翻译0705838陈成.docVIP

4.5.5 讨论 对随机部署 就像一个低通信半径R = 0.3可能引起一些传感器有很少的邻 和定位性能将产生反作用 系统设计者应该计划的倾向传感器的凸壳的外面较高的参考节点定位误差来体验 这种行为是一种利用拉普拉斯相似性算法在传感器“拉”更紧密地联系在一起,作为部分阐述了4.3这样的方法很难准确地确定传感器节点以外的参考如果参考节点的位置可以有些应该被放置在禁区边缘的预期的覆盖区域对局域网的连接使用一个现实的统计模型模拟的基础上提出了一种部分显示了潜在的拉普拉斯的方法其鲁棒性估计传感器位置它并没有受到局部最优解MDS-based估计相比具有较低的计算复杂度例如[110]本文所提出的两阶段方法在标准偏差和35%的下界被用来实现低的偏然而,一般分析选择方法的重量还没有尝试最后,分布式算法尚未给出所提出之方法传感器野外数据本地化 这个单元探讨采用传感器数据的测量,以提供传感器的位置信息当传感器为了能够测量和监控一个时变部署空间相关领域提出了利用测量同时提取传感器位置信息。本地化使用现场数据时可以高密度的传感器网络的结果之间的相关性在数据记录在邻近的传感器这种高密度及相关领域望是一个属性的许多无线传感器网络由于随机性传感器的布置, 可以从一架直升飞机下降或涂抹在一辆拖拉机一个领域高平均密度是可取的,以确保完全覆盖另外,对于制造便宜(有时不可靠的)设备冗余度的增加传感器故障的可靠性和鲁棒性最后,相关通过分布式压缩[98]减少数据速率延长电池寿命是非常有用的~测量传感器的数据是在现场观测的不同的传感器建立相互关系个初创时期是必需的长期利用静态监控应用传感器一次性设置延迟可以很容易此外便宜的装置可能另外使用射频(RF)的临近或RSS信息来估计传感器位置[88,92]在一真正的传感器网络现场数据看作是互补信息可能会很有用一起使用RSS或其他距离测量它可能会变成最重要的手段验证在一个安全的定位系统那一个传感器,声称是接近另一位邻居,实际上是一个邻居定位性能使用仅传感器场数据多式联运方式的测量定位使用未来是一个重要的课题研究应用实例 考虑到精确农业的应用程序传感器测定土壤的土壤中生长的pH值、盐度、氮水平、湿度水平将使得农民们的定制种植,浇水、抗除草剂的应用他们的领域和施肥试验,以最大限度地提高他们的农作物和减少他们的费用以及对环境造成负面冲击[102]。在不同的区域土壤化学领域因天气随时间变化而变化, 生物施肥、灌溉或影响。到几天或几个月土壤条件可能是被看作是一个时间和空间相关的随机域同样考虑声学传感器网络部署在广阔的户外区域为目的的来源定位引起鸟类、风、闪电,车辆、行人交通环境噪声环境中声音随距离衰减将存在显著的空间相关性当声音来源是确定的,与之相比插入到大环境(76)或通过动态跟踪环境[18]一种传感器声学传感器网络提出在这一节这样的有目的的资料来源可能部署一部但是更普遍的现有的效果来源被认为是环境在声字段是一个固定的和各向同性空间相关随机域这种情况下另外一个例子考虑附或建成无线传感器的结构特点桥梁的振动或建筑物和结构健康监测这些振动经历在附近的传感器应密切相关可能和相同信号的喧闹版本这个观察已经被使用为在智能结构的无线传感器[70]利用振动同步信号,即为空间定位,是一种自然的延伸定位算法 这一节描述如何应用流形学习算法的估计传感器的位置。 传感器数据的测量 最初每个感测器i = 1…记录数据vi(t)1 . . . τ 。 让向量vi = [vi(1), . . . , vi(τ )] 成为传感器的数据每个传感器的数据ki为传感器的数量，这样传感器i可以直接联系到。K为预期的号码。ki K,传感器i可查询一个或多个远离本身的传感器。如果ki ≥ K,传感器i只从那些ki传感器收到数据i通过自己的数据和它的传感器的数据R计算欧氏距离让这些数据的距离{δi,j}j表示 (4.27)δi,j = kvi ? vjk 有一些特殊需要特别说明一下先前在这篇论文中i,j是用来表示物理距离测量 而在这里它是用来表示之间的距离在不同传感器测量数据方程(4.27)利用欧氏距离 但是其他的应用可能需要和使用其他的距离测量。如果多式联运方式的传感器被使用,这个工作可能被延伸,通过允许vi(t)是一个矢量的测量。邻居选择 其次, 利用距离{δi,j}j , i定义其邻居列表传感器 在这一节 以下的邻居选择方法被使用: LLE算法使用k最近邻邻居(KNN) 选择方法; 要求邻居对称Isomap算法, 采用对称k最近邻(SKNN)的邻居选择方法HLLE,这些不需要对称但敏感稀疏的邻居图表, 采用take-pity k最近邻(TPKNN)的邻居选择方法( Lmin =3). 这些邻居选择方法4.3.1部分定义我们将当表现进行详细描述的仿真结果存在一个不是任何其他