Node localization in WSN based on range measurement and reference locations
Bu tez size mi ait?
Bu kayıt toplu arşivden geldi. Sizinse profilinize bağlayın.
Özet (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.
Yazar
Juman Mohammed Yahya Al-anı
Bu Yayına Nasıl Atıf Yapılır
Juman Mohammed Yahya Al-anı (Yüksek Lisans Tezi). Node localization in WSN based on range measurement and reference locations, 2023, Altınbaş University.
Anahtar Kelimeler
Lisans
Tüm Hakları Saklıdır
Bu eser belirtilen lisans koşulları altında paylaşılmaktadır.
Altınbaş University tezlerinden daha fazlası
- 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)
