《毕业设计（论文）外文翻译基于传感网的目标定位方法》由会员分享，可在线阅读，更多相关《毕业设计（论文）外文翻译基于传感网的目标定位方法（24页珍藏版）》请在金锄头文库上搜索。
1、 外文出处： Signals, Systems and Computers, 2005. Conference Record of the Thirty-Ninth Asilomar Conference on 附件：1.外文资料翻译译文；2.外文原文指导教师评价：1 翻译内容与课题的结合度： 优 良 中 差2 翻译内容的准确、流畅： 优 良 中 差3 专业词汇翻译的准确性： 优 良 中 差4翻译字符数是否符合规定要求： 符合 不符合 指导教师签名：年月日传感器网中络基于分布范围差异的目标定位Chartchai Meesookho 和Shrikanth Narayanan电机工程学系维特比工程
2、学院南加州大学电子邮件: cmeesookusc.edu, shrisipi.usc.edu摘要目标定位是传感器网络中的关键应用。各种传统方法可以应用，并已提出，以范围差（RD）为基础的方法是有吸引力，是由于提高了准确性和易于实现。当基于范围差方法的基本概念被采用在传感器网络的情况下，需要制定数据采集、汇总程序的方案并且受到能源约束。目前的挑战是设计一个经济、准确的算法。本文中，在范围的差异定位方法的基础上，我们提出了一种分布式算法，这种方法允许每个参与的传感器存在时延估计。所采集的数据使用了顺序最小二乘方案进行融合，这样能够以当前的估计为基础选择合适的传感器。结果，采用逼真的模拟模型评估，说
3、明了分布式定位产生误差小并且比较集中的方法消耗更少的能源。当参与的传感器的数量很少时，分布式的定位在精度方面的优势更为突出，然而当参与的传感器的数量是很大的时候，能够节约更多的能量。该方法的精确度也更强大，可以降低目标信号能源并且序列瞬时误差的估算可以被近似，并用于协调成本和系统性能评估。简介 目标定位是推动实施传感器网络应用的关键之一。大量的传感器能够观察冗余和接近目标，因此，为改善目标定位和跟踪性能提供了机会。一些应用实例包括在战场上军用车辆的定位和跟踪自然栖息地的野生动物。最近，传统的目标定位方法已应用于传感器网络的情况下。这个范围差（RD）的方法是在这方面特别有吸引力1，因为它比最大似
4、然（ML）估计法3，4更加易于实施，比基于能源定位更加准确5，且不需要由目标产生信号的先验知识。虽然基于分布式方法的基本概念可以被应用到传感器网络的问题中，数据汇总过程需要得到发展和改进。在诸如雷达和麦克风阵列的传统系统中，利用每一个传感器收集时间序列数据，在进程中需要基本的信息，被假定为在中央处理单元可用的，无需关注在收集这些信息所产生的费用。然而，由于传感器网络典型的电池供电、无线的特点，需要考虑传感器之间时间序列数据交换的能量消耗。目前的挑战是设计一个经济、准确的算法。在文献1中，在传感器阵列测试平台实施定位，但通信费用没有考虑。在文献2中，已对以集群为基础的架构进行声音目标跟踪的研究。
5、然而，系统性能集群内的通信协议问题并没有解决。我们认为，设计的算法对该系统的效率的影响依赖于非常具体的方法来实现。在这篇论文中，基于范围差异的定位，我们提出了一种分布式算法，这种算法允许每一个参与的传感器产生的时延估计，所以，在时间序列数据传输发生的能源量可以减少。获得的数据，这些数据的范围不同，使用顺序最小二乘法方案进行融合。顺序性质提供了基于每个时间步长的当前估计选择高效的传感器，从而使精度得到改善。结果，使用实际的模型和情况进行评估，说明了分布式定位比较集中的方法产生更小误差和消耗更少的能量。值得注意的是，当参与的传感器的数量很少时，分布式的定位在精度方面的优势更为突出，然而当参与的传感
