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
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
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
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
WiPLoc: Perpetual Indoor Localization with RF Wireless Power Transfer
室内定位是移动服务的基石。到目前为止,大多数研究工作都集中在实现亚米级的定位精度,因为许多移动应用依赖于精确的定位测量。然而,在某些情况下,需要以位置准确性换取系统可维护性。例如,在室内网络的大规模部署中,例如智能建筑中的物品监控,达到房间级定位精度可能就足够了,但更换用于定位的设备的电池可能会导致高运营成本。随着室内定位系统的普及,为它们提供完全的能量自主性将是重要的。为了解决这个问题,我们提出了WiPLoc:一种室内定位系统,旨在永久无电池运行。我们的贡献是双重的。首先,我们提出了一种新的本地化方法,利用捕获效应和正交码操作的能量水平是足够低的操作范围内的能量预算提供的远程无线电力传输。其次,我们使用现成的组件实现了WiPLoc,并在实验室环境中进行了广泛的测试。我们的测试结果表明,使用WiPLoc,每个(16 m $^{\text{2}}$)房间一个无线充电器可以实现需要定位的移动对象的永久终身操作,平均精度几乎达到90%。
2017-12-05 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
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
A New Guard-Band Call Admission Control Policy Based on Acceptance Factor for Wireless Cellular Networks
如何最大限度地利用有限的带宽资源,提高服务质量(QoS)是无线通信网络的关键问题。过多的呼叫阻塞是获得期望的QoS的约束。在蜂窝网络中,随着业务到达速率的增加,呼叫阻塞概率(CBP)也随之增加。为此,提出了一种降低呼叫阻塞率的近似稳定的掉话率方案。我们所提出的方案还引入了在特定的保护信道,始发呼叫获得根据接受因子的访问的接受因子。分析性能证明了更好的性能比传统的新呼叫绑定方案的情况下,更高和更低的流量到达率。
2018-10-05 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 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
Wireless Gas Leak Detection and Localization
Berkeley Sensor and Actuator Center, University of California, Berkeley(加州大学伯克利分校传感器与执行器中心)
针对工业气体泄漏问题,提出无线检测与定位解决方案,通过监测网络收集数据,应用算法评估,取得91%检测率、三天七次误报、平均108秒检测延迟及5米定位精度等成果,并给出气体传感器设计建议。
2026-07-07 cs.NI
Underwater Optical Wireless Communications, Networking, and Localization: A Survey
水下无线通信可以通过声波、射频(RF)和光波进行。与其带宽受限的声学和RF通信相比,水下光无线通信(UOWC)可以在低延迟水平上支持更高的数据率。然而,严重的水生通道条件(例如,吸收、散射、湍流等)对UOWC提出了巨大的挑战,并大大减少了可达到的通信范围,这需要有效的网络和本地化解决方案。因此,本文从以下几个方面对水下无线光网络的挑战、发展和前景进行了全面的综述:1)潜在的网络结构; 2)物理层问题,包括传播特性、信道建模和调制技术; 3)数据链路层问题,包括链路配置、链路预算、性能指标和多址接入方案; 4)网络层主题,包括中继技术和潜在的路由算法; 5)传输层主题,如连通性,可靠性,流量和拥塞控制; 6)应用层目标和最先进的UOWN应用程序,以及7)本地化及其对UOWN层的影响。最后,我们概述了开放的研究挑战,并指出了未来的方向,水下光无线通信,网络和本地化的研究。
2018-02-28 cs.NI
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
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
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
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
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
Effect of Spatial and Temporal Traffic Statistics on the Performance of Wireless Networks
