删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

曲指数族流形在无线传感器网络定位中的应用

本站小编 Free考研考试/2021-12-21

本文二维码信息
二维码(扫一下试试看!)
曲指数族流形在无线传感器网络定位中的应用
Curved Exponential Family Manifold for Localization in Wireless Sensor Networks
投稿时间:2019-04-19
DOI:10.15918/j.tbit1001-0645.2019.121
中文关键词:统计流形接收信号强度流形学习最优非线性估计自然梯度
English Keywords:statistical manifoldreceived signal strengthmanifold learningoptimal nonlinear estimationnatural gradient
基金项目:北京市科委创新资助项目(Z161100005016043)
作者单位E-mail
塞拉斯北京理工大学 数学与统计学院, 北京 100081
许皓西华师范大学 数学与信息学院, 四川, 南充 637002
宋扬北京理工大学 数学与统计学院, 北京 100081
孙华飞北京理工大学 数学与统计学院, 北京 100081huafeisun@bit.edu.cn
摘要点击次数:1439
全文下载次数:1846
中文摘要:
利用信息几何中的统计流形理论和自然梯度流形学习定位方法,研究了基于接收信号强度(RSS)的无线传感器网络自定位问题.首先,通过概率密度函数构造了一个曲指数族定位模型;然后,针对给定初始状态值的未知目标节点定位问题,结合梯度下降法,提出了基于此模型的最优非线性估计方法及其改进算法.梯度下降法的良好性质和仿真结果表明,这些算法有很好的收敛效果和更高的定位精度.
English Summary:
Using statistical manifold theory in information geometry and natural gradient manifold learning localization method, the self-localization problem of wireless sensor networks based on received signal strength (RSS) was studied. First, a curved exponential family localization model was constructed according to probability density function. Then, aiming at the problem of locating unknown target nodes with given initial state values, combining gradient descent method, an optimal non-linear estimation method based on this model and its improved algorithm were proposed. The good properties of gradient descent method and simulation results show that these algorithms possess better convergence effect and higher positioning accuracy.
查看全文查看/发表评论下载PDF阅读器
相关话题/数学 北京 统计学院 北京理工大学 传感器