6、器的数量是很大的时候，能够节约更多的能量。该方法也很强劲，其精确度基本不受目标信号低能量（低信噪比）的影响并且序列瞬时误差的估算可以被近似，并用于协调成本和系统性能评估。聚类的目标定位 因为集中处理全球的信息或从所有传感器收集测试数据似乎没有吸引力，或许可能是可行的，尤其是在一个庞大而密集的传感器领域，由于通信成本高的要求，适当的解决办法是在任务中将传感器分摊成更小的组来操作，其中每个组都有一个地方处理单元。对本地数据进行融合和压缩的处理可以用来为原始数据传输到基站或最终用户节约能量。这些传感器通常称为集群并且一个传感器被选中成为簇首，它扮演一个本地进程单元的角色。在传感器网络中用来分散处理的
7、通用节能聚类协议可以在文献6中找到。一个目标定位问题使用聚类技术可能需要较为具体的表述。既然最终目标是要找出一个特定的点也是最有可能的目标位置，在相应的目标区域关键信息应是可靠的。因此，可能需要最为有效的聚类，而且激发了一个在特定的时间和地点高效的集群设计。集群形成协议的目的是用于目标定位和跟踪，这在文献7中已经出现，其中，动态时空聚类（DSTC）算法，提出了一种基于最近点方法(CPA)的集群形成协议的功能。在文献8中zhao等人介绍的驱动传感器信息查询使用一个信息效用的措施使得动态聚类获得最大信息增益。声目标跟踪动态聚类，已经在文献9中提出了。假设一个放置在人烟稀少的高功能传感器方案（可望发
8、挥簇头的作用）并且当簇头检测到的声信号强度超过预定的阀值时会形成一个群集。群集的重点是整合在每个群集成员收集到的代表从每个群集赚取知识的测量值。这是相当具体的应用，以描述与集群的形成相关的信息管理机制。一般来说，所有成员与簇头沟通是直接的或者是多跳通信。在集群里信号处理功能是在转移压缩数据到基站或最终用户之前被执行。我们称这是一个集中的处理方案。某一特定的应用,如目标定位使用传统的方法，然而，需要谨慎的设计，以获得准确和成本效益的系统。最主要的原因是，在每个传感器观测是通常时间序列数据。当群的设计是大到达地方化准确性要求，为了单独传送在群头将被处理的所有群成员的这样数据，特别需要花费的很多通信
9、。另一种方法是将分布式处理后，通过根据为特定应用程序的使用方法的特点而定的某种手段。我们利用一个众所周知的方案，基于范围差的定位，在传感器网络中的分布式处理表明当与集中的方法进行比较，该系统的性能可以提高。.基于最小二乘法的范围差的定位范围差（RD）是来自到达的时间差（TDOA）的估计，通过距离和信号在媒介中传播的速度之间的关系。时延估计技术10是用来确定TDOAs的基本工具。我们假定存在一个最优的时延估计器，产生受到加性噪声扰动的不确定的到达时间差估计。在文献11，12中已经提出了几种基于范围差的方法。我们专注于一个在文献11中提出的封闭形式最小二乘法，因为据报道它比其它方案有更高的效率并且
10、能够在高信噪比（SNR）的环境下接近克拉默带宽（CRB）。设N传感器分配给参加定位进程的坐标为。假设目标的坐标为,传感器和之间的距离不同，其中，=1， ，距离可以通过基本的关系获得：其中=。通常使用一个任意关于范围差的参考传感器。如果没有一般性的损失，选择作为定位的参考传感器。从其它传感器收集到的时间序列数据和在参考传感器收到的信号会产生到达时间差估计，范围差是来自使用信号传播速度知识测得的到达时间差。然而在现实应用中，因为到达时间差估计存在错误使得确切的范围差不可用。因此，我们得到=，=1，。到达时间差估计是通过与高斯分布数据的广义交叉获得，通常渐进地分布在高信噪比的环境下。因此，范围差估计
