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
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
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
Bandlimited Field Reconstruction from Samples Obtained at Unknown Random Locations on a Grid
我们研究了采样的空间领域使用传感器，位置不知道，但根据一个已知的统计分布部署。它已被证明，均匀分布的位置不知道传感器不能推断由于对称性和移位不变性的字段的带宽限制的字段。这项工作研究不对称（非均匀）分布的位置不知道传感器，将使带限场推断。为了便于分析，位置不知道的传感器被限制在一个离散的网格。过采样，然后聚类的样本使用的概率分布，管理传感器放置在网格上被用来推断字段。基于这种聚类算法，这项工作的主要结果是找到传感器位置的最佳概率分布，最大限度地减少了潜在的空间场的检测错误概率。建议的聚类算法也扩展到包括在传感器噪声的存在下，通过处理的噪声样本的分布作为一个混合模型和使用聚类估计的混合模型参数的信号重建的情况。
2016-11-30 cs.IT math.IT
DILAND: An Algorithm for Distributed Sensor Localization with Noisy Distance Measurements
在这种对应关系中，我们提出了一种算法，分布式传感器定位与噪声距离测量（DILAND）的扩展，使DLRE更强大。DLRE是$\mathbb{R}^m$ $(m\geq1)$中的分布式传感器定位算法，在\cite{usman_loctsp:08}中引入。DILAND在以下情况下运行：（i）传感器之间的通信有噪声;（ii）网络中的通信链路可能以非零概率失败;以及（iii）为计算传感器之间的距离而执行的测量被噪声破坏。传感器（不知道它们的位置）位于至少$m+1$锚（知道它们自己的位置的节点）的凸包中。在对网络中每个传感器的连通性和三角测量的最小假设下，这种对应关系表明，在上述广泛的随机现象下，DILAND几乎肯定收敛（a.s.）精确的传感器位置
2009-10-14 cs.DC cs.IT 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
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
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
Distributed on-line multidimensional scaling for self-localization in wireless sensor networks
研究了由固定节点组成的无线传感器网络的定位问题。每个节点都试图根据与其他节点的相对距离的噪声测量来估计自己的位置。在集中式批处理模式中，可以通过对从相对距离构建的所谓相似性矩阵应用主成分分析（PCA）来检索位置（直到刚性变换）。在本文中，我们提出了一个分布式的在线算法，允许每个节点估计自己的位置的基础上有限的交换信息的网络。我们的框架包括零星的测量和随机链路故障的情况下。我们证明了我们的算法在固定传感器的情况下的一致性。最后，我们提供了模拟和真实数据的数值和实验结果。在无线传感器网络实验平台上对实际数据进行了仿真。
2015-03-18 cs.DC 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
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
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
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
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
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
