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 Localisation Problem for Load Balancing Dynamic Networks
网络断层扫描已被用作节点故障定位问题的一种方法，从而确定网络中行为不端的节点子集。通常文献中的方法假设静态路由网络，允许线性代数参数。在这项工作中，一个负载均衡，动态路由网络进行了研究，需要一个随机表示的网络动态。一个网络模型的开发，允许一个新的应用马尔可夫链蒙特卡罗（MCMC）推理的节点故障定位（NFL）问题，并评估显示器的位置选择。测试了两种细微差别的显示器放置算法，包括Ma等人2014年为NFL问题设计的一种，其中发表的算法表现明显更好。
2021-12-17 cs.NI
A Review on Failure Node Recovery Algorithms in Wireless Sensor Actor Networks
在无线传感器-执行器网络中，传感器探测其周围环境并将其数据转发给执行器节点。参与者收集传感器数据并执行某些任务以响应各种事件。由于演员在恶劣的环境中工作，他们很容易受到损害或失败。失败的行动者节点可以将网络划分成不相交的子集。为了重新建立连接性，可以将节点重新定位到新的位置。本文重点介绍了三种节点恢复算法（LeDir，RIM，DARA），并从网络开销和路径长度验证指标分析了它们的性能。
2014-06-30 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
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
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 Data Augmented Bayesian Network for Node Failure Prediction in Optical Networks
光网络骨干网中的故障会导致互联网数据流量的严重中断。因此，减少这种网络中断非常重要。对此类故障的预测将是向前迈出的一步，以避免用户和运营商的互联网服务中断。在文献中有几个研究建议，它们是数据科学和机器学习技术的应用。大多数技术依赖于大量的实时的数据汇集。假设网络设备被配备用于收集数据，然后通过不同的算法分析这些数据以预测故障。已经部署在现场的每个网络元件可能最初没有设计这些数据收集或分析技术。然而，当这些机制已经部署到实地时，这些机制就变得必要了。提出了一种基于贝叶斯网络的网络节点故障预测方法，路由器等，使用来自设备的日志文件的非常基本的信息，并应用基于幂律的数据增强来补充稀缺的实时的信息。数值结果表明，网络节点的故障预测，可以进行高精度使用所提出的机制。
2021-02-06 cs.NI
Node Failure Time and Coverage Loss Time Analysis for Maximum Stability Vs Minimum Distance Spanning Tree based Data Gathering in Mobile Sensor Networks
移动传感器网络是由任意移动的传感器节点组成的无线网络。在本文中，我们探讨了使用最大的稳定性生成树为基础的数据收集（最大稳定DG）算法和最小距离生成树为基础的数据收集（MST-DG）算法的移动传感器网络。我们分析了这两种算法对节点故障时间的影响，以及由于节点故障而导致的覆盖损失。最大稳定DG和MST-DG算法都是基于一个贪婪的战略，确定一个数据收集树时，需要和使用，只要它存在的树。最大稳定性DG算法假设未来拓扑变化的完整知识的可用性，并确定其对应的生成树将自当前时刻起存在最长时间的数据收集树;而MST-DG算法确定其对应的生成树是当前时刻的最小距离树的数据收集树。我们观察到的最大稳定DG树，以产生更长的网络寿命（时间断开的网络的活传感器节点，由于节点故障），一个更大的覆盖范围损失的时间为一个特定的分数的覆盖范围损失，以及在任何时候的覆盖范围损失的较低分数。权衡是，最大稳定DG树招致较低的节点寿命（第一个节点故障的时间），由于重复使用的数据收集树较长的时间。
2014-12-01 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
Vertex-Connectivity Measures for Node Failure Identification in Boolean Network Tomography
本文利用布尔网络层析技术研究了无向图中的节点失效识别问题。我们认为，顶点连接起着核心作用。我们展示了在一类特殊的图，视线网络的最大可识别性的紧界。我们证明了任意网络上稍微弱一些的界。最后，我们开始研究随机网络的最大可识别性。我们专注于两个模型：经典的Erdens-Rényi模型，和随机正则图。本文提出的框架允许在随机网络中的可识别性的概率分析，给出了监视器的数量之间的权衡放置和最大的可识别性。
2019-07-03 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
