автореферат диссертации по радиотехнике и связи, 05.12.13, диссертация на тему:Исследование и разработка энергоэффективного метода локализации элементов беспроводных сенсорных сетей

4049103

Курпатов Роман Олегович

На правах рукописи

Исследование и разработка энергоэффективного метода локализации элементов беспроводных сенсорных сетей

Специальность 05.12.13 Системы, сети и устройства телекоммуникаций

Автореферат диссертации на соискание учёной степени кандидата технических наук

]

г июн 2011

Москва-20 И

4849103

Работа выполнена в: Московском государственном

институте электроники и математики на кафедре «Вычислительные системы и сети»

Научный руководитель: кандидат технических наук, доцент

Восков Леонид Сергеевич

Официальные оппоненты: доктор технических наук, профессор

Саенко Владимир Степанович

кандидат технических наук Воробьёв Владимир Михайлович

Ведущая организация: ФГУП «Межотраслевой научно-

исследовательский институт «Интеграл»

Защита состоится «23» июня 2011 г. в 16 часов на заседании диссертационного совета Д 212.133.06 при Московском государственном институте электроники и математики (техническом университете) по адресу: Г09028, Москва, Б. Трёхсвятительский пер., дом 3.

С диссертацией можно ознакомиться в библиотеке Московского государственного института электроники и математики (технического университета).

? О

о

Автореферат разослан 2011 г.

Учёный секретарь диссертационного совета кандидат технических наук, профессор

Н.Н. Грачев

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы

Возможности современной микроэлектроники и беспроводных сетевых технологий открывают большие перспективы для создания разнообразных сетевых комплексов с широкой областью применения. Наиболее известной и зарекомендовавшей себя в этой области является технология беспроводных сенсорных сетей (далее - БСС или сенсорные сети). Основным их отличием от классических радиосетей является использование в качестве основных узлов сети большого числа недорогих микрокомпьютеров. Эти устройства настолько самостоятельны, что могут автоматически выстраивать распределенную беспроводную сеть и передавать информацию без участия человека. Как правило, с помощью сенсорных датчиков можно фиксировать изменения температуры, давления, влажности, уровня освещенности. В основном они используются как системы мониторинга и контроля. Большим преимуществом сенсорных сетей является возможность их использования как внутри помещений, так и за его пределами - в окружающей среде, благодаря чему, спектр их применения достаточно широк.

Принципиальная возможность определения местоположения объектов сенсорной сети в пространстве (локализация сенсоров) делает эти системы еще более привлекательными за счет дополнительной информационной составляющей, которая вкупе с основным параметром или комплексом параметров мониторинга, может дать исчерпывающую картину работы системы, поэтому поиск высокоэффективного алгоритма локализации остается актуальной проблемой на сегодняшний день.

Рассуждая о многочисленных преимуществах сенсорных сетей, стоит также упомянуть, что концепция данных сетей основана, в большей степени, на самостоятельности своих узлов, в том числе и в обеспечении электроэнергией, поэтому при стремлении к повышению точности процесса

локализации в системах, основанных на сенсорных сетях, мы должны бережно относиться к уровню потребления электроэнергии.

Опубликован ряд работ зарубежных авторов, посвященных вопросу локализации узлов в БСС на основе использования информации о взаимном месторасположении объектов сети (расстояний, направлений, азимута), получаемой в процессе работы. В связи с тем, что большинство этих методов обладают существенными недостатками, ограничивающими их применение для решения задачи локализации, то разработка метода локализации элементов БСС, который будет обладать высокой точностью определения расстояния между узлами сети и высоким уровнем энергоэффективности, а также будет производить анализ информации только из радио пакетов, передаваемых внутри сети, и не будет использовать дополнительные аппаратные средства, является актуальной областью для проведения научных исследований.

Целью диссертационной работы является исследование и разработка энергоэффективного метода локализации элементов БСС на основе анализа и обработки радиосигналов, передаваемых только между узлами сети.

Задачи диссертационного исследования.

1. исследование методов определения расстояний между беспроводными устройствами;

2. изучение влияния ошибок измерений на работу алгоритмов определения расстояний между объектами;

3. разработка точного и энергоэффективного метода локализации узлов БСС на всем диапазоне действия радиосредств;

4. экспериментальная верификация энергоэффективности комбинированного метода определения расстояния между узлами БСС.

Методы исследования. В диссертационной работе используются: методы теории вероятностей, вычислительной математики, а также методы имитационного моделирования.

Научная новизна диссертационной работы заключается в следующем:

1. проведён анализ существующих методов локализации в беспроводных сетях, выполнена их классификация. Обоснован выбор методов;

2. изучено влияние ошибок на работу данных методов. Предложен алгоритм адаптации выбранных алгоритмов (RSSI и TWTT) для их совместной работы в рамках единой беспроводной сети;

3. предложен новый энергоэффективный комбинированный метод определения расстояния между узлами сети на всем диапазоне действия радиосредств, учитывающий наличие ошибок в процессе измерения расстояний. Предложена математическая модель оценки энергоэффективности для разработанного алгоритма локализации;

4. созданы эффективные программные реализации, внедрённые в существующую программно-аппаратную платформу.

Практическая ценность. Создан комплекс компьютерных программ для моделирования поведения беспроводной сенсорной сети и для моделирования работы алгоритмов определения расстояний между узлами БСС. Также реализован комплекс программ для проведения процесса локализации с помощью разработанного комбинированного метода, используемый на базе созданных малогабаритных макетов БСС стандарта IEEE 802.15.4. В составе комплекса реализована методика оценки энергоэффективности разработанного метода локализации.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении рассмотрена и обоснована актуальность работы, сформулирована основная цель, научная новизна и практическая значимость результатов, приведено краткое описание структуры диссертации.

В первой главе проводится анализ беспроводных сенсорных сетей, подчеркивается перспективность направления на миниатюризацию, автономность и удешевление объектов сети. Рассматривается проблема локализации узлов БСС, методы для ее решения, их основные преимущества и недостатки.

Локализация в БСС важна, например, при эксплуатации различных систем безопасности или систем контроля боевых действий, когда необходимо установить взаимосвязь между событием, которое зафиксировал сенсорный датчик и местом, где это событие произошло. После обработки этой информации и предоставления ее в графическом виде, пользователь данной системы может принимать важные решения.

Применительно к сенсорным сетям следует отметить следующие проблемы локализации:

• низкий уровень энергоэффективности существующих систем локализации элементов беспроводных сенсорных сетей;

• невысокая точность при определении расстояний между узлами БСС для отдельного метода локализации на всем диапазоне действия радиосредств беспроводных устройств.

Для решения задачи локализации узлов в БСС в ходе научного исследования рассматриваются существующие методики локализации объектов в беспроводных сенсорных сетях по протоколу IEEE 802.15.4, а также другие широко известные методы, приведенные в таблице 1. В процессе сравнения этих систем и определения оптимального метода локализации в БСС необходимо учитывать множество факторов.

