提出的方法与现有的一些定位控制方案的性能以及理论结果。仿真结果表明，该表达式可以计算任意时刻的期望误差。我们已经看到，可以保持恒定的误差限制，增加与其运动方向的变化率成比例的定位时间段。增加时间周期，可以节省能量，并具有稳定的误差极限。
2015-11-10 cs.DC cs.NI
Wireless Sensor Networks Localization Methods: Multidimensional Scaling vs. Semidefinite Programming Approach
随着最近的技术发展，无线传感器网络正在成为许多应用的重要组成部分，例如健康和医疗应用、军事应用、农业监测、家庭和办公室应用、环境监测等。知道传感器的位置很重要，但是GPS接收器和复杂的传感器太昂贵并且需要处理能力。因此，无线传感器网络的定位问题是一个日益受到关注的领域。本文的目的是给无线传感器网络定位方法的比较，因此，多维标度和半定规划的选择进行了研究。多维标度是一种简单的数学技术，广泛讨论，解决无线传感器网络定位问题。相比之下，半定规划是一个相对较新的优化领域，虽然更复杂，但使用越来越多。在本文中，使用广泛的模拟，这两种方法的详细概述，关于不同的网络拓扑结构，各种网络参数和性能问题。这两种技术的性能是非常令人满意的和估计误差是最小的
2016-06-23 cs.DC cs.NI
Designing Path Planning Algorithms for Mobile Anchor towards Range-Free Localization
定位是无线传感器网络中最重要的因素之一，因为许多应用都需要传感器的位置信息。最近有一个越来越多的兴趣使用移动锚定位传感器。现有文献中的大多数工作要么着眼于减少移动锚的路径长度方面，要么试图提高定位精度。面临的挑战是为移动锚设计一种移动策略，该移动锚在满足良好的无距离定位技术的要求的同时减少路径长度。在本文中，我们提出了两个具有成本效益的运动策略，即，移动锚点的路径规划，使得可以使用定位方案\cite{Lee2009}来完成定位。在一种策略中，我们使用一个六边形的移动锚的移动模式，以本地化所有传感器内的有界矩形区域较少的运动相比，现有的作品在文献中。在其他策略中，我们考虑一个连接的网络在一个无界的区域，移动锚移动的六边形模式定位传感器。在这种方法中，我们保证定位的所有传感器在$r/2$误差范围内，其中$r$是移动锚和传感器的通信范围。我们的仿真结果支持理论结果以及定位精度。
2014-08-30 cs.DC cs.NI
A Practical Localization Algorithm Based on Wireless Sensor Networks
许多定位算法和系统已经开发出了无线传感器网络的室内和室外环境。现有的定位算法为了获得更高的定位精度，往往需要额外的硬件设备，这不仅增加了成本，而且极大地限制了定位应用的范围。在本文中，我们提出了一种方法，可以有效地满足不同的定位精度要求的大多数室内和室外的定位服务在实际应用中。我们的算法是由两个阶段组成：分区阶段，其中目标区域被分割成小网格和定位细化阶段，其中可以通过应用技巧算法生成一个更高精度的位置。一个实际的演示系统，使用我们的算法已经开发，以说明其可行性和有效性。实验结果表明，该算法能够提高定位精度.
