Mobile station positioning using time difference of arrival and received signal strength

2012 ◽  
Vol 10 (6) ◽  
pp. 637
Author(s):  
Sharief Nasr S. Abdel Razeq ◽  
Yahya S.H. Khraisat ◽  
Mohammad Mefleh Al Ibahim
Keyword(s):  
Mobile Station ◽  
Signal Strength ◽  
Received Signal Strength ◽  
Time Difference ◽  
Time Difference Of Arrival

scholarly journals Αλγοριθμικές τεχνικές εντοπισμού και παρακολούθησης πολλαπλών πηγών από ασύρματα δίκτυα αισθητήρων

2009 ◽  
Author(s):  
Δημήτριος Αμπελιώτης
Keyword(s):  
Least Squares ◽  
Signal Strength ◽  
Direction Of Arrival ◽  
Received Signal Strength ◽  
Time Difference ◽  
Recursive Least Squares ◽  
Mean Square ◽  
Least Mean Square ◽  
Alternating Projections ◽  
Time Difference Of Arrival

Οι πρόσφατες εξελίξεις στις ασύρματες επικοινωνίες και στα ηλεκτρονικά κυκλώματα έχουν επιτρέψει την ανάπτυξη υπολογιστικών διατάξεων χαμηλού κόστους και χαμηλής κατανάλωσης ισχύος, οι οποίες ενσωματώνουν δυνατότητες μέτρησης (sensing), επεξεργασίας και ασύρματης επικοινωνίας. Οι διατάξεις αυτές, οι οποίες έχουν ιδιαίτερα μικρό μέγεθος, καλούνται κόμβοι αισθητήρες. Ένα ασύρματο δίκτυο κόμβων αισθητήρων αποτελείται από ένα πλήθος κόμβων οι οποίοι έχουν αναπτυχθεί σε κάποια περιοχή ενδιαφέροντος προκειμένου να μετρούν κάποια μεταβλητή του περιβάλλοντος. Ανάμεσα σε πολλές εφαρμογές, ο εντοπισμός και η παρακολούθηση των θέσεων πηγών οι οποίες εκπέμπουν κάποιο σήμα (π.χ. ακουστικό, ηλεκτρομαγνητικό) αποτελεί ένα πολύ ενδιαφέρον θέμα, το οποίο μάλιστα μπορεί να χρησιμοποιηθεί και ως βάση για τη μελέτη άλλων προβλημάτων τα οποία εμφανίζονται στα ασύρματα δίκτυα αισθητήρων. Οι περισσότερες από τις υπάρχουσες τεχνικές εντοπισμού θέσης μιας πηγής από μια συστοιχία αισθητήρων μπορούν να ταξινομηθούν σε δυο κατηγορίες: (α) Τις τεχνικές οι οποίες χρησιμοποιούν μετρήσεις διεύθυνσης άφιξης (Direction of Arrival, DOA) και (β) τις τεχνικές οι οποίες χρησιμοποιούν μετρήσεις διαφοράς χρόνων άφιξης (Time Difference of Arrival, TDOA). Ωστόσο, οι τεχνικές αυτές απαιτούν υψηλό ρυθμό δειγματοληψίας και ακριβή συγχρονισμό των κόμβων και δε συνάδουν έτσι με τις περιορισμένες ικανότητες των κόμβων αισθητήρων. Για τους λόγους αυτούς, το ενδιαφέρον έχει στραφεί σε μια τρίτη κατηγορία τεχνικών οι οποίες χρησιμοποιούν μετρήσεις ισχύος (Received Signal Strength, RSS). Το πρόβλημα του εντοπισμού θέσης χρησιμοποιώντας μετρήσεις ισχύος είναι ένα πρόβλημα εκτίμησης, όπου οι μετρήσεις συνδέονται με τις προς εκτίμηση παραμέτρους με μη-γραμμικό τρόπο. Στα πλαίσια της Διδακτορικής Διατριβής ασχολούμαστε αρχικά με την περίπτωση όπου επιθυμούμε να εκτιμήσουμε τη θέση και την ισχύ μιας πηγής χρησιμοποιώντας μετρήσεις ισχύος οι οποίες φθίνουν με βάση το αντίστροφο του τετραγώνου της απόστασης ανάμεσα στην πηγή και το σημείο