• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>BioTechnology: An Indian Journal >Application of covariance cross in distributed sensor network positioning
【24h】

Application of covariance cross in distributed sensor network positioning

机译：协方差交叉在分布式传感器网络定位中的应用

获取原文
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Node localization accuracy in many applications in a distributed sensor network plays a vital role. Currently positioning method is more concerned mainly include TDOA and RSS. These two methods are non-independent and positioning accuracy susceptible to noise. If using the traditional manner fusion Kalman filter data, you can reduce the estimation error. But assumes zero covariance between data, so the results are not conservative and reliable. This article will cross covariance data fusion algorithm is applied to such problems, namely in the Poisson distribution and uniform distribution of node localization process distributed sensor network to be simulated. The results show that the algorithm is more reliable crosscovariance and improves positioning accuracy, ideal for distributed sensor networks.
机译：在分布式传感器网络中的许多应用中，节点定位精度至关重要。当前更受关注的定位方法主要包括TDOA和RSS。这两种方法是非独立的，并且定位精度容易受到噪声的影响。如果使用传统方式融合卡尔曼滤波数据，则可以减少估计误差。但是假设数据之间的协方差为零，因此结果并不保守且可靠。本文将交叉协方差数据融合算法应用于此类问题，即在Poisson分布和均匀分布的节点定位过程中对分布式传感器网络进行仿真。结果表明，该算法具有更可靠的互协方差，提高了定位精度，是分布式传感器网络的理想选择。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号