由于新的无线应用的出现和场景的复杂性,无线网络中的业务变得多样化,并且在空间和时间上都是波动的。本文的目的是定量地分析无线业务的影响,在空间和时间上的波动,对无线网络的性能。特别是,我们建议结合随机几何和排队论的工具来模拟交通的空间和时间波动,据我们所知,很少有分析评估。我们推导了空间和时间统计,总到达率,队列的稳定性和用户的延迟考虑两个不同的空间特性的流量,即,均匀分布和非均匀分布的情况。数值结果表明,虽然用户成簇时的流量波动(反映在总到达率的方差上)比用户均匀分布时剧烈得多,但不稳定概率较小。本文的工作为考虑业务量复杂时空波动的无线网络设计提供了参考。
2020-08-26 cs.NI
Scheduling Algorithms for Minimizing Age of Information in Wireless Broadcast Networks with Random Arrivals: The No-Buffer Case
信息年龄是一个新的网络性能指标,它可以捕捉最终用户的信息新鲜度。本文从调度的角度研究了信息时代。为此,我们考虑一个无线广播网络,其中一个基站(BS)是更新许多用户的随机信息到达下的传输容量约束。对于离线的情况下,到达统计是已知的BS,我们开发了一个结构MDP调度算法和索引调度算法,利用马尔可夫决策过程(MDP)技术和惠特尔的方法不安分的土匪。通过探索最优的结构结果,我们不仅降低了基于MDP算法的计算复杂性,而且简化了推导一个封闭形式的Whittle指数。此外,对于在线的情况下,我们开发了一个基于MDP的在线调度算法和一个基于索引的在线调度算法。结构化MDP调度算法和基于MDP的在线调度算法都渐近地最小化平均年龄,而索引调度算法在所有用户的信息到达率相同时最小化平均年龄。最后,通过大量的数值研究,算法进行了验证。
2018-09-17 cs.IT cs.NI math.IT
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
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
Multichannel RSS-based Device-Free Localization with Wireless Sensor Network
基于RSS的无设备定位(DFL)是一种非常有前途的技术,它允许在无线环境中定位目标而无需附加任何电子标签。在复杂的室内环境中,由于多径干扰,DFL的性能下降。本文提出了一种基于不同信道上RSS变化的多信道阻塞链路检测方法。与单信道检测相比,多信道检测在多径环境中被证明是非常有效的。我们还提出了一种新的定位方法称为鲁棒加权最小二乘(RWLS)方法。RWLS首先利用空间特性消除干扰环节,然后利用WLS方法进行目标定位。由于空间检测依赖于目标的未知位置。提出了一种目标位置的粗估计方法。RWLS对干扰链路具有较好的鲁棒性,且计算复杂度较低。实验结果验证了该方法的有效性。
2014-03-04 cs.NI
Minimizing the Age of Information in Wireless Networks with Stochastic Arrivals
我们考虑一个无线网络的基站服务多个流量流到不同的目的地。来自每个流的分组根据随机过程到达基站,并且在单独的(每个流)队列中排队。分组规则控制每个队列中的哪个分组可用于传输。基站在每个时间t决定哪个流服务于对应的目的地。调度决策的目标是保持目的地的信息最新。信息新鲜度由信息年龄(AoI)度量捕获。在本文中,我们推导出一个下界的AoI性能可实现的任何给定的网络下运行的任何搜索纪律。然后,我们考虑了三个常见的随机化规则,并在每个规则下分别设计了一个最优平稳随机化策略和一个最大权重策略。我们的方法使我们能够评估的综合影响的随机到达,排队纪律和调度政策的AOI。我们评估的AOI性能分析和使用模拟。数值结果表明,最大权策略的性能接近分析下限。
2019-05-16 cs.IT cs.NI math.IT
Using Angle of Arrival for Improving Indoor Localization
University of Texas at Austin(德克萨斯大学奥斯汀分校)
在本文中,我们主要探讨在模拟和现实生活中收集的数据使用到达角计算的单流音频系统的改进。我们想学习如何从收集的信号数据中辨别音频源的方向,以最终融入多模态安全系统。我们专注于MUSIC算法的到达角的估计,但简单地试验了其他技术,如巴特利特和Capo。我们能够在康奈尔大学的模拟数据上实现我们自己的MUSIC算法。此外,我们还演示了如何在现实生活场景中计算随时间变化的到达角度。最后,我们能够检测在现实生活场景中的两个单独的和同时的音频源的到达方向。最终,我们可以将这种跟踪结合到一个与视频相结合的多模式系统中。总的来说,我们能够为到达角计算产生令人信服的结果,这可能是一个更好的系统来检测场景中的事件的垫脚石。
2021-01-25 cs.NI cs.SD eess.AS
Cooperative localization using angle of arrival measurements: sequential algorithms and non-line-of-sight suppression
我们调查本地化的一个源的基础上到达角(AoA)的测量在地理上分散的网络合作接收器。我们的目标是有效地计算准确的估计,尽管异常值的AoA测量由于在非视线(NLOS)环境中的多径反射。在这样的设置中的最大似然(ML)位置估计需要对来自“良好”测量的所有可能子集的估计进行穷举测试,这在测量的数量上具有指数复杂性。我们提供了一个随机算法,接近ML性能与线性复杂度的测量。该算法的构建模块是一个低复杂度的顺序算法,用于在视线(LOS)环境下更新源位置估计。我们的贝叶斯框架可以利用宽带系统中解决多个路径的能力,在NLOS环境中的窄带系统提供显着的性能增益,并很容易扩展到容纳额外的信息,如距离测量和先验信息的位置。
