توصيفگر ها :
تخمينگرهاي حداقل مربعات دومرحله‌اي , متغيرهاي اضافي , سامانه‌ي راداري چندورودي-چندخروجي , شبكه‌ي حسگري توزيع‌شده , شبكه‌ي راداري توزيع‌شده , موقعيت‌يابي غيرمستقيم هدف
چكيده فارسي :
شبكه‌هاي حسگري توزيع‌شده با بهره‌گيري از چندگانگي فضايي و چندگانگي شكل موج، به ميزان قابل‌توجهي آشكارسازي و تخمين پارامترهاي اهداف را بهبود مي‌بخشند. تخمين موقعيت و سرعت اهداف كه به‌اختصار موقعيت‌يابي ناميده مي‌شود، يكي از جذاب‌ترين و البته چالش برانگيزترين مسائل مطرح‌شده در اين شبكه‌ها بوده است. در حالت كلي، روش‌هاي موقعيت‌يابي در دو دسته‌ي مستقيم و غيرمستقيم تقسيم‌بندي ميشوند. در روش‌هاي مستقيم، موقعيت و سرعت هدف از روي مشاهدات خام دريافت شده تخمين زده ميشوند. درحالي‌كه در روش‌هاي غيرمستقيم، در ابتدا مشاهدات خام پيش‌پردازش شده و مشاهدات واسطي تخمين زده ميشوند، كه موقعيت و سرعت هدف از روي اين مشاهدات واسط بدست مي‌آيند. اگرچه روش‌هاي مستقيم به‌صورت بالقوه دقت بالاتري را نسبت به روش‌هاي غيرمستقيم ارائه مي‌دهند، اما روش‌هاي غيرمستقيم به دليل پيچيدگي و حجم محاسبات كمتر و ارائه‌ي راه حل‌هاي داراي نمايش بسته، بيشتر مورد توجه قرارگرفته‌اند. در كاربرد‌هاي مختلف، انواع مشاهدات نظير جهت ورود سيگنال، تفاضل زمان دريافت و غيره به‌عنوان مشاهدات واسط براي موقعيت‌يابي اهداف در نظر گرفته شده‌اند كه از جمله رايج‌ترين آن‌ها در موقعيت‌يابي غيرمستقيم، مي‌توان به تأخيرهاي زماني و جابجايي دوپلر در فركانس سيگنال ارسالي اشاره نمود. ازآنجايي كه رابطه‌ي اين مشاهدات واسط با موقعيت و سرعت هدف غيرخطي و غير محدب است، از همين رو مسئله‌ي موقعيت‌يابي با چالش جدي مواجه بوده است. تخمينگرهاي چندمرحله‌اي يكي از رويكردهاي پركاربرد حل مسائل موقعيت‌يابي غيرمستقيم هستند كه تحت شرايطي به‌صورت مجانبي مؤثر بوده و به كران پايين كرامر-رائو دست مي‌يابند. بااين‌حال، وجود متغيرهاي اضافي در فرآيند مدل‌سازي اين تخمينگرها، كارآيي آن‌ها را به‌شدت تحت تأثير قرار داده و انتخاب مناسب اين متغيرها و حذف يا كاهش آن‌ها، مورد توجه محققان اين حوزه بوده است. تحقيقات اين رساله نيز بر مسائل موقعيت‌يابي غيرمستقيم يك هدف متحرك در شبكه‌هاي حسگري توزيع‌شده، با استفاده از تخمينگرهاي حداقل مربعات دومرحله‌اي متمركز بوده و در اين راستا سه تخمينگر پيشنهاد شده است. به‌طور خلاصه، در تخمينگر پيشنهادي اول، تعداد متغيرهاي اضافي ثابت و مستقل از تعداد حسگرهاي فرستنده و گيرنده است. در تخمينگر پيشنهادي دوم، با استفاده از عمليات جبري، متغيرهاي اضافي حذف شده و همچنين معماري پردازش غيرمتمركز در بستر شبكه نيز ارائه مي‌گردد. در تخمينگر پيشنهادي سوم، ضمن در نظر گرفتن عدم قطعيت براي موقعيت و سرعت حسگرها، مسئله به‌صورت موقعيت‌يابي هذلولي مدل مي‌شود به‌گونه‌اي كه تعداد معادلات هذلولي مستقل افزايش يابد. نشان مي‌دهيم كه هر سه تخمينگر پيشنهادي در مقايسه با تخمينگرهاي رقيب موجود، با قبول مصالحه‌ي ميان پيچيدگي محاسباتي و دقت موقعيت‌يابي، از عملكرد مطلوبي برخوردار هستند.
چكيده انگليسي :
Distributed Sensor Networks (DSNs) significantly improve the detection and estimation of target parameters by leveraging spatial and waveform diversities. Estimating the position and velocity of moving targets, which is called positioning or localization, has been one of the most attractive and challenging issues raised in these networks. In general, positioning methods are divided into two categories: direct and indirect approaches. In direct methods, the position and velocity of the target are estimated from the received raw observations. In indirect methods, at first raw observations are pre-processed, and subsequently intermediate observations are estimated; then, the position and velocity of the target are obtained from the intermediate observations. Although direct methods potentially offer higher accuracy than indirect methods, indirect methods have been receiving more attention due to the lower complexity and providing closed-form solutions. In various applications, various types of observations such as the Angle of Arrival (AoA), Time Delays (TDs), Doppler Shift (DSs), etc. are considered as intermediate observations for target positioning in indirect positioning, among which TDs and DSs are more common. Due to the non-linear and non-convex relationship between these intermediate observations and the position and velocity of the target, the localization problem is not straightforward and has posed serious challenges. Multi-stage estimators, particularly Two-Stage Weighted Least Squares (TSWLS), are among the most widely used approaches for solving indirect localization problems. These methods are asymptotically effective and can reach the Cramer-Rao Lower Bound (CRLB). However, the presence of Nuisance Variables (NVs) in the solving process of these estimators has significantly impacted their performance. As a result, researchers have focused on the appropriate selection of these parameters or their removal/reduction. This thesis focuses on the problem of indirect localization of a moving target in DSNs using two-stage estimators. In this regard, we propose three estimators. Simply put, in the first proposed estimator, the number of NVs is fixed and independent of the number of transmitter (Tx) and receiver (Rx) sensors. In the second proposed estimator, using algebraic manipulation, NVs are removed. In addition, a decentralized processing architecture is also presented. In the third proposed estimator, while considering the uncertainty for the position and velocity of the sensors, the problem is modeled as hyperbolic localization so that the number of independent hyperbolic equations increases. We demonstrate that all three proposed estimators exhibit favorable performance in computational complexity and localization accuracy compared to existing competing estimators.
