A Distributed Data Collection Algorithm for Wireless Sensor Networks with Persistent Storage Nodes
提出了一种分布式数据汇集算法，用于无线传感器网络获取信息的准确存储转发。该算法不依赖于传感器网络的拓扑结构，路由表，或传感器节点的地理位置，而是利用均匀分布的存储节点。分析和仿真结果表明，该算法可以通过查询任意小的存储节点集，以很高的概率精确收集到传感器节点所传播的数据。
2010-11-11 cs.IT cs.NI math.IT
Distributed Event Localization via Alternating Direction Method of Multipliers
本文讨论了分布式事件定位的问题，使用噪声距离测量与已知位置的传感器。事件定位是许多无线传感器网络应用的基础，如国土安全，执法和环境研究。然而，大多数现有的分布式算法要求目标事件在部署的传感器的凸包内。基于交替方向乘子法（ADMM），提出了两种不要求目标事件在传感器部署的凸包内的可扩展分布式算法GS-ADMM和J-ADMM。更具体地说，这两种算法可以在整个传感器网络被划分为几个簇的场景中实现，簇头收集每个簇内的测量值并交换中间计算信息以实现所有簇之间的定位一致性（共识）。这种情况在许多应用中非常重要，例如国土安全和执法。仿真结果验证了所提算法的有效性。
2018-07-01 cs.DC cs.IT math.IT
Distributed Source Localization in Wireless Underground Sensor Networks
节点定位在无线地下传感器网络（WUSNs）的许多实际应用中起着重要作用，例如确定地震震中、地下爆炸和矿井中的微震事件的位置。由于地下环境中不利的信道特性，在无线传感器网络中获取到达时间差（TDOA）测量比地面无线传感器网络更困难。鲁棒中国剩余定理（RCRT）已被证明是解决无线传感器网络中相位模糊问题和频率估计问题的有效工具。本文利用RCRT对WUSS网络中的TDOA或距离差进行鲁棒估计，从而提高了WUSS网络的测距精度。在获得距离差后，提出了一种基于扩散策略的分布式源定位算法，在满足定位精度要求的同时降低了通信开销。仿真结果验证了所提方法的有效性。
2011-12-17 cs.IT math.IT
Sparsity-Exploiting Anchor Placement for Localization in Sensor Networks
我们考虑基于单向测距的定位中的锚点放置问题，其中传感器或锚点发送测距信号。锚部署在一个地理区域的数量一般是稀疏的，我们表明，锚的位置可以制定为稀疏选择向量的设计。有趣的是，锚点发送测距信号的情况导致联合测距能量优化和锚点放置问题。我们抽象的本地化算法，而不是使用Cramér-Rao下限（CRB）作为性能约束。锚的放置问题被制定为一个优雅的凸优化问题，可以有效地解决。
2013-03-17 cs.IT math.IT
Top-P Sensor Selection for Target Localization
University of California, Los Angeles（加州大学洛杉矶分校）
研究基于Top-P的决策规则，用于传感器选择以提高目标定位精度，提出几何感知算法并验证有效性。
2026-06-29 cs.IT math.IT
Extended Subspace Error Localization for Rate-Adaptive Distributed Source Coding
提出了一种基于离散傅立叶变换（DFT）码的速率自适应分布式信源编码（DSC）方法。删余DFT码可用于实现码率自适应信源编码，但由于子空间误差定位性能严重下降，即使在适度删余后，其性能也很差。所提出的基于子空间的错误定位扩展和改进了现有的一个，基于额外的伴随式，自然是适合于速率自适应分布式信源编码架构。
2013-06-27 cs.IT math.IT
Attack Detection in Sensor Network Target Localization Systems with Quantized Data
我们考虑一个传感器网络集中在目标定位，传感器测量从目标发出的信号强度。每个测量值被量化为一个比特并发送到融合中心。一般的攻击被认为是在一些传感器，试图导致融合中心产生一个不准确的估计目标位置与一个大的均方误差。该攻击是中间人攻击、黑客攻击和欺骗攻击的组合，可以以逼真的方式有效地改变进出传感器节点的信号。我们发现，攻击的本质效果是改变目标和每个被攻击的传感器之间的估计距离在不同程度上，引起的攻击和未攻击的传感器之间的几何不一致。因此，在两个安全传感器的帮助下，提出了一类检测器，通过检查几何不一致性的存在来检测被攻击的传感器。我们发现，所提出的检测器的虚警和未命中概率呈指数下降的测量样本的数量的增加，这意味着，对于足够大的样本数量，所提出的检测器可以识别攻击和未攻击的传感器与任何所需的精度。
2017-05-15 cs.IT math.IT
Joint localization and clock synchronization for wireless sensor networks