11、也是高斯分布的，假设。定位问题可以演化成一个线性最小二乘问题，其中，这些线性最小二乘方程可以通过批处理方式和方案来解决，。但是，我们可以不通过用连续最小二乘法解线性方程的方法得到，这可以通过设=和=来描述。连续最小二乘估计变成（1） （2）指数对应第个传感器。. 数据模型 静态声目标产生一个WSS高斯随机观察过程，假设目标强度衰减的速率与距离平方成反比。加性高斯测量噪声的扰动，通过= 接收到第个传感器的信号。通过平均时间窗口可以计算出能量=，其中是样本数，为=的采样频率。假设和是独立的，可以得到= （3）= （4）设,每个传感器噪声具有相同的分布，所以。PSD信号、PSD噪声，连贯性是指在中心
12、频率处具有较平坦的带宽。每一个传感器的信噪比：。根据文献10,语音估计的克拉默带宽如下：其中，=在表格中可以简单的推导出估计的方差，其中（5），是指。注意是第个传感器与假设在前一个位置的参考传感器之间的语音方差。这种差异是与常数成正比，和是与相对应的。因此，一个固定的参考传感器，关于从更远的传感器到目标传感器的语音是不准确的。.分布式定位从基于范围差的定位方法的描述，我们注意到有两个关键的步骤，是到达时间差估计和通过解最小二乘方程得到目标的位置。在一个集中的方案中，簇头要采用这两个步骤。簇头应该是一个参考传感器并且到达时间差是关于可以通过时延估计获得的集群成员。分布式定位的概念可以用在每一个参
13、与的传感器的一些进程中，不仅在簇头中。如果从簇头收集到的时间序列数据被传送给参与的传感器，时延估计就可以获得了。广播数据从一个参考传感器传到许多参与传感器预计比相反的方向需要更少的通信开销。求解最小二乘方程组包括两个机制，取决于是否应用了批次或连续的进程。批量估计要求所有的测量值在同一时刻都是可用的，而在连续测量估计只需要同时提供从第（n - 1）个传感器获和一个到达时差相应的第n个传感器获得的估计。然而，后者要求更小的计算复杂性，因为当有大量参与的传感器导致矩阵较大时它没有处理逆矩阵的负担。另一个优点是，当前的估计可以作为先验信息用于正确选择下一个参与传感器。根据数据模型可知，时延估计方差与
14、传感器到目标节点距离的平方成正比，通过考虑最近的传感器当前的估计来简单的选择首选的传感器。因此，结合时间延迟估计分布式处理和连续最小二乘定位的思想，可望改善通信开销和准确性方面的定位性能。通过使用前面定义的符号，我们提出以下算法：1） 一个在一定的时间窗口中收到最高的平均信号能量的传感器被选定作为初始传感器。请注意这个“初始传感器”是用来调用传感器，这个传感器是用来取代“簇头” 启动进程的。2） 初始传感器在最大的广播范围广播收集到的时间序列数据到k个最近的相邻节点，其中k是最初预计参与传感器的数量。根据广播范围的覆盖面和传感器密度，可能会获得少于k个传感器。3） 每一个相邻的传感器运行时延估
15、计使用在传感器中收集到的时间序列数据和从初始传感器传送的数据来估计到达时延差。4） 初始估计是通过基于到达时间差的批次估计获得，到达时间差是通过三个最近相邻传感器计算出。如果有少于三个传感器已经收到它的数据，相邻传感器可能要求广播从初始传感器收到的时间序列数据。 5） k-4最近的传感器的初始估计是从批次估计器获得，预期参与顺序最小二乘法。在下面的估计k-i变为最近的传感器，其中i是那些已经包括在定位进程中传感器的数量。6） 连续估计的路线是由上一步中所描述的凸壳插入算法解决旅行商问题（TSP）路线的传感器构成15。7） 这一估计使用公式（1）以连续的方式更新。只有和需要通过传感器传送。8） 每次估计更新，由基于新的估计路线也更新并且剩余参与传感器的数量在减少。9） 如果路径中的下一个传感器没有收到簇头的时间序列数据，当前传感器