Метод Точность в открытом пространстве Точность в замкнутом пространстве Шумовая характеристика Уровень энергопотребления Уровень стоимости доп. оборудования

RSSI некалибро-ванный 12 м 2 м средний низкий -

GPS 5м - хорошая высокий -

ГЛОНАСС 6 м - хорошая высокий -

GSM TDOA 20 м > 100 м хорошая высокий высокий

RIPS < 10 см S м средний низкий -

TWTT 30 см 1 м хорошая высокий -

Методы глобальной навигации GPS и ГЛОНАСС оптимально подходят для связывания локальной картины местоположения сенсорных узлов с глобальными координатами. Оборудовать каждый сенсорный узел таким приемником было бы нелогично из-за высокого уровня энергопотребления, плохого приема в условиях помещений и, конечно, высокой стоимости конечной системы.

Метод локализации по уровню силы принимаемого сигнала RSSI чувствителен к среде распространения сигнала. Оптимально подходит для использования на небольшой дистанции между узлами БСС, т.к. ошибка при подсчете расстояния увеличивается в квадратичной зависимости от самого расстояния. Для данного метода не требуются дополнительные аппаратные средства - вся информация содержится в пакете данных.

Радиоинтерференционный метод RIPS обладает высокой точностью в условиях линии прямой видимости между узлами, энергоэффективный, не требует дополнительных аппаратных средств, но очень чувствителен к многолучевой среде распространения сигнала, что делает невозможным его применение в закрытых помещениях.

Основная проблема TWTT метода определения расстояния по времени двустороннего прохождения сигнала заключается в повышенном уровне потребления энергии на небольших дистанциях между узлами сети. Так как сенсорные микрокомпьютеры ограничены в производительности частотой процессора в 32 МГц, то это затрудняет дискретизацию временных промежутков. Для получения более точного периода прохождения сигнала, пропорционального расстоянию между узлами, приходится производить многократные транзакции локализации, что и ведет к увеличению объема потребляемой электроэнергии. Этот метод обладает высокой точностью и устойчивостью к среде распространения сигнала.

Наиболее предпочтительными являются методы, работающие на основе анализа уровня силы принимаемого сигнала RSSI или по времени прохождения сигнала TOF. Большинство моделей сенсорных датчиков имеют возможность определять уровень силы сигнала, и для этого не требуется дополнительных аппаратных средств и энергоресурсов.

Во второй главе производится постановка задачи локализации элементов БСС, рассматриваются алгоритмы оценки энергоэффективности методов локализации и точности с помощью нижних пределов Cramer-Rao, Ziv-Zakai и Weinstein-Weiss. Также в данной главе приведена математическая модель расчёта уровня энергопотребления для разработанного комбинированного метода.

Математическая постановка задачи локализации в сенсорной сети обычно выглядит следующим образом: допустим, в некоторой области пространства S (размером S = Ах В) случайным образом однородно распределены объекты беспроводной сенсорной сети {i}, где i е М = [1...М]. Эти объекты имеют радиосредства, благодаря которым каждый узел сенсорной сети может общаться и определять расстояния d до ближайших "соседей" (объекты с которыми есть связь в радиусе L), при этом (исходя из способа определения расстояний) известна точность проводимых измерений.

Каждый объект i собирает информацию о расстояниях до всех доступных "соседей" j и заносит ее в таблицу Tj = {j, djj}. Исходя из этих данных, требуется определить местоположение объектов Другими словами требуется решить систему уравнений следующего вида:

|?;-?;| = Ф, (1) где djj- измеренное расстояние от i до j, содержащее погрешность измерения, описываемую распределением F(djj,crjj), где i,j = [1... M],i Ф j. Как правило, в качестве функции распределения F используется нормальное распределение N(0, ст^), при этом дисперсия ошибки измерения d определяется способом оценки расстояния, и может быть оценена априори теоретически, на основе имитационного моделирования или из эксперимента. Для удобства в данной работе предполагается двумерный случай (гГ=|х1У(|т, сеть развернута на плоской поверхности) - это допущение не влияет на общность приводимых рассуждений, но упрощает теоретическое рассмотрение и последующую практическую реализацию алгоритмов локализации.

Точность измерений расстояний, определяемая среднеквадратичным отклонением а, зависит от способа оценки расстояния.

В работе исследуется возможность измерения расстояний в сети стандарта IEEE 802.15.4, поэтому для определения расстояний рассматривается возможность использования уровня принимаемого сигнала. Все имеющиеся передатчики по стандарту аппаратно поддерживают такую возможность.

Также в работе исследуется возможность использования метода расчета расстояния между объектами по времени двустороннего прохождения сигнала между ними (TWTT). Для данного метода дисперсия нормального распределения ст^ определена с помощью эксперимента, определен нижний предел Cramer-Rao.

Расход энергии вычисляется исходя из расписания сбора данных и технических характеристик используемого оборудования (токов, потребляемых аппаратными компонентами сенсорного узла в различных режимах). Формула расчёта расхода энергии сенсорным узлом за 1 цикл сбора данных приведена ниже:

е/ = Lres + ntm(ет + ew - es) + ntc(ew - es) + ntw(ew - es) + ntp(.ew + er- es) + (2n - 1 )tr(ew + er - es) + (2n-l)te(ew-es) (2)

где

tm - время, необходимое АЦП для измерения всех необходимых параметров, tc - время, необходимое микропроцессору для обработки значений, полученных от АЦП, tw - время перехода микропроцессора в рабочий режим (из спящего режима), tp - максимальное время ожидания сигнала приёмником (интервал времени между включением узла-приёмника на приём и началом передачи данных узлом-передатчиком), tr - время перехода радио-модуля в режим приёмника, tt - время перехода радиомодуля в режим передатчика, es - ток, потребляемый микропроцессором в спящем режиме, ет - ток, потребляемый АЦП во время измерения, ew - ток, потребляемый микропроцессором в рабочем режиме, ег - ток, потребляемый радио-модулем в режиме приёмника, Lr - реальная длительность цикла сбора данных, п - ожидаемое количество ранжирующих транзакций.

Третья глава посвящена вопросу определения основных источников возникновения ошибок и погрешностей RSSi и TWTT методов, определения для них нижних пределов Cramer-Rao, а также адаптации TWTT метода для работы в рамках комбинированного метода локализации. Разработаны модели, а также произведен расчет наиболее оптимального взаимодействия выбранных методов в рамках комбинированного подхода.

Т\УТТ-алгоритм подразумевает измерение времени передачи сигнала в порядке его следования по пути «точка-точка». Он хорошо работает в условиях среды многолучевого распространения.

Напротив, использует измерение уровня ослабления сигнала при передаче через беспроводной радиоканал. Из-за своей простоты ЯББ! используется на многих аппаратных платформах БСС. Основным фактором, влияющим на точность процесса локализации 11851, является эффект многолучевого распространения.

ИБЯ! метод

При локализации объектов с помощью И^БТ-метода в среде многолучевого распространения можно столкнуться с конструктивной и деструктивной интерференцией, что в данном случае приведет к тому, что позиция объекта не будет совпадать с соответствующим уровнем мощности сигнала. Этот эффект также зависит от частоты, поэтому при различных несущих частотах может появиться несоответствие результата. Ошибка при подсчете расстояния, если это выразить количественно, обычно пропорциональна самому расстоянию, так что на более маленьких расстояниях погрешности могут быть в пределах метра.