μέτρησης. Για το πρόβλημα αυτό, προτείνουμε έναν εκτιμητή ο οποίος δίνει τις παραμέτρους της πηγής ως λύση ενός γραμμικού προβλήματος ελαχίστων τετραγώνων. Στη συνέχεια, υπολογίζουμε κατάλληλα βάρη και προτείνουμε έναν εκτιμητή ο οποίος δίνει τις παραμέτρους της πηγής ως λύση ενός προβλήματος ελαχίστων τετραγώνων με βάρη. Ακόμα, τροποποιούμε κατάλληλα τον τελευταίο εκτιμητή έτσι ώστε να είναι δυνατή η κατανεμημένη υλοποίησή του μέσω των προσαρμοστικών αλγορίθμων Least Mean Square (LMS) και Recursive Least Squares (RLS). Στη συνέχεια, εξετάζουμε την περίπτωση όπου ενδιαφερόμαστε να εκτιμήσουμε τη θέση μιας πηγής αλλά δεν έχουμε καμιά πληροφορία σχετικά με το μοντέλο εξασθένισης της ισχύος. Έτσι, υποθέτουμε πως αυτό περιγράφεται από μια άγνωστη γνησίως φθίνουσα συνάρτηση της απόστασης. Αρχικά, προσεγγίζουμε το πρόβλημα εκτίμησης κάνοντας την υπόθεση πως οι θέσεις των κόμβων αποτελούν τυχαία σημεία ομοιόμορφα κατανεμημένα στο επίπεδο. Χρησιμοποιώντας την υπόθεση αυτή, υπολογίζουμε εκτιμήσεις για τις αποστάσεις ανάμεσα στους κόμβους και την πηγή, και αναπτύσσουμε έναν αλγόριθμο εκτίμησης της θέσης της πηγής. Στη συνέχεια, προσεγγίζουμε το πρόβλημα εκτίμησης χωρίς την υπόθεση περί ομοιόμορφης κατανομής των θέσεων των κόμβων στο επίπεδο. Προτείνουμε μια κατάλληλη συνάρτηση κόστους για την περίπτωση αυτή, και δείχνουμε την ύπαρξη μιας συνθήκης υπό την οποία η βέλτιστη λύση μπορεί να υπολογιστεί. Η λύση αυτή είναι εσωτερικό σημείο ενός κυρτού πολυγώνου, το οποίο ονομάζουμε ταξινομημένο τάξης-K κελί Voronoi. Έτσι, δίνουμε αλγορίθμους υπολογισμού της λύσης αυτής, καθώς και κατανεμημένους αλγορίθμους οι οποίοι βασίζονται σε προβολές σε κυρτά σύνολα. Ακόμα, ασχολούμαστε με τις ιδιότητες των κελιών αυτών στην περίπτωση όπου οι θέσεις των κόμβων αισθητήρων είναι ομοιόμορφα κατανεμημένες στο επίπεδο και υπολογίζουμε κάποια φράγματα για το εμβαδόν τους. Τέλος, ασχολούμαστε με την περίπτωση όπου ενδιαφερόμαστε να εκτιμήσουμε τις θέσεις πολλαπλών πηγών με γνωστό μοντέλο εξασθένισης της ισχύος. Για το πρόβλημα αυτό, αρχικά προτείνουμε έναν αλγόριθμο διαδοχικής εκτίμησης και ακύρωσης της συνεισφοράς κάθε πηγής, προκειμένου να υπολογιστούν σταδιακά οι θέσεις όλων των πηγών. Ο αλγόριθμος αυτός, αποτελείται από τρία βήματα κατά τα οποία πρώτα υπολογίζεται μια προσεγγιστική θέση για την πηγή, στη συνέχεια εκτιμάται ένα σύνολο κόμβων το οποίο δέχεται μικρής έντασης παρεμβολή από τις υπόλοιπες πηγές, και τέλος επιχειρείται μια λεπτομερέστερη εκτίμηση της θέσης κάθε πηγής. Στη συνέχεια, επεκτείνοντας την τεχνική αυτή, προτείνουμε έναν επαναληπτικό αλγόριθμο εκτίμησης ο οποίος βασίζεται στον αλγόριθμο εναλλασσόμενων προβολών (Alternating Projections). Εξετάζουμε επίσης μεθόδους οι οποίες οδηγούν στη μείωση της υπολογιστικής πολυπλοκότητας του αλγορίθμου αυτού.

