Localization for Anchoritic Sensor Networks
Yuliy Baryshnikov, Jian Tan
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。
We introduce a class of anchoritic sensor networks, where communications between sensor nodes is undesirable or infeasible, e.g., due to harsh environment, energy constraints, or security considerations.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Dynamic Localization Protocols for Mobile Sensor Networks
传感器节点确定其在网络中的物理位置（定位）的能力在传感器网络中具有根本的重要性。除非数据的上下文是已知的，否则无法解释来自传感器的数据;这通常通过跟踪其物理位置来实现。现有的研究主要集中在静态传感器网络中的定位，其中定位是一次性（或低频）活动。相比之下，本文认为移动传感器的定位：当传感器是移动的，定位必须定期调用，使传感器跟踪他们的位置。定位的频率越高，由于移动性而引入的误差就越低。然而，定位是一个昂贵的操作，因为它涉及通信和计算。在本文中，我们提出并研究了自适应和预测协议，控制频率的定位传感器的移动性行为的基础上，以减少定位的能量需求，同时绑定的定位误差。我们表明，这样的协议可以显着降低本地化的能量，而不牺牲精度（事实上，提高精度为大多数情况下）。使用模拟和分析，我们探讨了能源效率和定位误差之间的权衡，由于移动性的几个协议。
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。
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。
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。
Wireless Sensor Networks (WSNs) are groups of spatially distributed and dedicated autonomous sensors for monitoring (and recording) the physical conditions of the environment (and organizing the collected data at a central location). They have been a topic of interest due to their versatility and diverse capabilities despite having simple sensors measuring local quantities such as temperature, pH, or pressure. We delve into understanding how such networks can be utilized for localization, and propose a technique for improving conditions of living for animals and humans on the IIT Bombay campus…
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。
Wireless sensor networks localization algorithms: a comprehensive survey
无线传感器网络（WSNs）近年来受到了科学界的广泛关注。具有低能耗和有限计算资源的小型廉价设备越来越多地被用于不同的应用场景，包括环境监测，目标跟踪和生物医学健康监测。在许多这样的应用中，节点定位固有地是系统参数之一。定位过程是必要的报告事件的起源，路由和回答问题的网络覆盖，协助组查询的传感器。一般来说，定位方案分为两大类：基于距离的和不依赖距离的。然而，很难将混合解决方案分类为基于范围或不基于范围。在本文中，我们使这种分类容易，其中基于范围的计划和范围的计划分为两种类型：完全计划和混合计划。此外，我们比较了最相关的定位算法，并讨论了无线传感器网络定位方案的未来研究方向。
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。
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。
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。
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。
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。
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.
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.
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。
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]。
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。
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。
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。
Accurate Localization in Wireless Sensor Networks in the Presence of Cross Technology Interference
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。
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。
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。
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。
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。
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。
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。
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。
Wireless Sensor Network holds a pivotal position and gained a lot of attention from researchers in recent years. Sensor nodes have been used in vast applications such as environment monitoring, security purpose applications, and target tracking. This latter comprises of detection and monitoring of the target movement. In this paper, we explore in detail well-known target tracking techniques. The existing techniques are evaluated using metrics such as network topology, target recovery, energy efficiency, and security. We also discuss some of the challenges that affect the performance of trackin…
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
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。
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。
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.