Рис. 1. иМЬ-модель работы ЯБ51-метода. 11

На рис. 1 представлена UML-модель работы RSSI-метода. LQI - уровень силы сигнала (аналог RSSI), содержится в каждом информационном пакете по требованиям протокола IEEE 802.15.4.

Затухания сигнала, связанные с расстоянием между передатчиком и приемником сигнала, известны как «путевые потери», они обратно пропорциональны расстоянию между узлами и увеличиваются по экспоненте, называемой «экспонентой путевых потерь» или «градиентом путевых потерь».

В общем, путевые потери в Децибелах между передающим и принимающим устройствами могут быть выражены следующим образом:

где 10 - путевые потери на соответствующем расстоянии, а - экспонента путевых потерь, - затухание от каждого случая отражения сигнала стеной или группой каких-нибудь объектов на пути следования сигнала. Таким образом, 11881-значение сигнала можно выразить так:

г0 обозначает 11551-значение, соответствующее 1 м. Уравнение (4) широко используется для описания зависимости ЯББГ-значений от расстояний между приемником и передатчиком радиосигнала в беспроводных коммуникационных каналах.

Предположим, что в системе двух сенсорных узлов «передатчик-приемник» устройство «приемник» получает сигнал с определенным ЯББ!-

(3)

R = r0- 10а log10 d - Lw (4)

где

w

значением г, которое можно представить Гауссовой случайной переменной следующим образом:

г~ЛГ(Д,а2) (5)

и с учетом выражения (4), функция распределения плотности вероятности по г обусловлена расстоянием й между узлами:

fd(r) к -ехр о

(г-Я)2

2<т2

(6)

Тогда функция оценки наиболее вероятного местоположения МЬЕ для <1 будет выглядеть следующим образом:

d - arg max fd (г)

a

(7)

В порядке определения максимума функции, дифференцируя функцию (6), получаем следующее выражение

5 , N Л(г-Я)

где

Следовательно,

Л = 10а log« е (9)

а = lQ(r0-r-Lw)/lOa

Инверсия матрицы Фишера Jd, известная как нижний предел Cramer-Rao (CRB), есть минимальная дисперсия, которая может быть достигнута при оценке d с использованием несмещенной оценочной функции. При оценке информационной матрицы Фишера для RSSI-измерений можно определить теоретически минимальную ошибку при расчете расстояния между узлами сети. Информационная матрица Фишера связана с RSSI-измерениями так:

г, = Ен

{klaf<V)'

*)'] = (£)* СИ)

Следовательно, CRB ведет к

ad

N

fdfa.....rw) (X J~|-exp

(13)

В порядке повышения точности локализации между узлами БСС естественным и очевидным путем будет произведение многократных RSSI-измерений. Также предположим, что в процессе множественной выборки RSSI-значений узлы БСС не перемещались относительно друг друга. (г\, ■■■ ,rN) независимые случайные переменные, объединенные функцией распределения плотности вероятности (PDF), обусловленные расстоянием d

" ' (г,-Я)21

— ехр -_ а ¡=1

Следуя по тому же пути, что и ранее мы получаем

.....r«) = At^r (14>

¿=1

Следовательно, для MLE будем иметь выражение, равносильно уравнению (10):

d = io(r»-f:i~LM')/10ff

Определим вид информационной матрицы Фишера

°d = Ed [i^1"^1.....

ъ-

o*d2 d

Следовательно, CRB для данного случая множественной выборки

ad

I

var(d) >

aVN

(16)

TWTT метод

Формула оценки нижней границы Cramer-Rao для процесса измерений TWTT (TOF) представлен в уравнении (17). Разброс определяется как Otof> при этом Pf [Гц] - спектральная ширина полосы полученного радиосигнала, п - количество усредненных TOF измерений, SNR - энергия в расчете на бит, разделенная на мощность шумов (Es/N0).

с2

*™F ~ Bn^j-SNR-n (17)

Из уравнения (17) видно квадратичное улучшение результатов через увеличение спектральной полосы пропускания, подтверждающее, что использование данного метода является отличным способ повышения точности процесса TOF-локализации.

В альтернативной узкополосной TOF системе расчетов разрешающая способность системы ограничена временной дискретизацией, получаемой периодом осуществления выборки коррелятором принимаемого сигнала (выражение (18)). ДR - разрешающая способность по дальности [м], с-скорость света [м/с] и Ts - период осуществления выборки коррелятором принимаемого сигнала.

cTs

±AR = -f (18)

Разрешающая способность по дальности в БСС приложениях обычно должна быть в пределах ±1 м, поэтому Ts < 6.66 не, что, в конечном счете, соответствует частоте выборки коррелятора Fs > 150 МГц. Это не оптимальный вариант для маломощной БСС аппаратуры, так как возрастают требования к электроэнергии из-за использования высокочастотной аппаратуры (l[A] = dQ/dt, dt -* 0, 1 -> со). В алгоритме достигается Ts < 6.66 не с помощью анализа транзакций между передатчиком и приемником с частотой дискретизации выборок Ts и Ts + At. Разность At

позволяет произвести измерение сдвига по фазе через многократные транзакции ранжирования, показанные на рис. 2.

-Период синхрониэации-

пМ

Тхск

(A)

шМ

Яхск

(B)

гШ5

I

¡ТюГ_о(Г

:д|.

Ты.

2Д1

ТшГ о

;Тюг_о

ЗД1

4Д1

Время (I)

Рис. 2. Схематичное представление измерения фаз ТОР с использованием частот коррелятора Т$иТ$ + Дt по последовательным измерениям

расстояний.

Число ранжирующих транзакций п требуется для получения сдвига по фазе, определяемого из выражения п = Т3/№ (период синхронизации). Влияние на процесс локализации шумов, эффекта многолучевого распространения и погрешности частоты сигнала могут быть уменьшены избыточной дискретизацией на периоде синхронизации.

^Оговтныи ЛТИ пакет получен^—^|Прооеление М-транзахш^ рамжироваиия|

Л

Инициализация параметров ма "ответчике" | Диализ получение ТУУТТ-периода"^ 2 '

ТэГ-м-аут

5

ж

Расчет дистанции ме*лу узлами

Отправка РТЯ-паквта Повторная отправка НТР

М

Рис. 3. иМЬ-модель ТШТТметода.

Метод TWTT используется для сравнения двух часов или осцилляторов в порядке уменьшения фазового сдвига (в часовых циклах) и, следовательно, синхронизации устройств. Узлы А и В работают с независимыми системными часами, которые не синхронизированы и имеют некоторое фазовое смещение. При разрешении ранжирующих вычислений метод опирается на локальные часы узла А. Фазовый сдвиг и время передачи TOF между узлами А и В получаются из уравнений (19) - (22), где t„_transm¡t и ^в-transmit - время на отправку сигнала, tA^B и tB^A - время на получении сигнала, tT0F - время прохождения сигнала и tfl_0yyse£ - фазовый сдвиг часов узла В относительно часов узла А. Дополнительный фазовый сдвиг можно исключить усредненным значением многократных двусторонних передач и получить более точный TOF период, который можно извлечь из счетчика временных интервалов (TIC) или с помощью автономного таймера. И тогда можно считать, что действительное расстояние между узлами соответствует d[AB], с учетом d[m] = т • с, где с - скорость света.

