关于可以通过时延估计获得集群成员。分布式定位概念可以用在每一个参与传感器一些进程中，不仅在簇头中。如果从簇头收集到时间序列数据被传送给参与传感器，时延估计就可以获得了。广播数据从一个参考传感器传到许多参与传感器预计比相反方向需要更少通信开销。求解最小二乘方程组包括两个机制，取决于是否应用了批次或连续进程。批量估计要求所有测量值在同一时刻都是可用，而在连续测量估计只需要同时提供从第（n-）个传感器获和一个到达时差相应第n个传感器获得估计。然而，后者要求更小计算复杂性，因为当有大量参与传感器导致矩阵较大时它没有处理逆矩阵负担。另一个优点是，当前估计可以作为先验信息用于正确选择下一个参与传感器。根据数据模型可知，时延估计方差与传感器到目标节点距离平方成正比，通过考虑最近传感器当前估计来简单选择首选传感器。因此，结合时间延迟估计分布式处理和连续最小二乘定位思想，可望改善通信开销和准确性方面定位性能感器观测是通常时间序列数据。当群设计是大到达地方化准确性要求，为了单独传送在群头将被处理所有群成员这样数据，特别需要花费很多通信。另一种方法是将分布式处理后，通过根据为特定应用程序使用方法特点而定某种手段。我们利用一个众所周知方案，基于范围差定位，在传感器网络中分布式处理表明当与集中方法进行比较，该系统性能可以提高。Ⅲ.基于最小二乘法范围差定位范围差（RD）是来自到达时间差（TDOA）估计，通过距离和信号在媒介中传播速度之间关系。时延估计技术[]是用来确定TDOAs基本工具。我们假定存在一个最优时延估计器，产生受到加性噪声扰动不确定到达时间差估计。在文献[]，[]中已经提出了几种基于范围差方法。我们专注于一个在文献[]中提出封闭形式最小二乘法，因为据报道它比其它方案有更高效率并且能够在高信噪比（SNR）环境下接近克拉默带宽（CRB）。设N传感器分配给参加定位进程坐标为NNyxyx,,.....,。假设目标坐标为sssyxZ,,传感器i和j之间距离不同，其中i，j=，„，N，距离ijd可以通过基本关系获得：jiijDDd其中iD=isisyyxx。通常使用一个任意关于范围差参考传感器。如果没有一般性损失，选择,yx作为定位参考传感器。从其它传感器收集到时间序列数据和在参考传感器收到信号会产生到达时间差估计，范围差是来自使用信号传播速度知识测得到达时间差。然而在现实应用中，因为到达时间差估计存在错误使得确切范围差不可用。因此，我们得到id=iind，i=，„，N。到达时间差估计是通过与高斯分布数据广义交叉获得，通常渐进地分布在高信噪比环境下。因此，范围差估计也是高斯分布，假设in～N,i。定位问题可以演化成一个线性最小二乘问题，bA，其中NNNdyxdyxA，sssRyx，NNdRdRb，yyxxRiii这些线性最小二乘方程可以通过批处理方式和方案来解决，bAAATT。但是，我们可以不通过用连续最小二乘法解线性方程方法得到，这可以通过设nA=TTnanA和nb=Tnbbb来描述。连续最小二乘估计变成nnanbnnnT（）nannanannTnnannT（）指数n对应第thn个传感器。Ⅳ.数据模型静态声目标产生一个WSS高斯随机观察过程ts，假设目标强度衰减速率与距离平方成反比。加性高斯测量噪声扰动ti，通过txi=tDtsiii接收到第thi个传感器信号。通过平均时间窗口可以计算出能量T=sfM，其中M是样本数，sf为kyi=kMMkjijxM采样频率。假设ts和ti是独立，可以得到kyi=tDtsi（）kyivar=MtDtsi（）设ts～N,s,每个传感器噪声具有相同分布，所以ti～N,。PSDfGs信号、PSDfG噪声，连贯性是指在中心频率f处具有较平坦带宽fz。每一个传感器信噪比：,,isiwisDfGfG。根据文献[],语音估计克拉默带宽如下：ffffCCTijijij其中，ijC=fGfGfGfGjjsiis,,,,在表格中可以简单推导出估计方差，Di，其中SNRffffTDSNRffffTSNRD（），SNR是指s。注意i是第thi个传感器与假设在前一个位置参考传感器之间语音方差。这种差异是与常数iD成正比，和是与D相对应。因此，一个固定参考传感器，关于从更远传感器到目标传感器语音是不准确。Ⅴ.分布式定位从基于范围差定位方法描述，我们注意到有两个关键步骤，是到达时间差估计和通过解最小二乘方程得到目标位置。在一个集中方案中，簇头要采用这两个步骤。簇头应该是一个参考传感器并且到达时间差是关于可以通过时延估计获得集群成员。分布式定位概念可以用在每一个参与传感器一些进程中，不仅在簇头中。如果从簇头收集到时间序列数据被传送给参与传感器，时延估计就可以获得了。广播数据从一个参考传感器传到许多参与传感器预计比相反方向需要更少通信开销。求解最小二乘方程组包括两个机制，取决于是否应用了批次或连续进程。批量估计要求所有测量值在同一时刻都是可用，而在连续测量估计只需要同时提供从第（n-）个传感器获和一个到达时差相应第n个传感器获得估计。