論文の概要: Decentralized Source Localization without Sensor Parameters in Wireless
Sensor Networks
- arxiv url: http://arxiv.org/abs/2009.01062v3
- Date: Sat, 31 Oct 2020 13:18:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-22 18:27:44.270932
- Title: Decentralized Source Localization without Sensor Parameters in Wireless
Sensor Networks
- Title（参考訳）: 無線センサネットワークにおけるセンサパラメータのない分散ソース位置決め
- Authors: Akram Hussain, Yuan Luo
- Abstract要約: イベントローカライゼーションには、侵入者のローカライズ、Wifiホットスポットとユーザ、電力システムの障害など、多くの応用がある。
以前の研究では、ソースローカライゼーションのためのセンサーパラメータの真の知識(あるいは良い推定値)を仮定していた。
本稿では,本論文の震源位置を断層モデルで推定する2つの手法を提案する。
- 参考スコア（独自算出の注目度）: 7.213593598230331
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper studies the source (event) localization problem in decentralized
wireless sensor networks (WSNs) under the fault model without knowing the
sensor parameters. Event localizations have many applications such as
localizing intruders, Wifi hotspots and users, and faults in power systems.
Previous studies assume the true knowledge (or good estimates) of sensor
parameters (e.g., fault model probability or Region of Influence (ROI) of the
source) for source localization. However, we propose two methods to estimate
the source location in this paper under the fault model: hitting set approach
and feature selection method, which only utilize the noisy data set at the
fusion center for estimation of the source location without knowing the sensor
parameters. The proposed methods have been shown to localize the source
effectively. We also study the lower bound on the sample complexity requirement
for hitting set method. These methods have also been extended for multiple
sources localizations. In addition, we modify the proposed feature selection
approach to use maximum likelihood. Finally, extensive simulations are carried
out for different settings (i.e., the number of sensor nodes and sample
complexity) to validate our proposed methods in comparison to centroid, maximum
likelihood, FTML, SNAP estimators.
- Abstract（参考訳）: 本稿では,センサパラメータを知らずに故障モデル下での分散無線センサネットワーク(WSN)のソース(イベント)ローカライズ問題について検討する。
イベントローカライズには、侵入者のローカライズ、wifiホットスポットとユーザ、電力系統の障害など、多くのアプリケーションがある。
以前の研究では、ソースローカライゼーションのためのセンサパラメータ(例えば、故障モデル確率やソースの影響領域(ROI))の真の知識(あるいは良い推定値)を仮定していた。
しかし,本研究では,センサパラメータを知らずに震源位置を推定するために,フュージョンセンターで設定されたノイズの多いデータのみを利用する打上げセット手法と特徴選択法という,断層モデルに基づく2つの手法を提案する。
提案手法はソースのローカライズを効果的に行うことが示されている。
また, ヒットセット法において, 試料の複雑性要求値の低い値についても検討した。
これらの手法は複数のソースのローカライゼーションにも拡張されている。
さらに,提案する特徴選択手法を最大限に活用するために修正する。
最後に,様々な設定(センサノード数,サンプル複雑性など)に対して広範なシミュレーションを行い,提案手法を遠心率,最大確率,ftml,スナップ推定器と比較検討した。
関連論文リスト
- Deep Optimal Sensor Placement for Black Box Stochastic Simulations [1.638332186726632]
本稿では, 入力パラメータに対する結合分布と, 結合エネルギーモデルを用いた解を提案する。
提案手法は,従来の手法に比べて計算コストの低い高精度なセンサ位置を提供することを示す。
論文 参考訳（メタデータ） (2024-10-15T20:10:25Z) - `Just One More Sensor is Enough' -- Iterative Water Leak Localization with Physical Simulation and a Small Number of Pressure Sensors [0.0]
本研究では,物理シミュレーションから得られたデータを用いて,複雑な配水網内の局所化をリークする手法を提案する。
本アルゴリズムは,物理シミュレーション(EPANETソフトウェア)と移動体センサの移動移動移動方式に基づく。
論文 参考訳（メタデータ） (2024-06-28T13:10:13Z) - FlexLoc: Conditional Neural Networks for Zero-Shot Sensor Perspective Invariance in Object Localization with Distributed Multimodal Sensors [6.676517041445593]
我々は、条件付きニューラルネットワークを用いてノードの視点情報を注入し、ローカライゼーションパイプラインに適応するFlexLocを紹介した。
マルチモーダル・マルチビュー屋内追跡データセットを用いた評価では,ゼロショットの場合,FlexLoc はローカライズ精度を約50%向上することが示された。
論文 参考訳（メタデータ） (2024-06-10T21:02:53Z) - PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
私たちはaを提案します。
フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。
我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
論文 参考訳（メタデータ） (2024-06-04T13:51:08Z) - Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。
無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。
そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
論文 参考訳（メタデータ） (2023-12-08T13:50:30Z) - UnLoc: A Universal Localization Method for Autonomous Vehicles using
LiDAR, Radar and/or Camera Input [51.150605800173366]
UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。
本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
論文 参考訳（メタデータ） (2023-07-03T04:10:55Z) - Score-based Source Separation with Applications to Digital Communication
Signals [72.6570125649502]
拡散モデルを用いた重畳音源の分離手法を提案する。
高周波(RF)システムへの応用によって、我々は、基礎となる離散的な性質を持つ情報源に興味を持っている。
提案手法は,最近提案されたスコア蒸留サンプリング方式のマルチソース拡張と見なすことができる。
論文 参考訳（メタデータ） (2023-06-26T04:12:40Z) - Learning-based Localizability Estimation for Robust LiDAR Localization [13.298113481670038]
LiDARベースのローカライゼーションとマッピングは、多くの現代のロボットシステムにおける中核的なコンポーネントの1つである。
本研究では,ロボット動作中の(非)局所性を検出するニューラルネットワークに基づく推定手法を提案する。
論文 参考訳（メタデータ） (2022-03-11T01:12:00Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Feature Shift Detection: Localizing Which Features Have Shifted via
Conditional Distribution Tests [12.468665026043382]
軍用センサーネットワークでは、ユーザーがセンサーの1つ以上の障害を検知する。
まず、この問題の形式化を複数の条件分布仮説テストとして定義する。
効率性と柔軟性の両面から,密度モデルスコア関数に基づくテスト統計法を提案する。
論文 参考訳（メタデータ） (2021-07-14T18:23:24Z) - Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor
Setups [68.8204255655161]
本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。
提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
論文 参考訳（メタデータ） (2021-01-12T12:02:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。