£А->В ~ ^Л-transmit + tTOF + tB-offset (19)

tß-<A — ^B-transmit + ^TOF ~ *B-offset (20)

1

boF = 2 №a->B + — i^A-transmit + -transmit)] (21)

toff set — 2 [fel->B ~ £ß->/l) — (-tA-transmit ~ fB-transmit)] (22)

Границы ошибок определяются как сумма всех отклонений для каждого случая периода задержки на приемопередатчике, когда ранжирующий TOF сигнал проходит через устройство. Полное время задержки Tdelay является Гауссовой случайной переменной, формируемой суммированием задержек каждым независимым компонентом, и определяется уравнением (23), где этот разброс снижается N количеством двусторонних транзакций = ri/N):

N

Тае1ау=й^1)'ГДе1 = 1'2'-'Л/ (23) ¿=1

Для единственной двусторонней транзакции ранжирования полное время задержки определяется по формуле (24), где £1Т, С2г> Í2R - время передачи и приема на инициаторе и на приемнике, М2 - относительный сдвиг по фазе и Ь2!<Е$ ~ период ответа.

(24)

Если будут выполнены многократные транзакции ранжирования, то разброс ТОР значений будет уменьшен в зависимости от корня количества транзакций. По выражению (25) ясно, что ошибка ТОР вычислений может быть снижена увеличением количества транзакций.

Ото? = (Аг + 02« + 0ДС2 + °С2 ЯЕ5 + °2Г + "1/?) (25)

В большей степени относительный сдвиг по фазе между инициатором и ответчиком является случайным, чтобы распределение дисперсии можно было считать нормальной. Это относится к инициатору и приемнику, имеющим случайный сдвиг по фазе Ьл. Согласно этому предположению, точность ранжирования за вычетом шумов можно выразить как

аI = 9.375/л/Т7 (26)

(й = г ■ г (3 • 108) • (62.5 • Ю-9) = 18.75м, двусторонний контур 18.75/2 = 9.375 ), где N - количество транзакций.

Адаптация комбинированного метода локализации

Для максимально точного и энергоэффективного функционирования используемых методов определения расстояния между узлами БСС в контексте комбинированного метода локализации необходимо определить наиболее подходящий момент для проведения дополнительных Т\УТТ транзакций ранжирования при увеличении дистанции между объектами.

Так как было бы не логично поддерживать заданный уровень точности в 1 м на всем диапазоне действия радиосредств сенсорной сети, то был применен прогрессивный подход к определению необходимого количества ранжирующих транзакций в зависимости от расстояния между узлами БСС:

/9.375\2

где ц - допустимое отклонение измеренного расстояния от истинного значения в процентах. При дальнейшем анализе принимаем ц = 0.05 (5%).

Расстояние [метры]

Рис. 4. Сравнительная характеристика зависимости количества ранжирующих транзакций от расстояния между узлами для КБ51-метода и ПУТТ-метода.

Для определения оптимальной «точки задействования» Т\УТТ метода необходимо решить систему уравнений по СШЗ с МЬЕ для ЯЭБ! и Т\УТТ:

. 2

/У.375\ ^^ (28)

(---)

\10alogme/

Решением системы уравнений (28) можно показать, что оптимальной точкой переключения (рис. 4) на использование дополнительных TWTT-транзакций будет дистанция между объектами »35 м (LQI = 88).

С учетом рассчитанной оптимальной точки переключения между методами локализации, мы можем использовать численное значение показателя уровня силы сигнала в моделях RSSI и TWTT методов для взаимного переключения между ними.

UML-модели для данных методов локализации в контексте комбинированного метода приведены на рис. (1) и (3).

Четвертая глава диссертационной работы посвящена аспектам практической реализации комбинированного метода локализации в беспроводной сенсорной сети.

В данной главе производится экспериментальная проверка эффективности разработанного метода локализации в различных условиях среды распространения сигнала - в условиях линии прямой видимости (LoS) между объектами в диапазоне от 0 до 250 м, в условиях отсутствия прямой видимости (NLoS) между объектами в диапазоне от 0 до 120 м, а также внутри помещения (Indoor) на расстоянии до 10 м.

Комбинированный метод локализации реализован с помощью отладочных наборов Texas Instruments СС2530 и NXP Jennie JN5148. Ранжирующие транзакции выполняются в 2.4 ГГц ISM диапазоне на единственном канале для совместимости разрабатываемого алгоритма стандартам протокола IEEE 802.15.4.

Полученные результаты (таблица 2) подтверждают эффективность применения комбинированного метода локализации в сравнении с каждым используемым методом в отдельности как по точности, так и по уровню энергоэффективности на всем диапазоне действия радиосредств узлов БСС.

Метод Показатель Значение (LoS) Значение (NLoS) Значение (Indoor)

RSSI Среднее отклонение по расстоянию 22.5 м 7.8 м 0.95 м

Средний уровень энергопотребления 194 мАч 122 мАч 24 мАч

TWTT Среднее отклонение по расстоянию 6.7 м 8.8 м 1.7 м

Средний уровень энергопотребления 52 мАч 85 мАч 212 мАч

Комб. метод Среднее отклонение по расстоянию 4.5 м 4м 0.95 м

Средний уровень энергопотребления 40 мАч 42 мАч 24 мАч

В заключении приводятся основные результаты и выводы диссертационной работы.

Основные результаты работы:

1. проведён анализ существующих методов локализации для стандарта IEEE 802.15.4 и других методов для беспроводных протоколов серии IEEE 802.1х.х., выполнена их классификация. Обоснован выбор методов;

2. изучено влияние ошибок на работу данных методов. Предложен алгоритм адаптации выбранных алгоритмов (RSSI и TWTT) для их совместной работы в рамках единой беспроводной сети;

3. дано определение новому комбинированному методу локализации в беспроводной сенсорной сети. Обоснована необходимость применения данного метода для организации точного и энергоэффективного процесса локализации в БСС. Предложена математическая модель оценки энергоэффективности для разработанного алгоритма локализации;

4. созданы эффективные программные реализации,

внедрённые в существующую программно-аппаратную платформу.

Основное содержание диссертации отражено в следующих публикациях:

1.JI.C. Восков, P.O. Курпатов. Энергоэффективный комбинированный метод локализации в беспроводных сенсорных сетях // Журнал «Датчики и системы», №4,2011. - М.: ООО «СенСиДат-Контрол», 2011. С. 42-45.

2. JI.C. Восков, P.O. Курпатов. Сравнительный анализ методов локализации в беспроводных сенсорных сетях // Журнал «Качество. Инновации. Образование», №3 март 2011. - М. : Европейский центр по качеству, 2011. С. 35-39.

3. Л.С. Восков, P.O. Курпатов. Комбинированный метод локализации в беспроводных сенсорных сетях при управлении сложными системами // «Известия PAP АН», №1 2011. С. 57-61.

