Phân tích tối ưu việc bố trí cảm biến khoảng cách dưới điều kiện vùng triển khai bị hạn chế

Xinpeng Fang1, Zhihao He1, Ranjun Shi1
1School of Aerospace Science and Technology, Xidian University, Xi’an, China

Tóm tắt

Việc xác định nguồn gốc là một vấn đề quan trọng trong nhiều ứng dụng mạng cảm biến không dây. Tuy nhiên, các ràng buộc về truyền thông và bí mật thường hạn chế việc bố trí cảm biến, dẫn đến các vùng triển khai cảm biến không tự do. Để cải thiện độ chính xác trong việc xác định vị trí, bài báo này trình bày một phân tích tối ưu về việc bố trí cảm biến khoảng cách dưới các vùng triển khai bị hạn chế, tập trung vào các hình học tối ưu thay vì các thuật toán xác định vị trí cụ thể. Phân tích tối ưu được hình thành dưới dạng một bài toán tối ưu có ràng buộc nhằm tối đa hóa định thức của ma trận thông tin Fisher, còn được gọi là D-tối ưu, đồng thời xem xét các ràng buộc do vùng triển khai đặt ra. Để đơn giản hóa quá trình phân tích, chúng tôi giới thiệu các khái niệm về góc khả thi tối đa và góc phân cách, được sử dụng để thể hiện hàm mục tiêu và các ràng buộc theo các dạng tương đương. Bằng cách so sánh góc khả thi tối đa với các góc phân cách tối ưu trong các trường hợp không ràng buộc, phương pháp của chúng tôi sẽ có thể áp dụng cho cả các vùng ràng buộc hình tròn và các vùng bất quy tắc tổng quát. Các kết luận mà chúng tôi đã đạt được là toàn diện và trực quan, và chúng có sự khác biệt đáng kể so với hình học góc đồng đều thông thường. Các hình học cảm biến-khoảng cách được đề xuất được xác nhận thông qua phân tích lý thuyết và mô phỏng.

Từ khóa

#Cảm biến khoảng cách #xác định nguồn gốc #tối ưu hóa #vùng triển khai #hình học tối ưu #ma trận thông tin Fisher

Tài liệu tham khảo

Saeedi, I. D. I., & Al-Qurabat, A. K. M. (2022). Perceptually important points-based data aggregation method for wireless sensor networks. Baghdad Science Journal, 35, 0875.

Lu, R., Liu, X., & Chen, X. (2023). Localization and tracking of multiple fast moving targets in bistatic MIMO radar. Signal Processing, 203, 108780.

Al-Qurabat, A. K. M., & Idrees, A. K. (2019). Two level data aggregation protocol for prolonging lifetime of periodic sensor networks. Wireless Networks, 25(6), 3623–3641.

Chan, Y. T., & Ho, K. C. (1994). A simple and efficient estimator for hyperbolic location. IEEE Transactions on signal processing, 42(8), 1905–1915.

Huang, Y., Benesty, J., Elko, G. W., & Mersereati, R. M. (2001). Real-time passive source localization: A practical linear-correction least-squares approach. IEEE transactions on Speech and Audio Processing, 9(8), 943–956.

Simonetto, A., & Leus, G. (2014). Distributed maximum likelihood sensor network localization. IEEE Transactions on Signal Processing, 62(6), 1424–1437.

Huang, Y., Bai, M., Li, Y., Zhang, Y., & Chambers, J. (2021). An improved variational adaptive Kalman filter for cooperative localization. IEEE Sensors Journal, 21(9), 10 775-10 786.

Raja, G., Suresh, S., Anbalagan, S., Ganapathisubramaniyan, A., & Kumar, N. (2021). PFIN: An efficient particle filter-based indoor navigation framework for UAVs. IEEE Transactions on Vehicular Technology, 70(5), 4984–4992.

Liu, J., & Guo, G. (2021). Vehicle localization during GPS outages with extended Kalman filter and deep learning. IEEE Transactions on Instrumentation and Measurement, 70, 1–10.

Nguyen, N. H., & Doğançay, K. (2016). Optimal geometry analysis for multistatic TOA localization. IEEE Transactions on Signal Processing, 64(16), 4180–4193.

Heydari, A., Aghabozorgi, M., & Biguesh, M. (2020). Optimal sensor placement for source localization based on RSSD. Wireless Networks, 26(7), 5151–5162.

Huang, B., Li, T., Anderson, B. D., & Yu, C. (2013). Performance limits in sensor localization. Automatica, 49(2), 503–509.

Meng, W., Xie, L., & Xiao, W. (2013). Optimality analysis of sensor-source geometries in heterogeneous sensor networks. IEEE Transactions on Wireless Communications, 12(4), 1958–1967.