一个完全异步网络与一个目标传感器和几个锚（节点与已知的位置）被认为是。传统上，定位和同步被视为两个独立的问题。本文在一个统一的框架下研究了定位和同步问题。我们提出了一个新的模型，其中通过节点之间的双向通信或与基于广播的协议获得的时间戳可以使用在一个简单的估计器的基础上最小二乘（LS）联合估计的目标节点的位置，以及所有未知的时钟偏差和时钟偏移。的Cramér-Rao下界（CRLB）推导出所考虑的问题，并作为一个基准来分析所提出的估计器的性能。
2013-01-04 cs.IT math.IT
Lower Bound on the Localization Error in Infinite Networks with Random Sensor Locations
我们提出了新的下限上的均方误差（MSE）的位置估计的发射源通过网络的传感器被随机部署。传感器的位置被建模为一个均匀的泊松点过程。与以前的界限是所有传感器的特定位置的函数相比，我们提出了CRB型的预期均方误差的界限，也就是说，我们首先推导出作为传感器位置的函数的MSE上的CRB，然后对传感器位置的分布进行预期。因此，这些界限不是特定传感器配置的函数，而是传感器统计的函数。因此，这些新的边界可以在传感器部署之前进行评估，并提供对设计问题的见解，例如必要的传感器密度，信道模型的影响，信号功率的影响等。导出的界限是简单的评估，并提供了一个很好的预测的实际网络性能。
2017-05-08 cs.IT math.IT
Distributed Maximum Likelihood Sensor Network Localization
我们提出了一类凸松弛来解决传感器网络定位问题，基于最大似然（ML）制定。这一类别以及弛豫的紧密性取决于所收集测量的噪声概率密度函数（PDF）。我们推导出一个计算效率高的基于边缘的ML凸松弛类的版本，我们设计了一个分布式算法，使传感器节点，以解决这些基于边缘的凸计划本地只与他们的近邻通信。该算法依赖于交替方向乘子法（ADMM），收敛于集中式解，可以异步运行，具有计算容错性。最后，我们比较我们提出的分布式方案与其他可用的方法，分析和数值，我们认为ADMM的附加值，特别是对于大规模的网络。
2013-12-26 cs.IT math.IT
Raptor Codes Based Distributed Storage Algorithms for Wireless Sensor Networks
本文研究了一个大规模无线传感器网络中的分布式存储问题，该网络中的$n$节点之间$k$获取（感知）独立的数据.目标是在整个网络中传播所获取的信息，使得每个$n$传感器存储一个可能编码的分组，并且对于一些小的$ε>0$，可以稍后以计算简单的方式从任何$(1+ε)k$节点恢复原始$k$数据分组。我们提出了两个基于Raptor码的分布式存储算法来解决这个问题。在第一种算法中，所有传感器都具有$n$和$k$的知识。在第二种情况下，我们假设没有传感器具有这样的全局信息。
2009-03-03 cs.DS cs.IT cs.NI
Non-line-of-sight Node Localization based on Semi-Definite Programming in Wireless Sensor Networks
一个位置未知的传感器可以定位，如果有三个或更多的锚从它的信号的到达时间（TOA）测量。然而，定位误差可能是非常大的，由于事实上，一些测量是从非视线（NLOS）路径。针对超宽带无线传感器网络，提出了一种基于半定规划（SDP）的NLOS环境下节点定位算法。可以使用来自位置感知锚点以及其他传感器的距离估计来估计传感器的位置。然而，在没有LOS路径的情况下，例如，在室内网络中，NLOS距离估计可能有很大的偏差。因此，NLOS误差会显著降低定位精度。并且不容易有效地区分LOS和NLOS测量。本文提出了一种不需要识别NLOS和LOS测量值就能获得高定位精度的算法。
2009-12-31 cs.IT math.IT
Target Localization Accuracy Gain in MIMO Radar Based Systems
本文提出了一种分析的目标定位精度，可通过使用MIMO（多输入多输出）雷达系统，配置有多个发射和接收传感器，广泛分布在一个给定的区域。针对相干和非相干处理，提出了目标定位精度的克拉美-罗下界。相干处理需要所有发射和接收传感器的公共相位参考。CRLB被示出为在非相干情况下与信号有效带宽成反比，但在相干情况下与载波频率近似成反比。我们进一步证明，优化的传感器的位置降低CRLB的一个因素，等于产品的发送和接收传感器的数量。针对MIMO目标定位问题，推导了最佳线性无偏估计器（BLUE）。BLUE的效用在于提供闭合形式的定位估计，其便于分析传感器位置、目标位置和定位精度之间的关系。几何精度因子（GDOP）等值线用于绘制给定地理区域内给定雷达布局的相对性能精度。
2008-09-24 cs.IT math.IT
RSSI-Based Machine Learning with Pre- and Post-Processing for Cell-Localization in IWSNs