4. Л.С. Восков, P.O. Курпатов. Задачи визуализации сенсоров в беспроводных сенсорных сетях / Information and Telecommunication Technologies in Intelligent System. Proceeding of Sixth International Conference in Crete/Greece, June 02-06, 2008. pp. 29 -34.

5. Л.С. Восков, P.O. Курпатов. Задачи визуализации сенсоров в беспроводных сенсорных сетях / Информационные, сетевые и телекоммуникационные технологии: сборник научных трудов, под ред. проф. д.т.н. Жданова B.C. МГИЭМ; М., 2009 г. С. 30-34.

6. P.O. Курпатов. Визуализация систем, построенных на основе технологии беспроводных сенсорных сетей / Научно-техническая конференция студентов, аспирантов и молодых специалистов МИЭМ. Тезисы докладов. — М.: МИЭМ, 2008 г.

7. P.O. Курпатов. Локализация элементов беспроводных сенсорных сетей / Научно-техническая конференция студентов, аспирантов и молодых специалистов МИЭМ. Тезисы докладов. — М.: МИЭМ, 2009 г.

8. P.O. Курпатов. Локализация элементов беспроводных сенсорных сетей с помощью RSSI / Научно-техническая конференция студентов, аспирантов и молодых специалистов МИЭМ. Тезисы докладов. — М.: МИЭМ, 2010 г.

Свидетельства о гос. регистрации программ для ЭВМ:

1. Свидетельство № 2010617741 о государственной регистрации программы для ЭВМ «Метод определения расстояния между элементами беспроводных сенсорных сетей по силе принимаемого радиосигнала».

2. Свидетельство № 2010617986 о государственной регистрации программы для ЭВМ «МЕТОД ОПРЕДЕЛЕНИЯ РАССТОЯНИЯ МЕЖДУ ЭЛЕМЕНТАМИ БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЕЙ ПО ВРЕМЕНИ ДВУСТОРОННЕГО ПРОХОЖДЕНИЯ СИГНАЛА».

Подписано к печати " 11 " ^-¿¿¿£-£2011 г. Отпечатано в отделе оперативной полиграфии МИЭМ.

Москва, ул. М. Пионерская, д. 12. Заказ № /У/. Объем Л ¿7 п.л. Тираж 73£> экз.

Введение.

Глава 1. Аналитический обзор.

1.1. Введение.

1.2. Протокол IEEE 802.15.4.

1.3. Радиочастотные методы локализации в БСС.

1.3.1. Локализация с помощью силы сигнала (RSSI).

1.3.2. Глобальная система навигации GPS.

1.3.3. Разница по времени прибытия.

1.3.4. Сотовые сети GSM.

1.3.5. ANSI 371.1 Система локализации в реальном времени RTLS (Wherenet, Inc.).

1.3.6. Сверхширокополосная локализация.

1.3.7. Радиоинтерференционная система позиционирования RIPS.

1.3.8. Метод TWTT.

1.3.9. Сравнительный анализ методов локализации.

1.4. Основные проблемы локализации в сенсорных сетях.

1.4.1. Помехи.

1.4.2. Временная синхронизация.

1.4.3. Артефакты выборки.

1.4.4. Особенности многолучевого распространения.

1.5. Выводы.

Глава 2. Исследование алгоритмов локализации элементов беспроводных сенсорных сетей.

2.1. Постановка задачи.

2.2. Процесс измерений и модель прохождения сигналов.

2.3. Оценка точности процесса локализации для узлов с детерминированным местоположением.

2.3.1. Граница Cramer-Rao для ошибок процесса локализации мобильного терминала.

2.4. Нижние границы ошибок локализации с априорной информацией

2.4.1. Нижний предел Weinstein-Weiss.

2.4.2. Расширенная версия нижнего предела Ziv-Zakai.

2.5. Пределы для точности локализации по заданному набору информации.

2.6. Вычисление пределов с многократными измерениями.

2.7. Расчет расхода электроэнергии.

2.8. Выводы.

Глава 3. Комбинированный Метод локализации элементов БСС по уровню силы принимаемого радиосигнала и времени его двустороннего прохождения.

3.1. Введение.

3.2. Метод ранжирования по силе принимаемого радиосигнала RSSI71 3.2.1. Нижняя граница Cramer-Rao (CRB) для локализации по уровню силы принимаемого сигнала RSSI.

3.2.1.1.CRB для единичного значения уровня силы сигнала RSSI.

3.2.1.2.CRB в случае множественной выборки значений уровня силы сигнала RSSI.

3.3. Метод ранжирования по времени двустороннего прохождения сигнала TWTT.

3.3.1. Нижняя граница Cramer-Rao (CRB) для локализации по времени прохождения сигнала TOF.

3.3.2. Разрешающая способность системы измерений.

3.3.3. Синхронизация.

3.3.3.1.Метод односторонней передачи.

3.3.3.2.TWT T.

3.4. Система измерения расстояний.

3.5. Реализация системы.

3.5.1. Аппаратная платформа для эксперимента.

3.5.2. Формат фрейма и восстановление тактовой синхронизации.

3.5.3. Алгоритм расчета времени прохождения сигнала.

3.5.4. Проблемы интерференции.

3.5.5. Границы ошибок TOF-метода.

3.6. Адаптация комбинированного метода локализации.

3.7. Выводы.

Глава 4. Экспериментальная часть.

4.1. Введение.

4.2. Условия проведения эксперимента.

4.2.1. Эксперимент в условиях прямой видимости узлов LoS.

4.2.2. Эксперимент в условиях отсутствия прямой видимости узлов (NLoS).

4.2.3. Эксперимент в условиях закрытого помещения.

4.3. Анализ результатов применения комбинированного метода локализации.

4.4. Анализ энергоэффективности системы.

4.5. Выводы.

Актуальность темы

Возможности современной микроэлектроники и беспроводных сетевых технологий открывают большие перспективы для создания разнообразных сетевых комплексов с широкой областью применения. Наиболее известной и зарекомендовавшей себя в этой области является технология беспроводных сенсорных сетей (далее - БСС или сенсорные сети). Основным их отличием от классических радиосетей является использование в качестве основных узлов сети большого числа недорогих микрокомпьютеров. Эти устройства настолько самостоятельны, что могут автоматически выстраивать распределенную беспроводную сеть, передавать информацию, путём нахождения друг друга на расстоянии до нескольких километров, автоматически принимать решения, и выполнять задачи без участия человека. Как правило, с помощью сенсорных датчиков можно фиксировать изменения температуры, давления, влажности, уровня освещенности. Также они имеют интерфейсы для внешних подключений, что может расширить и без того богатые функциональные возможности этих устройств. В основном они используются как системы мониторинга и контроля. Большим преимуществом БСС является возможность их использования как внутри помещений, так и за его пределами - в окружающей среде, благодаря чему, спектр их применения достаточно широк.

Рассуждая о многочисленных преимуществах сенсорных сетей, стоит упомянуть, что их концепция основана, в большей степени, на самостоятельности своих узлов, в том числе и в обеспечении электроэнергией, поэтому при стремлении к повышению точности и качества информации, получаемой функционированием таких систем, мы должны бережно относиться к уровню потребления электроэнергии.