Finding Critical Nodes in Interdependent Networks with SAT and ILP Solvers
基础设施系统，例如电力系统，经常经历级联故障。将基础设施系统建模为相互依赖的网络的集合，作为解释级联故障的一种方式，最近受到了关注。在这项研究中，我们提出了一种方法来找到一个相互依赖的网络中的关键节点的集合。对于一个整数k，我们说一组k个节点是关键的，如果这些k个节点的初始故障导致所有组k个节点中最严重的级联故障。这种方法采用了Buldyrev等人提出的相互依赖网络的开创性模型，其中如果在配对的网络中失去连通性，则在网络中发生新的链路故障。寻找关键节点的问题是NP难的，因此该方法的目的是在可行的时间内准确地解决问题的中等大小的问题实例。拟议的办法包括两个阶段。在第一阶段，通过反复求解布尔可满足性问题来计算故障传播阶段的最大数量。然后在第二阶段中使用该数量，其中使用整数线性规划计算关键节点的集合。将这种方法应用于各种问题实例的结果表明，该方法是可行的，至少有30个节点，可以作为基线来比较启发式解决方案的性能。
2022-11-10 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
Enhanced Multiple Routing Configurations For Fast IP Network Recovery From Multiple Failures
如今，互联网在我们的日常活动中发挥着重要作用，例如，用于在线交易、在线购物和其他与网络相关的应用。互联网在发生网络故障后，路由协议收敛缓慢，这成为一个日益严重的问题。多路路由选择[MRC]可从单个节点/链路故障中恢复网络，但不支持多个节点/链路故障中的网络。在本文中，我们提出了增强型MRC [EMRC]，支持多个节点/链路故障在IP网络中的数据传输过程中没有频繁的全球重新收敛。通过恢复这些故障，网络中的数据传输将变得更快。
2012-12-03 cs.NI
A Non-intrusive Failure Prediction Mechanism for Deployed Optical Networks
光网络骨干网的故障可能导致互联网数据流量的重大中断。因此，最小化这种故障对于网络运营商来说是至关重要的。更好的是，如果可以预测网络故障，并提前采取预防措施，以避免任何交通中断。在文献中已经提出了用于故障预测的各种数据驱动和机器学习技术。这些技术中的大多数需要来自网络的实时的数据，并且还需要不同的监视器来测量关键的光学参数。这意味着在网络节点中必须提供故障预测，例如，路由器和网络管理系统。然而，有时部署的网络没有故障预测内置到其初始设计，但随后需要这样的机制。对于这样的系统，有两个关键的挑战。一是故障分布、数据等统计，并不容易获得。其次，不能对已经商业部署的网络节点进行重大改变。本文提出了一种新的可实现的非侵入性故障预测机制部署的网络节点使用这些设备的日志文件中的信息。数值结果表明，该机制在预测单个网络节点的故障方面具有近乎完美的精度。
2021-01-17 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
Network Capability in Localizing Node Failures via End-to-end Path Measurements
我们调查的能力本地化节点故障的通信网络中的二进制状态（正常/失败）的端到端路径。给定一组感兴趣的节点，唯一地定位在这个集合内的故障需要不同的可观察路径状态与不同的节点故障事件相关联。然而，由于需要枚举所有可能的节点故障，这种情况很难在大型网络上进行测试。我们的第一个贡献是一组充分/必要条件，用于确定一个有限数量的故障在任意节点集，可以在多项式时间进行测试。除了网络拓扑结构和位置的监视器，我们的条件还包括所使用的探测机制所施加的约束。我们考虑三种不同的探测机制，根据测量路径是否（i）任意可控，（ii）可控，但无周期，或（iii）不可控（由默认路由协议确定）。我们的第二个贡献是量化的故障定位的能力，通过（1）故障的最大数量（在网络中的任何地方），使得在一个给定的节点集内的故障可以被唯一本地化，和（2）最大的节点集内的故障可以被唯一本地化在一个给定的范围内的故障总数。（1-2）中的两个度量可以被转换为每节点属性的函数，其可以基于上述充分/必要条件被有效地计算。我们演示了如何量化故障定位能力的措施（1-2）可以用来评估各种参数的影响，包括拓扑结构，监视器的数量，和探测机制。
2015-09-21 cs.NI cs.PF
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
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
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
Data Integrity Error Localization in Networked Systems with Missing Data