然而，后者要求更小计算复杂性，因为当有大量参与传感器导致矩阵较大时它没有处理逆矩阵负担。另一个优点是，当前估计可以作为先验信息用于正确选择下一个参与传感器。根据数据模型可知，时延估计方差与传感器到目标节点距离平方成正比，通过考虑最近传感器当前估计来简单选择首选传感器。因此，结合时间延迟估计分布式处理和连续最小二乘定位思想，可望改善通信开销和准确性方面定位性能zo,R.E.Hudson,K.Yao,andD.Estrin,“Coherentacousticarrayprocessingandlocalizationonwirelesssensornetworks,”inProceedingsoftheIEEE,vol.,Aug.[]Q.Wang,W.Chen,R.Zheng,K.Lee,andL.Sha,“Acoustictargettrackingusingtinywirelesssensordevices,”inIPSN,.[]J.C.Chen,R.E.Hudson,andK.Yao,“Maximum-likelihoodsourcelocalizationandunknownsensorlocationestimationforwidebandsignalsinthenear-field,”IEEETransactionsonSignalProcessing,.[]R.J.KozickandB.M.Sadler,“Sourcelocalizationwithdistributedsensorarraysandpartialspatialcoherence,”IEEETransactionsonSignalProcessing,.[]X.ShengandY.Hu,“Energybasedacousticsourcelocalization,”inIPSN,.[]W.R.Heinzelman,A.Chandrakasan,andH.Balakrishnan,“Energyefficientcommunicationprotocolforwirelessmicrosensornetworks,”inProc.rdHawaiiInternationalConferenceonSystemSciences,.[]S.Phoba,N.Jacobson,andR.Brooks,“Sensornetworkbasedlocalizationandtargettrackingthroughhybridizationintheoperationaldomainsofbeamforminganddynamicspace-timeclustering,”inGLOBECOM,.[]M.Chu,H.Haussecker,andF.Zhao,“Scalableinformation-drivensensorqueryingandroutingforadhocheterogeneoussensornetworks,”InternationalJournalofHighPerformanceComputingApplications,.[]W.Chen,J.C.Hou,andL.Sha,“Dynamicclusteringforacoustictargettrackinginwirelesssensornetworks,”IEEETrans.onMobileComputing,vol.,no.,Jul-Sep.[]C.H.KnappandG.C.Carter,“Timedelayestimation,”inICASSP’,.[]Y.Huang,J.Benesty,andG.W.Elko,“Real-timepassivesourcelocalization:Apracticallinear-correctionleast-squaresapproach,”IEEETrans.SpeechandAudioProcessing,vol.,no.,Nov.[]Y.T.ChanandK.C.Ho,“Asimpleandefficientestimatorforhyperboliclocation,”IEEETransactionsonSignalProcessing,.[]G.C.Carter,“Timedelayestimationforpassivesonarsignalprocessing,”IEEETransactionsonAcoustics,Speech,andSignalProcessing,.[]S.M.Kay,FundamentalsofStatisticalSignalProcessing.PrenticeHall,.[]T.H.Cormen,C.E.Leiserson,R.L.Rivest,andC.Stein,IntroductiontoAlgorithms.McGraw-Hill,.感器观测是通常时间序列数据。