Bishop, A. N., Fidan, B., Doğançay, K., Anderson, B. D., & Pathirana, P. N. (2008). Exploiting geometry for improved hybrid AOA/TDOA-based localization. Signal Processing, 88(7), 1775–1791.

Kim, Y. H., Kim, D. G., Han, J. W., Song, K. H., & Kim, H. N. (2017). Analysis of sensor-emitter geometry for emitter localisation using TDOA and FDOA measurements. IET Radar, Sonar and Navigation, 11(2), 341–349.

Xu, S. (2020). Optimal sensor placement for target localization using hybrid RSS, AOA and TOA measurements. IEEE Communications Letters, 24(9), 1966–1970.

Xu, S., & Doğançay, K. (2017). Optimal sensor placement for 3-D angle-of-arrival target localization. IEEE Transactions on Aerospace and Electronic Systems, 53(3), 1196–1211.

Xu, B., Fei, Y., Wang, X., Tang, J., & Razzaqi, A. A. (2023). Optimal topology design of multi-target AUVs for 3D cooperative localization formation based on angle of arrival measurement. Ocean Engineering, 271, 113758.

Zhao, S., Chen, B. M., & Lee, T. H. (2013). Optimal sensor placement for target localisation and tracking in 2D and 3D. International Journal of Control, 86(10), 1687–1704.

Fang, X., & Li, J. (2018). Frame theory for optimal sensor augmentation problem of AOA localization. IEEE Signal Processing Letters, 25(9), 1310–1314.

Golihaghighi, N., & Bighesh, M. B. (2021). Using frame theory for optimal placement of new added anchors in location estimation wireless networks. IEEE Transactions on Aerospace and Electronic Systems, 58(3), 1858–1867.

Meng, W., Xie, L., & Xiao, W. (2016). Optimal TDOA sensor-pair placement with uncertainty in source location. IEEE Transactions on Vehicular Technology, 65(11), 9260–9271.

Fang, X., Yan, W., Zhang, F., & Li, J. (2015). Optimal sensor placement for range-based dynamic random localization. IEEE Geoscience and Remote Sensing Letters, 12(12), 2393–2397.

Huang, B., Xie, L., & Yang, Z. (2014). TDOA-based source localization with distance-dependent noises. IEEE Transactions on Wireless Communications, 14(1), 468–480.

Fang, X., Yan, W., & Chen, W. (2016). Sensor placement for underwater source localization with fixed distances. IEEE Geoscience and Remote Sensing Letters, 13(9), 1379–1383.

Yang, Y., Zheng, J., Liu, H., Ho, K., Chen, Y., & Yang, Z. (2022). Optimal sensor placement for source tracking under synchronization offsets and sensor location errors with distance-dependent noises. Signal Processing, 193, 108399.

Bo, X., Razzaqi, A. A., & Farid, G. (2019). A review on optimal placement of sensors for cooperative localization of AUVs. Journal of Sensors, 2019.

Sadeghi, M., Behnia, F., & Amiri, R. (2021). Optimal geometry analysis for elliptic localization in multistatic radars with two transmitters. IEEE Transactions on Aerospace and Electronic Systems, 58(1), 697–703.

Sadeghi, M., Behnia, F., & Amiri, R. (2020). Optimal sensor placement for 2-D range-only target localization in constrained sensor geometry. IEEE Transactions on Signal Processing, 68, 2316–2327.

Cheng, X., Shu, F., Li, Y., Zhuang, Z., Wu, D., & Wang, J. (2022). Optimal measurement of drone swarm in RSS-based passive localization with region constraints. IEEE Open Journal of Vehicular Technology, 4, 1–11.

Tzoreff, E., & Weiss, A. J. (2017). Path design for best emitter location using two mobile sensors. IEEE Transactions on Signal Processing, 65(19), 5249–5261.

Li, Y., Qi, G., & Sheng, A. (2019). Optimal deployment of vehicles with circular formation for bearings-only multi-target localization. Automatica, 105, 347–355.

Yoo, K., & Chun, J. (2020). Analysis of optimal range sensor placement for tracking a moving target. IEEE Communications Letters, 24(8), 1700–1704.

Zheng, Y., Liu, J., Sheng, M., Han, S., Shi, Y., & Valaee, S. (2020). Toward practical access point deployment for angle-of-arrival based localization. IEEE Transactions on Communications, 69(3), 2002–2014.

Bishop, A. N., Fidan, B., Anderson, B. D., Doğançay, K., & Pathirana, P. N. (2010). Optimality analysis of sensor-target localization geometries. Automatica, 46(3), 479–492.

Doğançay, K., & Hmam, H. (2008). Optimal angular sensor separation for AOA localization. Signal Processing, 88(5), 1248–1260.