最近的网络故障诊断系统集中在数据中心网络，其中可以部署复杂的测量系统来获得路由信息并确保网络覆盖，以实现准确和快速的故障定位。在本文中，我们的目标广域网，支持数据密集型分布式应用程序。首先，我们提出了一个新的多输出预测模型，直接映射的应用程序级的意见，以本地化的系统组件故障。实际上，这种以应用为中心的方法可能面临数据缺失的挑战，因为由于广域网中的测量不完整或丢失，推断模型的一些输入（特征）数据可能缺失。我们表明，所提出的预测模型自然允许{ \it多元}插补恢复缺失的数据。我们评估了多个填补算法，并表明在大规模网络中的预测性能可以显着提高。据我们所知，这是第一次研究缺失数据问题，并将插补技术应用于网络故障定位。
2022-07-05 cs.NI
Multi-Failure Localization in High-Degree ROADM-based Optical Networks using Rules-Informed Neural Networks
针对高维度ROADM光网络多故障定位难题，提出融合规则推理与神经网络优势的RINN方法，相比基线算法准确率提升约20个百分点，推理速度快。
2025-01-20 cs.NI eess.SP
Comprehensive Analysis on the Vulnerability and Efficiency of P2P Networks under Static Failures and Targeted Attacks
对等系统是由一组节点组成的网络，可能与Internet一样宽。这些网络需要评估机制和分布式控制和配置，因此每个对等体都能够与其他对等体进行通信。对故障、失效和攻击的弹性是当今大多数通信系统和网络的主要要求。因此，由于P2P网络可以单独用作许多其他通信网络的基础设施和替代方案，因此与客户端和服务器方法相比，它们必须更可靠，并且对故障，故障和攻击具有弹性。在这项工作中，我们提出了一个详细的研究各种P2P网络对故障和故障的行为，并专注于容错主题。我们考虑了两种不同的静态故障场景：a）随机策略，其中网络的节点或边缘将以相等的概率被删除，并且没有任何网络基础设施的知识，b）有针对性的策略，使用有关节点的一些信息，并且其中度最高的节点具有最高的优先级被攻击。静态故障是指节点或组件在网络开始工作之前或通过其操作遇到一些故障的情况，并且将在工作会话结束时保持故障。我们的目标是介绍各种措施来分析P2P网络评估其脆弱性率。所提出的标准可以用来评估P2P网络的可靠性和脆弱性，对随机和有针对性的故障。对故障的数量和类型没有限制，所提出的措施能够用于不同类型的故障，甚至广泛的网络。
2013-03-10 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
Percolation Processes and Wireless Network Resilience to Degree-Dependent and Cascading Node Failures
我们研究的问题，无线网络节点故障的弹性从一个基于故障的角度来看。在实际的无线网络中，通常情况下，节点的故障概率取决于它的度（邻居的数量）。我们将这种现象建模为随机几何图上的度相关站点渗流过程。特别是，我们得到了该模型中存在相变的分析条件。此外，在承载业务负载的网络中，一个节点的故障可能导致负载重新分配到其他附近节点上。如果这些节点由于负载过大而出现故障，则此过程可能导致级联故障。使用一个简单但描述性的模型，我们表明，大规模的无线网络的级联故障问题相当于一个度依赖网站渗流随机几何图形。我们得到了该模型中叶栅的解析条件。
2009-08-28 cs.IT cs.NI math.IT
Network Coding-Based Protection Strategy Against Node Failures
通信网络使用的巨大增长使得在部署可靠网络时对节点和链路故障的保护至关重要。为了防止由于节点故障而导致的数据丢失，提出了一种旨在抵御此类故障的网络保护策略。特别地，针对给定的网络，设计了一种针对任何单节点故障的保护策略，该网络具有一组在发送器和接收器之间的$n$不相交路径。网络编码和减少的容量部署在这个策略中，而不增加额外的工作路径，随时可用的连接路径。这种策略是基于对节点故障的保护作为对多个链路故障的保护。此外，编码和解码操作方面的预谋保护策略进行了演示。
2009-01-29 cs.CR cs.IT 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 Capacity and Delay of Wireless Networks with Node Failures
State Key Laboratory of Integrated Service Networks, Xidian University（西安电子科技大学综合业务网国家重点实验室）
研究了节点故障对无线网络容量和延迟的影响，发现两者均随节点数量和故障概率变化，证明即使有冗余节点，故障网络容量仍低于无故障网络，且容量与延迟的最优权衡仍保持O(1)。
2026-05-12 cs.DC cs.IT cs.NI
Network connectivity under a probabilistic node failure model