2012-06-18 cs.MA cs.NI
An Approximate Inner Bound to the QoS Aware Throughput Region of a Tree Network under IEEE 802.15.4 CSMA/CA and Application to Wireless Sensor Network Design
我们考虑一个树形网络,该网络跨越一组生成测量数据包的源节点、一组仅转发来自源的数据包的附加中继节点以及一个数据汇。我们假设从信源到信宿的路径具有有界的跳数。我们假设节点使用IEEE 802.15.4 CSMA/CA进行介质访问控制,并且没有隐藏终端。在这种设置中,从一组简单的固定点方程,我们推导出充分条件的树网络,以近似满足某些给定的QoS目标,如端到端的交付概率和延迟下的测量数据包在源(到达率向量)的生成率。我们的充分条件的结构提供洞察网络性能的到达率向量的依赖关系,和网络的拓扑性质。此外,对于特殊的情况下,相等的到达率,默认的退避参数,并为目标QoS的值的范围内,我们表明,在所有的路径长度有界的树(跨越一组给定的源和BS),满足充分条件,最短路径树达到最大吞吐量。
2015-03-01 cs.NI
PAPIR: Practical RIS-aided Localization via Statistical User Information
在即将到来的下一代网络(B5 G/6 G)中集成先进的定位技术对于包括接触追踪、自然灾害、恐怖袭击等在内的许多用例变得越来越重要。因此,新兴的轻量级和无源技术允许精确地控制传播环境,例如可重构智能表面(RIS),可以帮助开发依赖于信道统计和波束成形的高级定位解决方案。在本文中,我们设计了PAPIR,一个实用的本地化系统,利用RIS设计了一个两阶段的解决方案,建立在目标用户设备(UE)位置的先验统计信息。PAPIR旨在通过在给定的三维搜索空间上执行统计波束成形、到达方向(DoA)和到达时间(ToA)估计来精细地估计UE位置,该三维搜索空间通过利用UE位置的可能性来迭代地更新。
2022-02-17 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
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 Dual-AoI-based Approach for Optimal Transmission Scheduling in Wireless Monitoring Systems with Random Data Arrivals
Southeast University(东南大学);China United Network Communications Co., Ltd.(中国联合网络通信有限公司)
本文提出了一种基于双 AoI 模型的无线监控系统传输调度方法,通过马尔可夫决策过程优化信息新鲜度,提高系统效率。
2026-03-06 cs.NI cs.SY eess.SY
CapEst: A Measurement-based Approach to Estimating Link Capacity in Wireless Networks
估计无线网络中的链路容量是一项复杂的任务,因为链路处的可用容量不仅是该链路处的当前到达速率的函数,而且是干扰该链路的链路处的到达速率以及这些链路之间的干扰的性质的函数。准确描述这种依赖关系的模型要么计算复杂,要么缺乏准确性。此外,它们具有很高的实现开销,并进行限制性假设,这使得它们不适用于真实网络。在本文中,我们提出了CapEst,一个通用的,简单而准确的,基于测量的方法来估计在无线网络中的链路容量。为了计算量小,CapEst允许估计不准确;然而,使用测量,它可以以迭代的方式纠正这种不准确,并收敛到正确的估计。我们的评估表明,CapEst总是在不到18次迭代中收敛到正确值的5%以内。CapEst与模型无关,因此适用于任何MAC/PHY层,并与自动速率适配一起工作。此外,它具有较低的实现开销,可以与需要估计无线链路上的剩余容量的任何应用一起使用,并且可以完全在网络层实现,而无需底层芯片组的任何支持。
2010-07-27 cs.NI
A New Alternative for Traffic Hotspot Localization in Wireless Networks Using O&M Metrics
近年来,由于热点卸载解决方案的问题、具有小小区部署的异构网络(HetNet)的出现以及绿色网络,对流量定位技术的认识不断提高。以高精度定位业务热点确实非常感兴趣的是,了解如何卸载拥塞区域、小型小区应部署在何处以及如何管理它们以用于睡眠方式概念。我们提出,在本文中,一个新的热点定位技术的基础上直接开发的五个关键性能指标(KPI)提取的操作和维护(O&M)数据库的网络。这些KPI是定时提前(TA)、到达角(AoA)、相邻小区级别、加载时间和两个平均吞吐量:算术(AMT)和谐波(HMT)。这些KPI的组合使用,投影在覆盖地图上,产生了有前途的定位精度,并可以通过利用潜在热点的商业数据进一步优化。与广泛使用的探测方法相比,该解决方案可以以相当低的成本在网络中实现。
2015-03-30 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
Windowed Backoff Algorithms for WiFi: Theory and Performance under Batched Arrivals
