Node localization in WSN based on range measurement and reference locations
Is this your thesis?
This record came from a bulk archive import. If it’s yours, link it to your profile.
Abstract (TR)
Bu araştırma, n-boyutlu statik algılayıcı ağ düğümü lokalizasyonu ile ilgili zorlukları ele almak için merkezi olmayan bir yöntem sunar. n+1 düğümün yerinde sabitlendiği, ancak geri kalan düğümlerin diğer düğümlerle herhangi bir bağlantısı olmaksızın tamamen serbest yüzen olduğu bir ağ düşünün. Menzil ölçümlerinden elde edilen çift merkezli koordinatların uygulanmasıyla, dışbükey olmayan düğüm lokalizasyonu problemi gürültüsüz durumda geleneksel bir lineer denklem sistemine indirgenebilir. Bu, barisentrik koordinatların kullanılmasıyla gerçekleştirilir. Menzil ölçümlerine bağımsız sıfır ortalama Gauss gürültüsü eklendiğinde, tüm çift merkezli koordinatlar, bilinen bir standart dağılım olmadan bağımlı rastgele değişkenler haline gelir ve bu rastgele değişkenlerin dağılımları birbiriyle aynı olmayabilir. Yalnızca gürültülü aralık yerelleştirme sorununu çözmek için, çevrimiçi optimizasyon tekniklerine ve dağıtılmış bir çevrimiçi gradyan iniş algoritmasına dayalı bir yöntem sağlıyoruz.
Author
Juman Mohammed Yahya Al-anı
How to Cite
Juman Mohammed Yahya Al-anı (Yüksek Lisans Tezi). Node localization in WSN based on range measurement and reference locations, 2023, Altınbaş University.
Keywords
License
Tüm Hakları Saklıdır
This work is shared under the specified license terms.
More theses from Altınbaş University
- Samuel P. Huntington'ın Medeniyetler Çatışması' ve Immanuel Wallerstein'ın Dünya Sistemleri Analizi'nin karşılaştırılması(2024)
- Olumsuz çocukluk deneyimlerinin ebeveyn tutumları üzerindeki etkisinde öz yeterliğin moderatör etkisi(2025)
- The conscious impact of fractal dimension in hospital architecture: Enhancing warmth and comfort(2024)
- Kablosuz sensör ağında optimize edilmış özellik seçimi ile hibrit makine öğrenmesi tekniğine dayalı gelişmiş anomali tespit sistemi tasarımı(2025)
- Synthesis and evaluation of nano particles for anticancer application(2025)
- An optimized malware detection technique using subspace learning- based one-class classification(2023)