Большое количество работ, связанных с созданием и развертыванием систем, основанных на беспроводных сенсорных сетях, свидетельствует о высокой популярности этой технологии. Направления исследований простираются от узкоспециальных вопросов, связанных с созданием отдельных компонентов и объектов сети (приемопередатчиков, микроконтроллеров, датчиков и т.д.) с низкой ценой и низким энергопотреблением, до проблем, которые возникают при эксплуатации сенсорных сетей (организация работы сети, разработка программного обеспечения, привязка месторасположения объектов сети к географическим координатам и др.).

Принципиальная возможность определения координат объектов сенсорной сети делает эти системы еще более привлекательными за счет дополнительной информационной составляющей, которая вкупе с основным параметром или комплексом параметров мониторинга, может дать исчерпывающую картину работы системы, поэтому поиск высокоэффективного алгоритма локализации остается актуальной проблемой на сегодняшний день. Среди множества существующих подходов определения местоположения сенсоров, практически каждый метод обладает недостатками, ограничивающими его применимость в реальном, мире. Например, методики, основанные на акустическом ранжировании, требуют применения дополнительного акустического приемопередатчика, который увеличивает стоимость и размеры платформы.

На сегодняшний день вопрос локализации элементов сенсорных сетей является одним из основополагающих направлений исследований ведущих зарубежных научных институтов. Опубликован ряд работ зарубежных авторов, посвященных вопросу определения координат в таких сетях на основе использования информации о взаимном месторасположении объектов сети (расстояний, направлений, азимута), получаемой в процессе работы. Тем не менее, универсального решения, применимого в любых условиях и обладающего высокой точностью, на настоящий момент не получено, поэтому данная область актуальна для проведения дальнейших научных исследований.

Целью диссертационной работы является исследование и разработка энергоэффективного метода локализации элементов БСС на основе анализа и обработки радиосигналов, передаваемых только между узлами сети.

Задачи диссертационного исследования:

1. Исследование методов определения расстояний между беспроводными устройствами.

2. Изучение влияния ошибок измерений на работу алгоритмов определения расстояний между объектами.

3. Разработка точного и энергоэффективного метода локализации узлов БСС на всем диапазоне действия радиосредств.

4. Экспериментальная верификация энергоэффективности комбинированного метода определения расстояния между узлами БСС.

Методы исследования. В диссертационной работе используются: методы теории вероятностей, вычислительной математики, а также методы имитационного моделирования.

Научная новизна диссертационной работы заключается в следующем:

1. Разработана методика оценки эффективности работы алгоритмов определения расстояния между узлами в сенсорных сетях.

2. Адаптирован метод локализации элементов БСС по времени двустороннего прохождения сигнала.

3. Предложен новый энергоэффективный комбинированный метод определения расстояния между узлами сети на всем диапазоне действия радиосредств, учитывающий наличие ошибок в процессе измерения расстояний.

Практическая ценность. Создан комплекс компьютерных программ для моделирования поведения беспроводной сенсорной сети и для моделирования работы алгоритмов определения расстояний между узлами 7

БСС. Также реализован комплекс программ для проведения процесса локализации с помощью разработанного комбинированного метода, используемый на базе созданных малогабаритных макетов БСС стандарта ШЕЕ 802.15.4. В составе комплекса реализована методика оценки энергоэффективности разработанного метода локализации.

4.5. Выводы

В этой главе мы рассмотрели возможность применения комбинированного подхода к использованию локализации по силе принимаемого сигнала, а также нового метода локализации в беспроводных сенсорных сетях, основанного на использовании узкополосного двустороннего алгоритма ранжирования с учетом фазо-временного сдвига. Был проведен эксперимент с использованием каждого метода в отдельности. Показатели TWTT и 11881 методов на различных расстояниях между объектами, а также в различных условиях распространения сигнала, были проанализированы и учтены при разработке комбинированного метода.

Комбинированный метод обладает низким уровнем энергопотребления, не требует дополнительных аппаратных средств. Это единственный метод радиочастотной локализации, использующий расчет времени прибытия сигнала, учитывающий относительный сдвиг по фазе между частотами на двух приемопередатчиках, вовлеченными в процесс Т\УТТ-ранжирования. Метод обладает существенными преимуществами для использования в беспроводных сенсорных сетях, где ее основные элементы обязаны обладать низким уровнем энергопотребления.

ЗАКЛЮЧЕНИЕ

По результатам проведённых исследований и разработок можно сделать следующие заключения и выводы.

Проведён анализ различных методов определения расстояния между узлами беспроводных сенсорных сетей, работающих по стандартам протокола IEEE 802.15.4, выполнена их классификация, определены основополагающие принципы работы, выявлены основные недостатки и преимущества. Обоснован в качестве основных механизмов локализации выбор алгоритмов ранжирования по уровню силы принимаемого сигнала RSSI и по времени двустороннего прохождения сигнала TWTT.

Изучено влияние ошибок на работу данных методов. Предложен алгоритм адаптации выбранных алгоритмов (RSSI и TWTT) для их совместной работы в рамках единой беспроводной сети.

Дано определение новому комбинированному методу локализации в беспроводной сенсорной сети. Обоснована необходимость применения данного метода для организации точного и энергоэффективного процесса локализации в БСС. Применен алгоритм оценки эффективности данного метода локализации с использованием нижнего предела Cramer-Rao. Произведён исследование наиболее оптимального режима работы данного, метода относительно сохранения минимального уровня энергопотребления при высокой точности. Предложена математическая модель оценки энергоэффективности для разработанного алгоритма локализации;

На основе разработанных в диссертационной работе моделей и алгоритмов созданы и внедрены эффективные программные реализации для существующих программно-аппаратных платформ Texas Instruments CC2530DK и NXP Jennie JN5148.

1. Жданов В. С. «Проблемы и задачи проектирования беспроводных сенсорных сетей». Информационные; сетевые и телекоммуникационные технологии: сборник научных трудов под ред. проф. д.т.н. Жданова В. С. -М; МИЭМ, 2009.

2. Werb, J., Newman^ M. Berry, V., & Lamb, S. (2005). «Improved Quality of: Service in IEEE 802.15.4 Mesh Networks». Proceedings of International Workshop on Wireless and Industrial Automation.

3. Kirchner, D. (1991). «Two-way time transfer via communication satellites». Proceedings of the IEEE, 79(7), 983-990.

4. Spencer, Q., Jeffs, В., Jensen, M., Swindlehurst, A. (2000). «Modeling the statistical time and angle of arrival characteristics of an indoor multipath channel». IEEE Journal on Selected Areas in Communications, 18(3), 347-360.

5. Вишневский В. M. «Проектирование беспроводных мультимедийных сенсорных сетей». Информационные, сетевые и телекоммуникационные технологии: сборник научных трудов под ред. проф. д.т.н. Жданова В. С. -М: МИЭМ, 2009.

