La estimación de la ubicación en las redes de sensores inalámbricos es el problema de estimar la ubicación de un objeto a partir de un conjunto de mediciones ruidosas. Estas medidas se adquieren de forma distribuida por un conjunto de sensores.
Usar
Muchas aplicaciones civiles y militares requieren un monitoreo que pueda identificar objetos en un área específica, como monitorear la entrada principal de una casa privada con una sola cámara. Las áreas monitoreadas que son grandes en relación con los objetos de interés a menudo requieren múltiples sensores (por ejemplo, detectores de infrarrojos) en múltiples ubicaciones. Un observador centralizado o una aplicación de computadora monitorea los sensores. La comunicación con los requisitos de ancho de banda y potencia exigen un diseño eficiente del sensor, la transmisión y el procesamiento.
El sistema CodeBlue [1] de la Universidad de Harvard es un ejemplo en el que una gran cantidad de sensores distribuidos entre las instalaciones hospitalarias permiten al personal localizar a un paciente en peligro. Además, la matriz de sensores permite el registro en línea de información médica al tiempo que permite que el paciente se mueva. Las aplicaciones militares (por ejemplo, localizar a un intruso en un área segura) también son buenos candidatos para establecer una red de sensores inalámbricos.
Configuración
Dejar denotar la posición de interés. Un conjunto de los sensores adquieren medidas contaminado por un ruido aditivo debido a alguna función de densidad de probabilidad conocida o desconocida (PDF). Los sensores transmiten las medidas a un procesador central. Lael sensor codifica por una función . La aplicación que procesa los datos aplica una regla de estimación predefinida. El conjunto de funciones de mensaje y la regla de la fusión están diseñados para minimizar el error de estimación. Por ejemplo: minimizar el error cuadrático medio (MSE),.
Idealmente, los sensores transmiten sus medidas derecho al centro de procesamiento, es decir . En esta configuración, el estimador de máxima verosimilitud (MLE)es un estimador insesgado cuyo MSE esasumiendo un ruido blanco gaussiano. Las siguientes secciones sugieren diseños alternativos cuando el ancho de banda de los sensores está restringido a una transmisión de 1 bit, es decir= 0 o 1.
PDF de ruido conocido
Un ruido gaussiano El sistema se puede diseñar de la siguiente manera:
Aquí es un parámetro que aprovecha nuestro conocimiento previo de la ubicación aproximada de . En este diseño, el valor aleatorio dese distribuye Bernoulli ~. El centro de procesamiento promedia los bits recibidos para formar una estimación de , que luego se utiliza para encontrar una estimación de . Se puede verificar que para la elección óptima (e inviable) de la varianza de este estimador es que es solo veces la varianza de MLE sin restricción de ancho de banda. La varianza aumenta a medida que se desvía del valor real de , pero se puede demostrar que siempre que el factor en el MSE sigue siendo aproximadamente 2. Elegir un valor adecuado para es una gran desventaja de este método, ya que nuestro modelo no asume conocimientos previos sobre la ubicación aproximada de . Se puede utilizar una estimación aproximada para superar esta limitación. Sin embargo, requiere hardware adicional en cada uno de los sensores.
Se puede encontrar un diseño de sistema con PDF de ruido arbitrario (pero conocido). [3] En esta configuración, se supone que tanto y el ruido están confinados a algún intervalo conocido . El estimador de [3] también alcanza un MSE que es un factor constante multiplicado por. En este método, el conocimiento previo de reemplaza el parámetro del enfoque anterior.
Parámetros de ruido desconocidos
A veces puede estar disponible un modelo de ruido mientras se desconocen los parámetros exactos del PDF (por ejemplo, un PDF gaussiano con desconocido ). La idea propuesta en [4] para esta configuración es utilizar dos umbrales, tal que los sensores están diseñados con , y el otro uso de sensores . La regla de estimación del centro de procesamiento se genera de la siguiente manera:
Como antes, se necesitan conocimientos previos para establecer valores para tener un MSE con un factor razonable de la varianza no restringida de MLE.
PDF de ruido desconocido
El diseño del sistema de [3] para el caso de que se desconozca la estructura de la PDF de ruido. El siguiente modelo se considera para este escenario:
Además, las funciones de mensaje se limitan a tener la forma
donde cada es un subconjunto de . El estimador de fusión también está restringido a ser lineal, es decir.
El diseño debe establecer los intervalos de decisión y los coeficientes . Intuitivamente, uno asignaría sensores para codificar el primer bit de estableciendo su intervalo de decisión para que sea , luego Los sensores codificarían el segundo bit estableciendo su intervalo de decisión en y así. Se puede demostrar que estos intervalos de decisión y el correspondiente conjunto de coeficientes producir un universal -estimador no sesgado, que es un estimador que satisface por cada valor posible de y por cada realización de . De hecho, este diseño intuitivo de los intervalos de decisión también es óptimo en el siguiente sentido. El diseño anterior requiere para satisfacer lo universal propiedad imparcial, mientras que los argumentos teóricos muestran que un diseño óptimo (y más complejo) de los intervalos de decisión requeriría , es decir: el número de sensores es casi óptimo. También se argumenta en [3] que si la MSE objetivo usa un lo suficientemente pequeño , entonces este diseño requiere un factor de 4 en el número de sensores para lograr la misma variación del MLE en la configuración de ancho de banda sin restricciones.
Información Adicional
El diseño de la matriz de sensores requiere optimizar la asignación de energía y minimizar el tráfico de comunicación de todo el sistema. El diseño propuesto en [5] incorpora cuantificación probabilística en sensores y un sencillo programa de optimización que se resuelve en el centro de fusión una sola vez. El centro de fusión luego transmite un conjunto de parámetros a los sensores que les permite finalizar su diseño de funciones de mensajería.como para cumplir con las limitaciones de energía. Otro trabajo emplea un enfoque similar para abordar la detección distribuida en matrices de sensores inalámbricos. [6]
enlaces externos
- El grupo CodeBlue de Harvard trabaja en tecnología de redes de sensores inalámbricos para una variedad de aplicaciones médicas.
Referencias
- ^ "Copia archivada" . Archivado desde el original el 30 de abril de 2008 . Consultado el 30 de abril de 2008 .Mantenimiento de CS1: copia archivada como título ( enlace )
- ^ Ribeiro, Alejandro; Georgios B. Giannakis (marzo de 2006). "Estimación distribuida de ancho de banda restringido para redes de sensores inalámbricos-parte I: caso de Gauss". Transacciones IEEE sobre procesamiento de señales .
- ^ a b c d Luo, Zhi-Quan (junio de 2005). "Estimación descentralizada universal en una red de sensores con ancho de banda restringido". Transacciones IEEE sobre teoría de la información . 51 (6): 2210–2219. doi : 10.1109 / TIT.2005.847692 .
- ^ Ribeiro, Alejandro; Georgios B. Giannakis (julio de 2006). "Estimación distribuida restringida por ancho de banda para redes de sensores inalámbricos-parte II: función de densidad de probabilidad desconocida". Transacciones IEEE sobre procesamiento de señales .
- ^ Xiao, Jin-Jun; Andrea J. Goldsmith (junio de 2005). "Estimación conjunta en redes de sensores bajo restricción energética". Transacciones IEEE sobre procesamiento de señales .
- ^ Xiao, Jin-Jun; Zhi-Quan Luo (agosto de 2005). "Detección descentralizada universal en una red de sensores con ancho de banda limitado". Transacciones IEEE sobre procesamiento de señales .