当群设计是大到达地方化准确性要求，为了单独传送在群头将被处理所有群成员这样数据，特别需要花费很多通信。另一种方法是将分布式处理后，通过根据为特定应用程序使用方法特点而定某种手段。我们利用一个众所周知方案，基于范围差定位，在传感器网络中分布式处理表明当与集中方法进行比较，该系统性能可以提高。Ⅲ.基于最小二乘法范围差定位范围差（RD）是来自到达时间差（TDOA）估计，通过距离和信号在媒介中传播速度之间关系。时延估计技术[]是用来确定TDOAs基本工具。我们假定存在一个最优时延估计器，产生受到加性噪声扰动不确定到达时间差估计。在文献[]，[]中已经提出了几种基于范围差方法。我们专注于一个在文献[]中提出封闭形式最小二乘法，因为据报道它比其它方案有更高效率并且能够在高信噪比（SNR）环境下接近克拉默带宽（CRB）。设N传感器分配给参加定位进程坐标为NNyxy外文出处：Signals,SystemsandComputers,.ConferenceRecordoftheThirty-NinthAsilomarConferenceon附件：.外文资料翻译译文；.外文原文指导教师评价：．翻译内容与课题结合度：□优□良□中□差．翻译内容准确、流畅：□优□良□中□差．专业词汇翻译准确性：□优□良□中□差．翻译字符数是否符合规定要求：□符合□不符合指导教师签名：年月日传感器网中络基于分布范围差异目标定位ChartchaiMeesookho和ShrikanthNarayanan电机工程学系维特比工程学院南加州大学电子邮件:cmeesook@usc.edu,shri@sipi.usc.edu摘要——目标定位是传感器网络中关键应用。各种传统方法可以应用，并已提出，以范围差（RD）为基础方法是有吸引力，是由于提高了准确性和易于实现。当基于范围差方法基本概念被采用在传感器网络情况下，需要制定数据采集、汇总程序方案并且受到能源约束。目前挑战是设计一个经济、准确算法。本文中，在范围差异定位方法基础上，我们提出了一种分布式算法，这种方法允许每个参与传感器存在时延估计。所采集数据使用了顺序最小二乘方案进行融合，这样能够以当前估计为基础选择合适传感器。结果，采用逼真模拟模型评估，说明了分布式定位产生误差小并且比较集中方法消耗更少能源。当参与传感器数量很少时，分布式定位在精度方面优势更为突出，然而当参与传感器数量是很大时候，能够节约更多能量。该方法精确度也更强大，可以降低目标信号能源并且序列瞬时误差估算可以被近似，并用于协调成本和系统性能评估。Ⅰ．简介目标定位是推动实施传感器网络应用关键之一。大量传感器能够观察冗余和接近目标，因此，为改善目标定位和跟踪性能提供了机会。一些应用实例包括在战场上军用车辆定位和跟踪自然栖息地野生动物。最近，传统目标定位方法已应用于传感器网络情况下。这个范围差（RD）方法是在这方面特别有吸引力[]，因为它比最大似然（ML）估计法[]，[]更加易于实施，比基于能源定位更加准确[]，且不需要由目标产生信号先验知识。虽然基于分布式方法基本概念可以被应用到传感器网络问题中，数据汇总过程需要得到发展和改进。在诸如雷达和麦克风阵列传统系统中，利用每一个传感器收集时间序列数据，在进程中需要基本信息，被假定为在中央处理单元可用，无需关注在收集这些信息所产生费用。然而，由于传感器网络典型电池供电、无线特点，需要考虑传感器之间时间序列数据交换能量消耗。目前挑战是设计一个经济、准确算法。在文献[]中，在传感器阵列测试平台实施定位，但通信费用没有考虑。在文献[]中，已对以集群为基础架构进行声音目标跟踪研究。然而，系统性能集群内通信协议问题并没有解决。我们认为，设计算法对该系统效率影响依赖于非常具体方法来实现。在这篇论文中，基于范围差异定位，我们提出了一种分布式算法，这种算法允许每一个参与传感器产生时延估计，所以，在时间序列数据传输发生能源量可以减少。获得数据，这些数据范围不同，使用顺序最小二乘法方案进行融合。顺序性质提供了基于每个时间步长当前估计选择高效传感器，从而使精度得到改善。结果，使用实际模型和情况进行评估，说明了分布式定位比较集中方法产生更小误差和消耗更少能量。值得注意是，当参与传感器数量很少时，分布式定位在精度方面优势更为突出，然而当参与传感器数量是很大时候，能够节约更多能量。该方法也很强劲，其精确度基本不受目标信号低能量（低信噪比）影响并且序列瞬时误差估算可以被近似，并用于协调成本和系统性能评估。Ⅱ．聚类目标定位因为集中处理全球信息或从所有传感器收集测试数据似乎没有吸引力，或许可能是可行，尤其是在一个庞大而密集传感器领域，由于通信成本高要求，适当解决办法是在任务中将传感器分摊成更小组来操作，其中每个组都有一个地方处理单元。对本地数据进行融合和压缩处理可以用来为原始数据传输到基站或最终用户节约能量。这些传感器通常称为集群并且一个传感器被选中成为簇首，它扮演一个本地进程单元角色。在传感器网络中用来分散处理通用节能聚类协议可以在文献[]中找到。