6. Aiello, G. R., & Rogerson, G. D. (2003). «Ultra-wideband wireless systems». IEEE Microwave Magazine, 4(2), 36-47.

7. Anjum, F., Pandey, S., & Agrawal, P. (2005). «Secure Localization in Sensor networks using transmission range variation». Proceedings of the IEEE Mobile Adhoc and Sensor Systems Conference.

8. Шахнович С. «Современные беспроводные технологии». — СПб.: Питер, 2004.

9. Doherty, L., Pister, К. S. J., & El Ghaoui, L. (2001). «Convex position estimation in wireless sensor networks». Proceedings of the IEEE Conference on Computer Communications, 3, 1655-1663.

10. Lanzisera, S., Lin, D., & Pister, K. (2006). «RF Time of Flight Ranging for Wireless Sensor Network Localization». Proceedings of the IEEE Workshop on Intelligent Solutions in Embedded Systems.

11. Lanzisera, S., & Pister, K. (2008). «Burst Mode Two-way Ranging with Cramer-Rao Bound Noise Performance». Proceedings of the 2008 IEEE Global Communications Conference.

12. Maroti M., Kusy B., Balogh G., Volgyesi P., Molnar, Karoly, Dora S., & Ledeczi A. (2005). «Radio Interferometric Positioning». Proceedings of the ACM Conference on Embedded Networked Sensor Systems.

13. Carter, M., Jin, H., Saunders, M., & Ye, Y. (2006). «SpaseLoc: An adaptive subproblem algorithm for scalable wireless sensor network localization». SIAM Journal on Optimization. 17(4), 1102-1128.

14. Oppenheim, A., & Schafer, R. (1975). «Digital Signal Processing». Englewood Cliffs, N.J.: Prentice-Hall.

15. Pahlavan, K., Xinrong L., & Makela, J. P. (2002). «Indoor Geolocation Science and Technology». IEEE Communications Magazine, 2002(2), 112-118.

16. Richards, M. (2005). «Fundamentals of Radar Signal Processing». New York: McGraw-Hill.

17. Sahai, P. (2002). «Geolocation on Cellular Networks». In B. Sarikaya (Ed.) Geographic location in the Internet. Boston: Kluwer Academic Publishers.

18. Shah, S., & Tewfik, A. (2005). «Enhanced Position Location With UWB In Obstructed Los And NLOS Multipath Environments». Proceedings of the XIII European Signal Processing Conference.

19. Tse, D., & Viswanath, P. (2005). «Fundamentals of Wireless Communication». Cambridge, UK: Cambridge University Press.

20. Wherenet, (2008). «NYK Logistics Case Study». http://www.wherenet.com/NYKLogisticsCaseStudv.shtml

21. Langendoen, K., & Reijers, N. (2003). «Distributed localization in wireless sensor networks: A quantitative comparison». Networks: The International Journal of Computer and Telecommunications Networking, 43(4), 499-518.

22. Texas Instruments, TI CC2530 datasheet, www.ti.com, 2010. http://focus.ti.com/lit/ds/svmlink/cc2530.pdf.

23. Kanaan, M., Heidari, M., Akgul, F., & Pahlavan, K. (2006). «Technical Aspects of Localization in Indoor Wireless Networks». Bechtel Telecommunications Technical Journal, 4(3).

24. Weinstein, E., & Weiss, A. J. (1988). «A general class of lower bounds in parameter estimation». IEEE Transactions on Information Theory, 34(2), 338342.

25. Aspnes, J., Eren, T., Goldenberg, D. K., Morse, A. S., Whiteley, W., Yang, Y. R., et al. (2006). «A theory of network localization». IEEE Transactions on Mobile Computing, 5(12), 1663-1678.

26. Ristic, B., Arulampalam, S., & Gordon, N. (2004). «Beyond the Kalman Filter: Particle Filters for Tracking Applications». Artech House, Norwood, Massachusetts, USA.

27. Fang, S.-H., Lin, T.-N., & Lin, P.-C. (2008). «Location Fingerprinting In A Decorrelated Space». IEEE Trans. Knowledge and Data Engineering, 20(5), 685-691.

28. Aiello, G. R., & Rogerson, G. D. (2003). «Ultra-wideband wireless systems». IEEE Microwave Magazine, 4(2), 36-47.

29. Kaemarungsi, K., & Krishnamurthy, P. (2004). «Modeling of indoor . positioning systems based on location fingerprinting». In proceedings of Twenty Third Annual Joint Conference of the IEEE Computer and Communications Societies (pp. 1012-1022).

30. Feuerstein, M. J., Blackard, K. L., Rappaport, T. S., Seidel, S. Y., & Xia, H. H: (1994). «Path loss, delay spread, and outage models as functions of antenna height for microcellular system design». IEEE Trans. Vehicular Technology, 43(3), 487-498.

31. Galstyan, A., Krishnamachari, B., Lerman, K., & Pattern, S. (2004). «Distributed particle filters for sensor networks. In Proc». IEEE Information Processing in Sensor Networks, Berkeley, CA, USA.

32. Gustafsson, F., Gunnarsson, F., Bergman, N., Forssell, U., Jansson, J., Karlsson, R., & Nordlund, P.-J. (2002). «Particle Filters for Positioning, Navigation, and Tracking». IEEE Transactions on Signal Processing, 50(2), 425-437.

33. Zou, Y., & Chakrabarty K. (2004). «Sensor deployment and target localization in distributed sensor networks». ACM Transactions on Embedded Computing Systems, 3(1), 61-91.

34. Krishnakumar, A. S., & Krishnan, P. (2005). «On the Accuracy of Signal Strength-based Location Estimation Techniques». Proceedings of the 2005 IEEE Infocom Conference, Miami, FL, (pp. 642-650).

35. Fox, D., Hightower, J., Liao, L., Schulz, D., & Borriello, G. (2003). «Bayesian filters for location estimation». IEEE Pervasive Computing, 2(3), 24—33.

36. Akgul, F. O., & Pahlavan, K. (2007). «AOA Assisted NLOS Error Mitigation for TOF-based Indoor Positioning Systems». IEEE MILCOM. (pp. 1-5). Orlando, FL.

37. Elnahrawy, E., Li, X., & Martin, R. P. (2004). «The limits of localization using signal strength: A comparative study». First Annual IEEE Conference on Sensor and Ad-hoc Communications and Networks (pp. 406-414).

38. Whitehouse, K., Karlof, C., & Culler, D. (2007). «A practical evaluation of radio signal strength for ranging-based localization». SIGMOBILE Mob. Comput. Commun. Rev. 11(1), 41-52.

39. Bobrovsky, B. Z., & Zakai, M. (1975). «A lower bound on the estimation error for Markov processes». IEEE Transactions on Automatic Control, 20(6), 785788.

40. Larsson, E. G. (2004). «Cramer-Rao bound analysis of distributed positioning in sensor networks». IEEE Signal Processing Letters, 11(3), 334-337.

41. Whitehouse, K., & Culler, D. (2002). «Calibration as parameter estimation in sensor networks». In ACM, Proc. of the Int'l Workshop on Wireless Sensor Networks and Applications (pp. 59-67). Atlanta, GA.