工业无线传感器网络对现代制造业至关重要。如果这些网络中的传感器是移动的，则除了传感器数据本身之外，位置信息也可以具有高度相关性。例如，该位置信息可以通过确保传感器不被物理地移除、偏离轨道或以其他方式受损来增加无线传感器测量的可信度。在某些应用中，无论传感器是在房间或单元的内部还是外部，单元级的定位信息都是足够的。为此，使用接收信号强度指示符（RSSI）测量的定位是非常流行的，因为RSSI值在几乎所有现有技术中都是可用的，并且不需要与移动传感器节点及其在网络中的通信的直接交互。对于这种情况下，我们提出的方法来提高常见的机器学习分类器的鲁棒性和准确性，通过使用基于短期矩的特征和使用隐马尔可夫模型的第二分类阶段。从一个广泛的测量活动的数据，我们表明我们的方法的适用性，并实现了93.5%的细胞级定位精度。
2021-04-30 cs.IT eess.SP math.IT
Sound localization using compressive sensing
Bell Labs, Alcatel-Lucent（阿尔卡特-朗讯贝尔实验室）
在具有远程传感器设备的传感器网络中，重要的是具有能够利用从传感器传输的少量数据来准确地定位声音事件的方法。在本文中，我们提出了一种新的方法定位的声源使用压缩传感。代替在时域中以奈奎斯特采样率对大量数据进行采样，声学传感器进行在时间上积分的压缩测量。压缩测量可以用于精确地计算声源的位置。
2013-02-28 cs.IT cs.SD math.IT
Nonasymptotic Performance Analysis of Direct-Augmentation and Spatial-Smoothing ESPRIT for Localization of More Sources Than Sensors Using Sparse Arrays
方向增强（DA）和空间平滑（SS），其次是子空间方法，如ESPRIT或MUSIC，是两个简单而成功的方法，使定位更多的不相关的源比传感器与适当的稀疏阵列。在本文中，我们进行了非渐近性能分析DA-ESPRIT和SS-ESPRIT在实际有限快照制度。我们表明，他们的绝对定位误差是有界的$C_1\frac{\max\{σ^2, C_2\}}{\sqrt{L}}$从上面以压倒性的概率，其中$L$是快照数，$σ^2$是高斯噪声功率，和$C_1,C_2$是常数独立于$L$和$σ^2$，当且仅当他们可以做精确的源定位与无限多个快照。我们还表明，它们的分辨率随着快照数量的增加而增加，而没有实质性的限制。数值结果证实了我们的分析。
2023-02-22 cs.IT eess.SP math.IT
Space-Time Hierarchical-Graph Based Cooperative Localization in Wireless Sensor Networks
研究表明，在GPS定位性能较差的情况下，合作定位能够提高定位精度和覆盖范围。然而，由于其潜在的过度的计算复杂性，在撰写本文时，合作定位的应用在实践中仍然有限。在本文中，我们解决了无线传感器网络中的有效合作定位问题。提出了一种基于时空层次图的快速收敛代理节点定位方法。与传统方法相比，该方法利用时空层次模型将Agent节点划分为不同的层次，并逐步估计Agent节点的位置。特别地，在考虑位置信息的质量的基础上构思信息传播规则。根据该规则，信息总是从上层传播到某个较低的层，并在每一层上进一步优化消息传递过程。因此，可以减轻潜在的错误传播。此外，位置估计和位置广播都由传感器节点执行。此外，传感器激活机制的构思，这是能够显着降低的能量消耗和网络流量开销引起的定位过程。分析和数值计算结果表明，我们的时空层次图为基础的合作定位方案的优越性的基准计划考虑。
2015-09-08 cs.IT math.IT
New Perspectives on Multiple Source Localization in Wireless Sensor Networks
在本文中，我们解决了无线传感器网络（WSN）中的多源定位的挑战性问题。我们开发了一种有效的统计算法，基于顺序蒙特卡罗（SMC）采样器方法的新应用，这是能够处理未知数量的源给定的量化数据在融合中心从不同的传感器与不完善的无线信道。我们还推导了源位置估计的后验Cramér-Rao界（PCRB）。PCRB被用来分析建议SMC采样器算法的精度和量化对源的位置估计的精度的影响。大量的实验表明，所提出的方案在模型选择所需的估计方法的准确性方面的益处（即，源的数量）和源特性的估计，与经典的重要性采样方法相比。
2015-04-22 cs.IT math.IT stat.AP
A Guide of Fingerprint Based Radio Emitter Localization using Multiple Sensors
位置信息对于各种应用程序都是必不可少的。无线分布式传感器是物联网的关键技术之一，对环境的检测是其中最重要的环节之一。基于指纹的方法是将预先采集到的位置唯一指纹与从目标上测量到的指纹进行比较，近年来引起了学术界和工业界的广泛关注。本文从实际应用的角度出发，介绍了基于指纹的无线电辐射源定位系统的四种典型方法，并给出了四种典型应用：用于考试中的反作弊的LTE智能电话的定位、Wi-Fi终端的室内定位、使用占用者的位置信息的BEMS中的局部化光控制，以及室外环境中的非法无线电定位。基于不同的实际应用场景，不同的解决方案，旨在提高定位性能，进行了详细的讨论。据作者所知，这是第一篇从指纹选择、硬件结构设计和算法改进等方面为读者提供指纹定位系统的指导的论文
2018-04-06 cs.IT eess.SP math.IT