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。
A Hybrid Global Minimization Scheme for Accurate Source Localization in Sensor Networks
我们认为在多径环境中的多个宽带源的定位问题，考虑到相干的衰减特性和接收信号的时间延迟。我们所提出的方法留下了空间的准确的信号衰减模型在环境中不可用的考虑模型作为一个未知的功能与合理的事先假设其功能空间。与仅利用信号衰减信息或时间延迟相比，这种方法能够增强定位性能。在本文中，定位问题被建模为一个成本函数的源位置，衰减模型参数和多径参数。为了全局执行最小化，我们提出了一个混合算法结合差分进化算法与Levenberg-Marquardt算法。除了建议的优化方案组合，支持的技术细节，如封闭形式的成本函数灵敏度矩阵提供。最后，该方法的有效性进行了检查，在几个定位场景中，考虑到环境中的噪声，多径现象，并考虑传感器不同步。
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。
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
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%。
UBiGTLoc: A Unified BiLSTM-Graph Transformer Localization Framework for IoT Sensor Networks
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。
Utilizing hyperplanar substructures to perform efficient range-based WSN localization
无线传感器网络由多个无线传感器节点组成，它们相互通信以完成特定的任务。在本文中，我们着重于网络的部署承认低维的子结构，如共线群在二维，或共面群在三维。当这些组作为输入的一部分，我们描述了一种算法，利用这些信息来执行低成本的本地化。在紧急情况下，如火灾，地震等建筑物内，无线传感器网络可能是非常重要的，以提供关键信息，并帮助救援队通过减少他们的负担，探索环境非常迅速地移动。因此，开发一种快速提供信息且不消耗太多能量的系统是非常重要的。我们观察到，在这些类型的环境中，传感器节点往往形成超平面组。超平面是比其周围空间小一维的子空间，因此，传感器节点的超平面组是位于同一超平面上的节点组。当我们考虑建筑物的一层时，节点可以部署在走廊上形成共线组，当我们考虑整个建筑物时，传感器节点将位于楼层上形成共面组。因此，我们在三维环境中，诱导超平面分组研究基于距离的无线传感器网络定位问题。首先，我们证明了即使给定超平面的方程，得到超平面群也是一个\NP -困难问题。然后，我们描述了一种算法，假设每个传感器节点都知道它的超平面组，并进行定位时，传感器节点部署在走廊上的每一层建筑物。在这种情况下，分组信息使我们能够定位网络，这不能通过传统的基于范围的定位算法来定位。
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。
Joint Estimation and Localization in Sensor Networks
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。
Machine Learning for Indoor Localization Using Mobile Phone-Based Sensors
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。
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。
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。
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。
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。
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。
We propose an algorithm for the Wireless Sensor Network localization problem, which is based on the well-known algorithmic framework of Alternating Minimization. We start with a non-smooth and non-convex minimization, and transform it into an equivalent smooth and non-convex problem, which stands at the heart of our study. This paves the way to a new method which is globally convergent: not only does the sequence of objective function values converge, but the sequence of the location estimates also converges to a unique location that is a critical point of the corresponding (original) objectiv…
Localization for Wireless Sensor Networks: A Neural Network Approach
随着无线传感器网络向工业领域的渗透，出现了许多研究机会。一个这样的基本和具有挑战性的应用是节点定位。本文采用了一种基于前向神经网络的方法。使用锚节点信标的接收信号强度指示符（RSSI）值。锚节点的数量和它们的配置对定位系统的精度有影响，这也是本文所讨论的。评估五种不同的训练算法，以找到最佳结果的训练算法。利用Matlab对多层感知器（MLP）神经网络模型进行训练。为了评估所提出的方法的性能在实时的，然后在Arduino微控制器上实现所获得的模型。在4个锚节点的情况下，使用12-12-2神经网络结构实现了0.2953 m的平均2D定位误差。所提出的方法也可以在任何其他嵌入式微控制器系统上实现。
Distributed Cooperative Localization in Wireless Sensor Networks without NLOS Identification
提出了一种基于到达时间（TOA）数据的两阶段分布式协同定位算法，该算法无需识别非视距（NLOS）链路。在第一阶段中，为了克服离群值的影响，应用Huber损失函数的凸松弛，使得通过使用迭代优化技术，可以获得对真实传感器位置的良好估计。在第二阶段中，原始的（非松弛的）Huber成本函数被进一步优化，以基于在第一阶段中获得的那些来获得精细的位置估计。在这两个阶段中，使用简单的梯度下降技术来执行优化。通过仿真和实际数据分析，它表明，建议的凸松弛一般实现了较低的均方根误差（RMSE）相比，其他凸松弛技术在文献中。此外，通过进行第二阶段，位置估计得到改善，并且我们可以实现接近于其他分布式算法的RMSE，这些算法知道\textit{a priori}哪些链路处于NLOS中。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。