scholarly journals Investigation of a New Handover Approach in LTE and WiMAX

2014 ◽  
Vol 2014 ◽  
pp. 1-10 ◽  
Author(s):  
Mohammad Nour Hindia ◽  
Ahmed Wasif Reza ◽  
Kamarul Ariffin Noordin
Keyword(s):  
Mobile Station ◽  
Signal Strength ◽  
Received Signal Strength ◽  
Base Station ◽  
Multiple Criteria ◽  
Base Stations ◽  
Technology Selection ◽  
The Novel ◽  
Vertical Handovers ◽  
Minimum Number

Nowadays, one of the most important challenges in heterogeneous networks is the connection consistency between the mobile station and the base stations. Furthermore, along the roaming process between the mobile station and the base station, the system performance degrades significantly due to the interferences from neighboring base stations, handovers to inaccurate base station and inappropriate technology selection. In this paper, several algorithms are proposed to improve mobile station performance and seamless mobility across the long-term evolution (LTE) and Worldwide Interoperability for Microwave Access (WiMAX) technologies, along with a minimum number of redundant handovers. Firstly, the enhanced global positioning system (GPS) and the novel received signal strength (RSS) prediction approaches are suggested to predict the target base station accurately. Then, the multiple criteria with two thresholds algorithm is proposed to prioritize the selection between LTE and WiMAX as the target technology. In addition, this study also covers the intercell and cochannel interference reduction by adjusting the frequency reuse ratio 3 (FRR3) to work with LTE and WiMAX. The obtained results demonstrate high next base station prediction efficiency and high accuracy for both horizontal and vertical handovers. Moreover, the received signal strength is kept at levels higher than the threshold, while maintaining low connection cost and delay within acceptable levels. In order to highlight the combination of the proposed algorithms’ performance, it is compared with the existing RSS and multiple criteria handover decision algorithms.

scholarly journals A novel time difference of arrival localization algorithm using a neural network ensemble model

2018 ◽  
Vol 14 (11) ◽  
pp. 155014771881579 ◽  
Author(s):  
Zhenkai Zhang ◽  
Feng Jiang ◽  
Boyuan Li ◽  
Bing Zhang
Keyword(s):  
Neural Network ◽  
Artificial Neural Network ◽  
Mobile Station ◽  
Time Difference ◽  
Ensemble Model ◽  
Neural Network Ensemble ◽  
Time Difference Of Arrival ◽  
Generalization Ability ◽  
Artificial Neural ◽  
Artificial Neural Network Ensemble

In a localization system, time difference of arrival technique is widely used to estimate the location of a mobile station. To improve the performance of mobile station location estimation, a novel algorithm-based artificial neural network ensemble and time difference of arrival information is proposed in non-line-of-sight environments. Back propagation neural network is a classic artificial neural network and may be effectively used for mathematical modeling and prediction, and an artificial neural network ensemble has better generalization ability and stability than a single network. First, the parameters, such as the weights and biases of the single neural network are optimized by the ant lion optimization method which is novel and effective. Then four types of different information from the time difference of arrival measurements are respectively used to train the individual neural network. Finally, the weighted average method is improved to combine the outputs of the different individual neural network, where weights are determined by the training errors. The estimation accuracy of the locating system is evaluated through experimental measurements. The simulation results show that the proposed algorithm is efficient in improving the generalization ability and localization precision of the neural network ensemble model.