一个目标定位问题使用聚类技术可能需要较为具体表述。既然最终目标是要找出一个特定点也是最有可能目标位置，在相应目标区域关键信息应是可靠。因此，可能需要最为有效聚类，而且激发了一个在特定时间和地点高效集群设计。集群形成协议目是用于目标定位和跟踪，这在文献[]中已经出现，其中，动态时空聚类（DSTC）算法，提出了一种基于最近点方法(CPA)集群形成协议功能。在文献[]中zhao等人介绍驱动传感器信息查询使用一个信息效用措施使得动态聚类获得最大信息增益。声目标跟踪动态聚类，已经在文献[]中提出了。假设一个放置在人烟稀少高功能传感器方案（可望发挥簇头作用）并且当簇头检测到声信号强度超过预定阀值时会形成一个群集。群集重点是整合在每个群集成员收集到代表从每个群集赚取知识测量值。这是相当具体应用，以描述与集群形成相关信息管理机制。一般来说，所有成员与簇头沟通是直接或者是多跳通信。在集群里信号处理功能是在转移压缩数据到基站或最终用户之前被执行。我们称这是一个集中处理方案。某一特定应用,如目标定位使用传统方法，然而，需要谨慎设计，以获得准确和成本效益系统。最主要原因是，在每个传感器观测是通常时间序列数据。当群设计是大到达地方化准确性要求，为了单独传送在群头将被处理所有群成员这样数据，特别需要花费很多通信。另一种方法是将分布式处理后，通过根据为特定应用程序使用方法特点而定某种手段。我们利用一个众所周知方案，基于范围差定位，在传感器网络中分布式处理表明当与集中方法进行比较，该系统性能可以提高。Ⅲ.基于最小二乘法范围差定位范围差（RD）是来自到达时间差（TDOA）估计，通过距离和信号在媒介中传播速度之间关系。时延估计技术[]是用来确定TDOAs基本工具。我们假定存在一个最优时延估计器，产生受到加性噪声扰动不确定到达时间差估计。在文献[]，[]中已经提出了几种基于范围差方法。我们专注于一个在文献[]中提出封闭形式最小二乘法，因为据报道它比其它方案有更高效率并且能够在高信噪比（SNR）环境下接近克拉默带宽（CRB）。设N传感器分配给参加定位进程坐标为NNyxyx,,.....,。假设目标坐标为sssyxZ,,传感器i和j之间距离不同，其中i，j=，„，N，距离ijd可以通过基本关系获得：jiijDDd其中iD=isisyyxx。通常使用一个任意关于范围差参考传感器。如果没有一般性损失，选择,yx作为定位参考传感器。从其它传感器收集到时间序列数据和在参考传感器收到信号会产生到达时间差估计，范围差是来自使用信号传播速度知识测得到达时间差。然而在现实应用中，因为到达时间差估计存在错误使得确切范围差不可用。因此，我们得到id=iind，i=，„，N。到达时间差估计是通过与高斯分布数据广义交叉获得，通常渐进地分布在高信噪比环境下。因此，范围差估计也是高斯分布，假设in～N,i。定位问题可以演化成一个线性最小二乘问题，bA，其中NNNdyxdyxA，sssRyx，NNdRdRb，yyxxRiii这些线性最小二乘方程可以通过批处理方式和方案来解决，bAAATT。但是，我们可以不通过用连续最小二乘法解线性方程方法得到，这可以通过设nA=TTnanA和nb=Tnbbb来描述。连续最小二乘估计变成nnanbnnnT（）nannanannTnnannT（）指数n对应第thn个传感器。Ⅳ.数据模型静态声目标产生一个WSS高斯随机观察过程ts，假设目标强度衰减速率与距离平方成反比。加性高斯测量噪声扰动ti，通过txi=tDtsiii接收到第thi个传感器信号。通过平均时间窗口可以计算出能量T=sfM，其中M是样本数，sf为kyi=kMMkjijxM采样频率。假设ts和ti是独立，可以得到kyi=tDtsi（）kyivar=MtDtsi（）设ts～N,s,每个传感器噪声具有相同分布，所以ti～N,。PSDfGs信号、PSDfG噪声，连贯性是指在中心频率f处具有较平坦带宽fz。每一个传感器信噪比：,,isiwisDfGfG。根据文献[],语音估计克拉默带宽如下：ffffCCTijijij其中，ijC=fGfGfGfGjjsiis,,,,在表格中可以简单推导出估计方差，        外文出处：Signals,SystemsandComputers,2005.ConferenceRecordoftheThirty-NinthAsilomarConferenceon附件：1.外文资料翻译译文；2.外文原文指导教师评价：1．翻译内容与课题的结合度：□优□良□中□差2．翻译内容的准确、流畅：□优□良□中□差3．专业词汇翻译的准确性：□优□良□中□差4．翻译字符数是否符合规定要求：□符合□不符合指导教师签名：年月日1传感器网中络基于分布范围差异的目标定位ChartchaiMeesookho和ShrikanthNarayanan电机工程学系维特比工程学院南加州大学电子邮件:cmeesook@usc.edu,shri@sipi.usc.edu摘要——目标定位是传感器网络中的关键应用。