中心性度量已被广泛应用于识别图中的节点，其移除有效地将图分解为更小的子组件。节点移除过程通常用于测试网络对故障的鲁棒性。大多数现有的研究假设节点删除任务总是成功的。然而，我们认为这种假设是不现实的。实际上，移除过程还应考虑目标节点本身的强度，以更有效和更现实的方式模拟故障场景。与以前的文献不同，本文提出了{ \em概率节点故障模型}，其中节点可以以特定的概率故障，考虑两个变体，即：{ \em Uniform}（其中节点生存到故障的概率是固定的）和{ \em Best Connected}（BC）（其中节点生存概率与它们的度成比例）。为了评估我们的方法，我们考虑五个流行的中心性指标进行实验，比较分析，以评估他们的{ \em有效性}和{ \em覆盖率}，在四个现实世界的图形。有效性和覆盖率是指选择节点的能力，这些节点的删除最大程度地降低了图的连通性。具体来说，图的谱半径减少作为一个代理指标的有效性，和减少的最大连通分量（LCC）的大小是一个参数来评估覆盖。然后将导致最大下降的度量与基准分析（即非概率度中心性节点删除过程）进行比较，以比较两种方法。主要的发现是，通过这种比较出现了显著的差异，无论使用的数据集如何，偏差范围从2%到80%不等，这突出了常见做法与更现实的方法之间存在差距。
2020-06-24 cs.NI cs.SI
Encoding of Network Protection Codes Against Link and Node Failures Over Finite Fields
链路故障和节点故障是影响网络运行的两个常见的基本问题。因此，通信网络的保护对于提高其可靠性、性能和操作至关重要。已经做了大量的研究工作，以防止链路和节点故障，并提供可靠的解决方案的基础上预定义的规定或动态恢复的域。在本文中，我们开发的网络保护策略，防止多个链路故障，使用网络编码和联合容量。在这些策略中，源节点对其传输的数据应用网络编码，以提供用于在接收方节点处恢复的备份副本。这样的技术可以应用于光网络、IP网络和网状网络。在有限域上定义了保护码的编码运算。此外，在$t$链路故障的情况下，通信网络的归一化容量由$(n-t)/n$给出。此外，上的最小所需的字段大小的界限推导。
2009-05-12 cs.CR cs.IT 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
Tight Bounds for Maximal Identifiability of Failure Nodes in Boolean Network Tomography
我们研究了最大可识别性，最近在布尔网络断层扫描，以表征网络的能力，定位故障节点的端到端路径测量中引入的措施。我们证明严格的上限和下限的最大可识别性的故障节点的特定类别的网络拓扑结构，如树和$d$维网格，在有向和无向的情况下。我们证明了有向$d$ -维网格与支持$n$有最大的可识别性$d$使用$2d(n-1)+2$监测器，并在无向的情况下，我们表明，$2d$监测器足以得到可识别性的$d-1$。然后，我们研究了嵌入下的可识别性：当网络拓扑模型为DAG时，我们建立了最大可识别性，嵌入性和图维数之间的关系。我们的研究结果表明，网络的设计在$N$节点最大的可识别性$Ω(\log N)$使用$O(\log N)$监视器和启发式，以提高最大的可识别性在给定的网络模拟$d$维网格。我们提供了积极的证据，这种启发式通过精确计算的最大可识别性的小的真实网络的例子中提取的数据。
2019-10-24 cs.DS 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
Connection Between System Parameters and Localization Probability in Network of Randomly Distributed Nodes
本文研究了有界区域内随机分布通信节点网络的定位概率问题。假设表示为L节点的一部分节点具有定位信息，而表示为NL节点的其余节点不具有定位信息。基本模型假设每个节点都有一定的无线电覆盖范围，在该范围内可以进行相对距离测量。我们模拟的情况下，无线电覆盖范围是固定的，无线电覆盖的情况下，在对数正态阴影环境中的信号强度测量确定。我们应用概率的方法来确定NL节点定位的概率作为覆盖区域的功能域面积比和密度的L-节点。我们建立了这种概率的解析表达式和过渡阈值的关键参数，从而观察到显着的变化的概率行为。文中给出的理论结果得到了仿真的支持。
2007-10-27 cs.DM cs.IT cs.NI
Self-Localization of Asynchronous Wireless Nodes With Parameter Uncertainties
我们研究了一个无线网络定位的情况下，需要同步的节点是避免的。它由一组固定的锚节点和一个自定位的接收节点组成，锚节点根据给定的序列进行发送。该设置可以容纳参与序列的具有未知位置的附加节点。我们提出了一种定位方法，这是强大的锚位置和其他系统参数的不确定性。进一步，我们研究了所考虑问题的Cramér-Rao界，并通过数值模拟表明所提出的方法达到了该界.