二进制指数退避(BEB)是用于协调对共享信道的接入的几十年前的算法。在现代网络中,BEB在WiFi(IEEE 802.11)和其他无线通信标准中起着重要作用。尽管有这样的记录,但众所周知的理论结果表明,在突发流量下,BEB的最大完工时间很差,并且可能有更好的算法。到目前为止,这些发现对无线网络性能的影响程度尚未得到研究。为了解决这个问题,我们调查了一个最强的情况下对BEB:一个单一的突发一批数据包,同时争夺访问无线信道。使用网络模拟器3,我们在IEEE 802.11g中纳入了几种较新的算法,这些算法虽然受到BEB的启发,但具有理论上优越的最大完工时间保证。令人惊讶的是,我们发现这些新算法的性能低于BEB。进一步调查,我们确定了一个共同的抽象冲突的成本的罪魁祸首。我们的实验结果是补充分析参数,碰撞的数量-而不仅仅是完工时间-是一个重要的度量优化。我们认为,这些研究结果在无线网络中的退避算法的设计有一定的影响。
2021-10-11 cs.DC cs.NI
Improving the Performance of Deep Learning for Wireless Localization
室内定位系统通常基于WiFi或蓝牙低功耗(BLE)信标的接收信号强度指示符(RSSI)测量。在这种系统中,两种最常见的技术是三边测量和指纹识别,后者提供更高的精度。在指纹技术中,深度学习(DL)算法通常用于基于在接收器处接收的多个信标的RSSI测量来预测接收器的位置。在本文中,我们解决了将深度学习应用于无线定位的两个实际问题-将解决方案从一个无线环境转移到另一个\emph{and}小尺寸的标记数据集。首先,我们将自动超参数优化应用于用于室内无线定位的深度神经网络(DNN)系统,这使得系统易于移植到新的无线环境。其次,我们展示了如何使用未标记的数据集来增强一个典型的小标记数据集。通过应用这两种技术,我们观察到DL的性能有所提高。此外,所有相关代码都是免费提供的。
2020-06-16 cs.NI eess.SP
RFID-Assisted Indoor Localization Using Hybrid Wireless Data Fusion
University of Maine(缅因大学)
本文提出一种基于分区的混合室内定位方法,结合RFID跟踪设备与多种IoT无线技术,通过仅在分区边界布置标签以降低成本,并利用RSSI进行蓝牙、WiFi和ZigBee的线性位置估计,实验验证了该方法的有效性。
2023-07-28 cs.LG cs.NI eess.SP
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
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
Nuzzer: A Large-Scale Device-Free Passive Localization System for Wireless Environments
无线局域网和移动设备的广泛使用促进了对用于无线环境的定位系统的兴趣。在基于无线的定位系统的背景下的大多数研究集中在基于设备的主动定位,其中设备被附接到被跟踪的实体。最近,已经提出了无设备被动定位(DfP),其中被跟踪实体既不需要携带设备也不需要主动参与定位过程。DfP系统基于RF信号会受到环境中人员和物体的影响这一事实。DfP概念支持广泛的应用,包括入侵检测和跟踪、边界保护和智能楼宇自动化。以前的研究主要集中在具有直接视线和/或受控环境的小区域。在本文中,我们提出的设计,实现和分析Nuzzer,一个大规模的无设备的被动定位系统的真实环境。在没有任何额外硬件的情况下,它利用已经安装的无线数据网在一个或多个监测点监测和处理从接入点发送的接收信号强度(RSS)的变化。我们提出了概率技术DfP定位和评估其性能在一个典型的办公楼,丰富的多路径,面积为1500平方米。我们的研究结果表明,Nuzzer系统仅使用两台监控笔记本电脑和三个接入点,即可提供无设备位置估计,中值距离误差小于2米。这表明Nuzzer适用于大量的应用领域。
2009-08-06 cs.NI cs.PF
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
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
Online-Score-Aided Federated Learning for Resource-Constrained Wireless Clients with Continual Data Arrival
Utah State University(犹他州立大学);University of Southern California(南加州大学)
针对资源受限且有持续数据到达的无线客户端,提出在线分数辅助联邦学习算法OSAFL,理论分析持续数据等因素对收敛边界的影响及应对方法,通过多数据集和模型的模拟验证了该算法比现有基线更有效。
2026-07-21 cs.DC cs.LG cs.NI
Performance Analysis for Bandwidth Allocation in IEEE 802.16 Broadband Wireless Networks using BMAP Queueing
本文提出了一种性能分析的带宽分配在IEEE 802.16宽带无线接入(BWA)网络考虑到分组级的服务质量(QoS)的约束。基于IEEE 802.16标准的自适应调制编码(AMC)速率用于根据信道质量在每帧时间内自适应地调整传输速率,以获得多用户分集增益。为了对到达过程和流量源进行建模,我们使用批处理马尔可夫到达过程(BMAP),它可以实现更真实,更准确的流量建模。我们确定分析不同的性能参数,如平均队列长度,数据包丢弃概率,队列吞吐量和平均数据包延迟。最后,对分析结果进行了数值验证.
