外文翻译-基于传感网的目标定位方法.docVIP

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： 翻译内容与课题的结合度： □ 优 □ 良 □ 中 □ 差 翻译内容的准确、流畅： □ 优 □ 良 □ 中 □ 差 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 维特比工程学院 南加州大学 电子邮件: cmeesook@usc.edu, shri@sipi.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。 Ⅰ．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。 Ⅱ．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