Distributed on-line multidimensional scaling for self-localization in wireless sensor networks

در این مقاله، مسئله محلی سازی در شبکه های حسگر بی سیم شکل گرفته توسط گره های ثابت مورد بررسی قرار می گیرد. هر گره به دنبال تعیین موقعیت خود بر اساس اندازه گیری های پر سر و صدا از فاصله نسبی به گره های دیگر است. در یک حالت دسته ای متمرکز، می توان موقعیت ها (تا یک تحول سفت و سخت) را با استفاده از تقسیم خواص در یک ماتریس به اصطلاح شباهت ساخته شده از فاصله های نسبی بازیابی کرد. در این مقاله، ما یک الگوریتم توزیع شده در خط ارائه می دهیم که اجازه می دهد هر گره موقعیت خودش را بر مبنای تبادل اطلاعات محدود در شبکه برآورد کند. چارچوب ما شامل موارد اندازه گیری های پراکنده و انتقال تصادفی است. ما ثابت کرد که الگوریتم ما در مورد سنسورهای ثابت است. در نهایت، نتایج آزمایشگاهی و عددی را از هر دو داده شبیه سازی شده و واقعی ارائه می کنیم. شبیه سازی هایی که به داده های واقعی داده می شود بر روی یک شبکه حسگر بی سیم انجام می شود.