2012-03-08 cs.NI cs.PF
RayLoc: Wireless Indoor Localization via Fully Differentiable Ray-tracing
Southern University of Science and Technology(南方科技大学);Huawei Technologies Co., Ltd(华为技术有限公司);Nanyang Technological University(南洋理工大学)
本文提出RayLoc,将无线室内定位重新表述为无线光线追踪的逆问题,利用全可微光线追踪模拟器对感知场景参数进行反向传播以实现精确定位,并通过高斯核卷积克服稀疏梯度和局部极小值挑战,性能优于传统基线且具备跨环境泛化能力。
2025-01-21 cs.AI cs.LG 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
An RSSI-based Wireless Sensor Node Localisation using Trilateration and Multilateration Methods for Outdoor Environment
定位可以被定义为估计或找到节点的位置。定位有两种技术,即基于范围的技术和无范围的技术。本文重点介绍了接收信号强度指示器(RSSI)定位方法,这是一个基于范围的技术,随着到达时间,到达时间差和到达角分类。因此,本研究的目的是比较三边测量和基于RSSI的技术定位发射(Tx)节点的方法。本工作中的无线传感器模块使用了频率为868MHz的LONG-RANGE无线电(LoRa)。如今,无线网络由于具有低功耗和长距离连接性而成为智能环境、监控和对象跟踪的关键技术。接收(Rx)节点的数量对于三边测量和双边测量方法分别是三个和四个。发射节点被放置在10x10米室外区域内的32个不同坐标处。结果表明,一般误差定位(GER)的误差定位精度为1.83米,三边测量精度为2.30米。此外,最大误差和最小误差为1.00 - 5.28m和0.5 - 3.61m。研究表明,该方法比三边测量法具有更高的精度。因此,随着Rx节点数量的增加,Tx节点的定位精度增加。
2019-12-17 cs.NI eess.SP
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
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
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
Localization using Angle-of-Arrival Triangulation
Institute for Clarity in Documentation(清晰文档研究所);Inria Paris-Rocquencourt(巴黎- Rocquencourt 国家信息与自动化研究所);Rajiv Gandhi University(拉贾·甘地大学);Tsinghua University(清华大学);Palmer Research Laboratories(帕勒尔研究实验室);Amazon Lab126(亚马逊实验室126)
本文提出GCC+方法,通过扩展GCC-PHAT估计到达角并结合三角测量,利用多个智能设备实现无需校准和用户配合的室内说话者定位,在真实环境中达到2.2度AoA误差和1.25米定位误差。
2025-08-23 cs.HC cs.NI cs.SD
Memoryless Techniques and Wireless Technologies for Indoor Localization with the Internet of Things
近年来,物联网(IoT)已经发展到包括通过使用室内定位系统(IPS)和基于位置的服务(LBS)来跟踪设备。在设计IPS时,一种流行的方法涉及使用无线网络从具有预定位置的设备计算目标的大致位置。在许多智能建筑应用中,LBS是开发高效智能建筑所必需的。在本文中,我们研究了两种无记忆定位技术,K-最近邻(KNN)和朴素贝叶斯,并比较它们与简单的三边测量,在准确性,精度和复杂性。我们通过使用三种流行的物联网无线技术:Zigbee,蓝牙低功耗(BLE)和WiFi(2.4 GHz频段),以及三个实验场景来验证多个环境中的结果,对这些技术进行了全面的分析。实验结果表明,KNN是最准确的定位技术,也是最精确的定位技术。所有实验的RSSI数据集都可以在线获得。
2020-05-18 cs.NI eess.SP
Passive Sensing and Localization in an Aircraft Cabin Using a Wireless Communication Network
提出一种基于人工神经网络、利用现有 Wi-Fi/5G 信号的被动隐私保护定位系统,用于跟踪飞机客舱内乘客,实验平均精度达 12 厘米。
2023-12-18 cs.NI eess.SP
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