42. Elson, J., & Römer, K. (2003). «Wireless sensor networks: A new regime for time synchronization». A CM Computer Communication Review, 33(1).

43. Gustafsson, F., Gunnarsson, F., Bergman, N., Forssell, U., Jansson, J., Karlsson, R., & Nordlund, P.-J. (2002). «Particle Filters for Positioning, Navigation, and Tracking». IEEE Transactions on Signal Processing, 50(2), 425-437.

44. Howard, A. (2006). «Multi-robot Simultaneous Localization and Mapping using Particle Filters». The International Journal of Robotics Research, 25(12), 1243-1256.

45. Akima, H. (1970). «A new method of interpolation and smooth curve fitting based on local properties». Journal of the ACM, 17(4), 589-602.

46. Pahlavan, K., Li, X., & Makela, J. (2002). «Indoor geolocation science and technology». IEEE Commun. Mag., 40(2), (pp. 112-118).

47. Koorapaty, H. (2004). «Barankin bound for position estimation using received signal strength measurements». In Proc. IEEE Vehicular Technology ConferenceMilan, Italy.

48. Anjum, F., Pandey, S., & Agrawal, P. (2005). «Secure Localization in Sensor networks using transmission range variation». Proceedings of the IEEE Mobile Adhoc and Sensor Systems Conference.

49. Kuchar, A., Tangemann, M., & Bonek, E. (2002). «A Real-Time DOA-Based Smart Antenna Processor». IEEE Transactions on Vehicular Technology, 51(6), 1279-1293.

50. Chen, Y., & Kobayashi, H. (2002). «Signal strength based indoor geolocation. In Proc». IEEE International Conference on Communications, New York, NY, USA.

51. Ubisense Limited (2008). Ubisense System Overview. Retrieved My 29, 2008 from Ubisense Limited Web site: http://www.ubisense.net/media/pdf/Ubisense System Overview V1.1 .pdf

52. Patwari, N., Hero, A. O., Perkins, M., Correal, N. S., & 0'Dea,R. J. (2003). «Relative location estimation in wireless sensor networks». IEEE Transactions on signal processing, 51(8), 2137-2148.

53. Bergamo, P., & Mazzini, G. (2002). «Localization in sensor networks with fading and mobility». The 13th IEEE International Symposium on Personal, Indoor and Mobile Radio Communications (pp. 750-754).

54. Shin, D.-H., & Sung, T.-K. (2002) «Comparisons of error characteristics between TOF and TDOA Positioning». IEEE Transactions on Aerospace and Electronic Systems, 38(1), 307-311.

55. Elnahraway, E., Li, X., & Martin, R. P. (2004). «The limits of localization using RSS». In Proceedings of the 2nd Intl. Conf on Embedded Networked Sensor Systems (pp. 283-284), Baltimore, MD.

56. Stoleru, R., Stankovic, J. A., & Luebke, D. (2005). «A high-accuracy, low-cost localization system for wireless sensor networks». In ACMSensys, (pp. 13-26). San Diego, CA.

57. Chang, C., & Sahai, A. (2006). «Cramer-Rao type bounds for localization». EURASIP Journal on Applied Signal Processing, 2006. article id 94287. (pp. 1-13).

58. Rapoport, I., & Oshman, Y. (2004). «Recursive Weiss-Weinstein lower bounds for discrete-time nonlinear filtering». In Proceedings of the 43rd IEEE Conference on Decision and Control, 3, 2662-2667).

59. Basaran, C. (2007). «A Hybrid Localization Algorithm for Wireless Sensor Networks». Master's Thesis, Yeditepe University, Turkey.

60. Chao, S. (2008). «A comparison of indoor location detection systems for wireless sensor networks», MS project report, MA: Boston University.

61. Qi, Y., Kobayashi, H., & Suda, H. (2006). «Analysis of wireless geolocation in a non-line-of-sight environment». IEEE Transactions on Wireless Communications, 5(3),672-681.

62. Lanzisera, S., & Pister, K. (2008) «Burst Mode Two-way Ranging with Cramer-Rao Bound Noise Performance». Proceedings of the 2008 IEEE Global Communications Conference.

63. Bell, K. L., Steinberg, Y., Ephraim, Y., & Van Trees, H. L. (1997). «Extended Ziv—Zakai lower bound for vector parameter estimation». IEEE Transactions on Information Theory, 43(2), 624-637.

64. Sohraby, K., Minoli, D., & Znati, T. (2007). «Wireless Sensor Networks -Technology, Protocols and Applications». Hoboken, New Jersey: John Wiley & Sons.

65. Qi, Y., Suda, H., & Kobayashi, H. (2004). «On time-of arrival positioning in a multipath environment». In Proc. IEEE 60th Vehicular Technology Conf. (VTC 2004-Fall). Los Angeles, CA., 5, 3540-3544.

66. Qi, Y., & Kobayashi, H. (2002). «Cramer-Rao lower bound for geolocation in non-line-of-sight environment». In Proceedings of the 2002 IEEE International Conference on Acoustics, Speech, and Signal Processing, 3, 2473-2476.

67. Slijepcevic, S., Megerian, S., & Potkonjak, M. (2002). «Location errors in wireless embedded sensor networks: sources, models, and effects on applications». SIGMOBILE Mob. Comput. Commun. Rev., 6(3) (Jun. 2002), 67-78.

68. Van Trees, H. L., & Bell, K. L. (Ed.) (2007). «Bayesian Bounds for Parameter Estimation and Nonlinear Filtering/Tracking». Piscataway, NJ: IEEE Press.

69. Karlsson, R., & Gustafsson, F. (2003). «Particle filter and Cramer-Rao lower bound for underwater navigation». In IEEE Conference on Acoustics, Speech and Signal Processing (ICASSP), Hongkong, China.

70. Tichavsky, P., Muravchik, C. H., & Nehorai, A. (1998). «Posterior Cramer-Rao bounds for discrete-time nonlinear filtering». IEEE Transacations on Signal Processing, 46(5), 1386-1396.

71. Mills, K. L. (2007). «A Brief Survey of Self-Organization in Wireless Sensor Networks». Wireless Communication and Mobile Computing, 7, 823-834.

72. Ristic, B., Arulampalam, S., & Gordon, N. (2004). «Beyond the Kalman Filter: Particle Filters for Tracking Applications». Artech House, Norwood, Massachusetts, USA.

73. Simandl, M., Královec, & Tichavsky, P. (2001). «Filtering, predictive, and smoothing Cramér-Rao bounds for discrete-time nonlinear dynamic systems». Automatica, 37(11), 1703-1706.

74. Johnson, D. S. (1974). «Approximation algorithms for combinatorial problems». Journal of Computer and System Sciences, 9, 256—278.

75. Torrieri, D. J. (1984). «Statistical theory of passive location systems». IEEE Transactions on Aerospace and Electronic Systems, AES-20(2), 183-198.

76. Toumpis, S., & Tassiulas, L. (2006, July). «Optimal deployment of large wireless sensor networks». IEEE Transactions On Information Theory, 52(7), 2935-2953.

77. Kirchner, D. (1991). «Two-way time transfer via communication satellites». Proceedings of the IEEE, 79(7), 983-990.