外文翻译---传感器网中络基于分布范围差异的目标定位

《外文翻译---传感器网中络基于分布范围差异的目标定位》由会员分享，可在线阅读，更多相关《外文翻译---传感器网中络基于分布范围差异的目标定位（24页珍藏版）》请在毕设资料网上搜索。

1、PDF外文：http:/       中文6095字 外文出处：   Signals, Systems and Computers, 2005.                       Conference Record of the Thirty-Ninth                           &

2、nbsp;  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    

3、;    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         &nbs

4、p;                                          指导教师签名：                                 年   月   日   &nbs

5、p;1 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

6、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

7、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

8、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。 然而，系统性能集群内的通信协议 问题 并没有

9、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 2 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

10、， 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

11、。 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 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，

12、 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

13、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 。 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