МЕТОД ВИМІРЮВАННЯ ВІДСТАНІ МІЖ ОБ’ЄКТАМИ СЕНСОРНИХ МЕРЕЖ ЗАСОБАМИ МІКРОПРОЦЕСОРНОГО ФАЗОМЕТРА

2018 ◽  
pp. 136-141
Author(s):  
Andrey Dudnik
Keyword(s):  
Time Difference ◽  
Time Difference Of Arrival

Актуальність теми дослідження. Нині безпровідні сенсорні мережі є важливим інструментом для дослідження фізичного світу. Їхня важливість пов’язана з новими можливостями використання, завдяки таким характеристикам, як відсутність необхідності в кабельній інфраструктурі, мініатюрних вузлах, низькому енергоспоживанні, вбудованому радіоінтерфейсі, досить високій потужності передачі, відносно низькій вартості. Тому існує проблема створення нових засобів, що покращили б ефективність їх використання, що б дало змогу розширити сфери застосування. Постановка проблеми. У процесі розроблення таких систем розробникам доводиться вирішувати суперечність між зниження точності вимірювання відстані, зі зростанням дальності розташування об’єктів, обмеженою потужністю передавачів і дорогою вартістю спеціальних вузлів, що отримують точні координати із супутника. Наявність цих обмежень підвищує імовірність похибок при локалізації об’єктів у безпровідних сенсорних мережах. Аналіз останніх досліджень і публікацій. Були розглянуті останні публікації у відкритому доступі, включаючи існуючі алгоритми вимірювання відстані та задачі енергоефективності передавачів. Виділення недосліджених раніше частин загальної проблеми. Підвищення точності вимірювання відстані заобів, що використовують існуючі алгоритми вимірювання відстані. Постановка завдання. Удосконалення методу вимірювання відстані пристроями безпровідних сенсорних мереж, шляхом застосування мікропроцесорних фазометрів. Виклад основного матеріалу. Локалізація об’єктів відбувається за допомогою методу TDOA (Time Difference of Arrival). Дані, що були одержані після використання цього методу, надсилаються до мікропроцесорного фазометра, який визначає період між фазами радіо- та ультразвукового сигналу, що є пропорційною величиною до відстані між об’єктами. Висновки відповідно до статті. Запропонований метод дозволяє покращити точність процесу локалізації об’єктів у безпровідних сенсорних мережах.

KAJIAN KEKUATAN SINYAL RADIO (RSSI) XBEE DALAM RANGKA PEMASANGAN LANDSLIDE EARLY WARNING SYSTEM (LEWS) DI KABUPATEN GARUT, TASIKMALAYA DAN MAJALENGKA

2019 ◽  
Vol 3 (2) ◽  
pp. 88
Author(s):  
Riski Fitriani
Keyword(s):  
Early Warning ◽  
Early Warning System ◽  
Warning System ◽  
Signal Strength ◽  
Received Signal Strength ◽  
Received Signal Strength Indicator ◽  
Landslide Early Warning ◽  
Point To Point

Salah satu inovasi untuk menanggulangi longsor adalah dengan melakukan pemasangan Landslide Early Warning System (LEWS). Media transmisi data dari LEWS yang dikembangkan menggunakan sinyal radio Xbee. Sehingga sebelum dilakukan pemasangan LEWS, perlu dilakukan kajian kekuatan sinyal tersebut di lokasi yang akan terpasang yaitu Garut, Tasikmalaya, dan Majalengka. Kajian dilakukan menggunakan 2 jenis Xbee yaitu Xbee Pro S2B 2,4 GHz dan Xbee Pro S5 868 MHz. Setelah dilakukan kajian, Xbee 2,4 GHz tidak dapat digunakan di lokasi pengujian Garut dan Majalengka karena jarak modul induk dan anak cukup jauh serta terlalu banyak obstacle. Topologi yang digunakan yaitu topologi pair/point to point, dengan mengukur nilai RSSI menggunakan software XCTU. Semakin kecil nilai Received Signal Strength Indicator (RSSI) dari nilai receive sensitivity Xbee maka kualitas sinyal semakin baik. Pengukuran dilakukan dengan meninggikan antena Xbee dengan beberapa variasi ketinggian untuk mendapatkan kualitas sinyal yang lebih baik. Hasilnya diperoleh beberapa rekomendasi tinggi minimal antena Xbee yang terpasang di tiap lokasi modul anak pada 3 kabupaten.

Sign in / Sign up

Export Citation Format

Share Document