2013-04-23 cs.IT cs.NI math.IT
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
Guardians of the Deep Fog: Failure-Resilient DNN Inference from Edge to Cloud
UT Dallas（德克萨斯大学达拉斯分校）；UC Berkeley（加州大学伯克利分校）
将深度神经网络（DNN）划分和分布在边缘、雾或云节点等物理节点上，可以增强传感器融合，并降低带宽和推理延迟。然而，当DNN分布在物理节点上时，物理节点的故障导致放置在这些节点上的DNN单元的故障。如果分布式DNN没有针对故障进行专门设计和适当训练，那么推理任务的性能将是不可预测的，并且很可能很差。受此启发，我们引入了deepFogGuard，这是一种DNN架构增强方案，用于使分布式DNN推理任务具有故障弹性。为了阐明deepFogGuard，我们介绍了分布式DNN推理的弹性的元素和模型。受DNN中剩余连接概念的启发，我们在分布式DNN中引入了跳过超连接，这是deepFogGuard提供弹性设计的基础。接下来，我们使用两个现有的传感和视觉应用数据集进行了广泛的实验，证实了deepFogGuard为边缘云网络中的分布式DNN提供弹性的能力。
2019-09-21 cs.LG cs.NI
Tureis: Transformer-based Unified Resilience for IoT Devices in Smart Homes
Tureis通过自监督和上下文感知方法，提升智能家居中多故障、多住户环境下的传感器故障检测与定位精度，实现高效边缘部署。
2026-03-05 cs.LG cs.NI
RCanopus: Making Canopus Resilient to Failures and Byzantine Faults
分布式共识是许多分布式系统（包括分布式数据库和区块链）的关键推动因素。Canopus是一个可扩展的分布式共识协议，它确保系统中的活动节点就有序的操作序列（称为事务）达成一致。与大多数先前的共识协议不同，老人星不依赖于单一的领导者。相反，它使用虚拟树覆盖进行消息分发，以限制过度订阅链接的网络流量。它利用机架内和网络结构内的硬件冗余来降低协议复杂性和通信开销。这些设计决策使Canopus能够支持大型部署，而不会显着降低性能。现有的Canopus协议在面对节点和通信故障时具有弹性，但其重点主要是性能，因此不能很好地响应其他类型的故障。例如，单个服务器机架的故障会导致所有活动节点停止。该协议也是开放的拜占庭节点的攻击，这可能会导致不同的活节点，以不同的交易顺序结束协议。在本文中，我们描述RCanopus（'resilent Canopus'），它扩展了Canopus以增加活性，即允许活节点在可能的情况下取得进展，尽管有许多类型的失败。这要求RCanopus能够准确地检测故障并从故障中恢复，尽管使用了不可靠的故障检测器，并且能够容忍拜占庭攻击。第二，RCanopus保证安全，也就是说，在拜占庭攻击和网络分区的存在下，交易顺序的活节点之间的协议。
2019-06-16 cs.DC cs.NI cs.PF
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
Bounds on Minimum Number of Anchors for Iterative Localization and its Connections to Bootstrap Percolation
迭代定位被认为是网络中的每个节点都需要定位（在2-D平面上找到它的位置），而最初只有一个节点的子集有它们的位置信息。迭代的本地化过程如下进行。从具有其位置信息的节点的子集开始，可能使用全球定位系统（GPS）设备，如果任何其他节点在其无线电范围内具有三个或更多个本地化节点，则该节点被本地化。新定位的节点被包括在具有用于下一次迭代的位置信息的节点的子集中。允许此过程继续，直到没有新节点可以本地化。问题是找到初始局部化子集的最小大小，以便整个网络以高概率局部化。迭代局部化和自举逾渗之间有着密切的联系，这在统计物理学中得到了很好的研究。使用已知的结果在引导渗透，我们找到了一个充分条件的初始本地化的子集，保证本地化的网络中的所有节点的概率高的大小。