2010-11-13 cs.DC 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
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
LAURA: LLM-Assisted UAV Routing for AoI Minimization
本文提出LAURA算法，利用大语言模型作为进化框架中的智能交叉算子，优化无人机飞行路由以最小化信息年龄，仿真验证其在多节点场景下优于基准方法。
2025-07-09 cs.IT cs.NI math.IT
Simultaneous Distributed Sensor Self-Localization and Target Tracking Using Belief Propagation and Likelihood Consensus
我们介绍的框架合作同时定位和跟踪（CoSLAT），它提供了一个一致的组合合作自定位（CSL）和分布式目标跟踪（DTT）在传感器网络中没有一个融合中心。CoSLAT扩展了同时定位和跟踪（SLAT），因为它也使用传感器间测量。从因素图制定的CoSLAT问题，我们开发了一个基于粒子的，分布式的消息传递算法CoSLAT，结合非参数的信念传播的似然共识计划。CoSLAT算法通过在CSL和DTT之间交换概率信息来改进最新的CSL和DTT算法。仿真结果表明，自定位和跟踪性能的显着改善。
2012-11-29 cs.IT cs.NI math.IT
Machine Learning for Indoor Localization Using Mobile Phone-Based Sensors
Drake University（德雷克大学）
在本文中，我们研究了利用机器学习方法基于嵌入式传感器的读数来定位移动终端的问题。我们考虑一个真实的环境，收集了3110个数据点的大型数据集，并检查了大量的机器学习算法在本地化移动终端的性能。我们已经找到了算法，给出了一个准确的平均误差为0.76米，优于文献中报道的其他室内定位系统。我们还提出了一种基于实例的混合方法，该方法可以使速度提高十倍，而不会损失标准的基于实例的方法在现场部署中的准确性，从而实现快速准确的定位。此外，我们确定了以较低密度收集的较小数据集如何影响定位的准确性，这对于在现实环境中使用很重要。最后，我们证明了这些方法是适合现实世界的部署，通过评估其性能在一个在线的，在运动实验。
2015-05-22 cs.LG 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
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
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
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 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
On-Demand AoI Minimization in Resource-Constrained Cache-Enabled IoT Networks with Energy Harvesting Sensors
我们考虑一个资源受限的物联网网络，其中多个用户向启用缓存的边缘节点发出按需请求，以发送有关各种随机过程的状态更新，每个过程都由能量收集传感器监控。边缘节点通过决定是否命令相应的传感器发送新的状态更新或从缓存中检索最近接收的测量结果来满足用户的请求。我们的目标是找到边缘节点的最佳动作，以最小化在请求时接收到的测量的平均信息年龄（AoI），即，平均按需AoI，服从每时隙传输和能量约束。首先，我们推导出一个马尔可夫决策过程模型，并提出了一个迭代算法，获得最优策略。然后，我们开发了一个渐近最优的低复杂度算法-称为松弛，然后截断-并证明它是最佳的传感器的数量趋于无穷大。仿真结果表明，所提出的松弛，然后截断的方法显着降低了平均按需AoI相比，一个请求感知的贪婪（近视）的政策，也描绘了它执行接近最佳的解决方案，即使是中等数量的传感器。
2022-01-28 cs.IT cs.NI cs.SY
Energy-Efficient Localization and Tracking of Mobile Devices in Wireless Sensor Networks
无线传感器网络（WSNs）是有效的定位和跟踪人和物体在各种工业环境。由于能耗是延长无线传感器网络寿命的关键，我们提出了一个节能的定位和跟踪（eLOT）系统，使用低成本和便携式硬件，以实现高度准确的跟踪目标。在eLOT中实现了各种基于指纹的定位和跟踪方法。为了实现高能量效率，提出了一种协调冲突和干扰的网络级方案。另一方面，基于位置信息，eLOT中的移动设备可以快速与给定区域中的特定信道相关联，同时通过避免不必要的传输来节省能量。最后，基于TI CC2530和Linux操作系统搭建了一个平台，验证了该方案在定位精度和能量效率方面的有效性。
2016-02-26 cs.IT cs.NI math.IT
Joint Estimation and Localization in Sensor Networks
University of Pennsylvania（宾夕法尼亚大学）
本文提出了一种分布式线性估计器用于无线传感器网络中动态目标的协同跟踪，证明了其在静态目标估计中的均方一致性，并通过分布式雅可比算法实现传感器定位，确保了联合定位与目标估计方法的强收敛性。
2014-04-14 cs.MA cs.NI cs.RO