2012-05-22 cs.IT cs.NI math.IT
Distributed Algorithms for Computing Alternate Paths Avoiding Failed Nodes and Links
最近一项表征计算机网络中故障的研究表明，瞬时单元件（节点/链路）故障是像Internet这样的大型通信网络中的主要故障。因此，在发生故障时全局重新计算路由路径不会有回报，因为发生故障的元件恢复得相当快，并且需要丢弃重新计算的路由路径。在本文中，我们提出了第一个分布式算法，计算一些“主动恢复计划”处理瞬态故障所需的备用路径。我们的算法计算路径，避免一个失败的节点，并提供了一个替代路径的特定目的地从上游邻居的失败节点。通过微小的修改，我们可以让算法计算出避免失败链路的备用路径。据我们所知，所有以前提出的算法计算备用路径是集中的，需要完整的信息的网络图作为输入的算法。
2008-11-09 cs.DC cs.DS 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
Localization in Long-range Ultra Narrow Band IoT Networks using RSSI
具有长距离、低功耗和低吞吐量的物联网无线网络正在成为一种新的范例，能够有效地连接数万亿台设备。在具有低功率和带宽设备的这种网络中，定位变得更具挑战性。在这项工作中，我们仔细研究了UNB远程物联网网络（如Sigfox）中基于接收信号强度指示符（RSSI）的定位的基本方面。首先，RSSI已被用于指纹定位，其中GPS锚节点的RSSI测量已被用作地标，以将其他节点分类到GPS节点类之一中。通过测量，我们表明，位置分类准确率为100%时，节点的类是孤立的。当类彼此接近时，我们的测量表明，我们仍然可以达到85%的准确率。此外，当GPS节点的密度增加时，我们可以依靠对等三角测量，从而提高定位误差小于20 m的节点的可能性，从我们测量场景中的20%到超过60%的节点。在我们的实验中，90%的节点是本地化的，误差小于50米的非优化锚节点位置。
2017-03-07 cs.IT cs.NI math.IT
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
SDL based validation of a node monitoring protocol
移动自组织网络是一种由移动节点组成的无线、自配置、无基础设施的网络。节点的高度移动性使得运行在其上的应用程序面临着节点故障、链路故障、网络级断开、资源稀缺、缓冲区退化、间歇性断开等网络相关问题。需要通过监控网络状态来持续监测节点故障和网络故障。节点监控协议是关键，因此需要对协议进行详尽的测试，以验证和确认所设计协议的功能性和准确性。本文提出了一种基于规范和描述语言（SDL）的节点监控协议的验证模型，该模型使用了静态代理（SA）和移动代理（MA）。我们已经验证了基于全局状态的节点监控协议（NMP）的属性，没有出口，死锁状态和适当的终止状态使用可达图。消息序列图（MSC）给出了一个直观的理解所描述的系统行为与变化的节点密度和复杂的行为等。
2015-08-31 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 Non-MDS Erasure Code Scheme For Storage Applications
本文研究了在分布式存储系统中使用冗余和自修复对节点故障，使用各种策略。在复制方法中，访问一个复制节点是足够的，以重建一个丢失的节点，而在MDS纠删编码系统，这是最佳的冗余可靠性权衡方面，一个单一的节点故障后，恢复整个存储的数据进行修复。此外，再生代码产生的存储容量和修复带宽之间的权衡曲线。本文旨在研究一种新的存储码。具体来说，我们提出了一个非MDS（2k，k）代码，容忍任何三个节点的故障，更重要的是，它是使用我们的代码，一个单一的节点故障可以通过访问只有三个节点进行修复。
2011-09-21 cs.DC cs.IT cs.NI
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
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
