【 Overview 】ALGORITHMS FOR SOURCE LOCALIZATION
Overview 】MEASUREMENT MODELS AND PRINCIPLES FOR SOURCE LOCALIZATION
这篇博文给出了源定位的模型以及原理总览,这是有好处的,把各种基本的定位方法归一到一个框架中,这就是高度浓缩。
文章给出,定位模型概括为: (1)
本文同样对源定位的算法给予高度浓缩,将线性算法和非线性算法分别给出一个统一的框架。
Two approaches for source localization, namely, nonlinear and linear, are presented in the later blog.
Generally speaking, the nonlinear methodology [13 – 16] directly employs Equation 1 to solve for x by minimizing the least
squares ( LS ) or the weighted least squares ( WLS ) cost function constructed from the following error function:
(2)
where is the optimization variable for x , which corresponds to the NLS or ML estimator, respectively. On the other hand, the linear techniques convert Equation (1) into a set of linear equations in x :
(3)
where b and A are available, while q is the transformed noise vector. Based on Equation (3) , we construct
(4)
Applying the LS or WLS techniques on Equation (4) results in the LLS [17, 18] ,WLLS [19 – 22] and subspace [23 – 26] estimators.
A comparison summary for the position estimators examined in Table 1 .
Table 1
Comparison of Different Position Estimators
Estimator | Advantages | Disadvantages |
NLS |
准确性通常很高。 不需要噪声统计。 |
可能无法保证全球解决方案。 如果涉及网格或随机搜索,则复杂性很高。 |
ML | 准确度最高。 |
可能无法保证全球解决方案。 如果涉及网格或随机搜索,则复杂性很高。 需要噪音统计。 |
LLS or subspace |
保证全球解决方案。 简单且计算效率高 不需要噪音统计。 |
准确性通常很低。 |
WLLS |
保证全球解决方案。 通过约束可以实现最高精度。 |
需要噪音统计。 可能需要迭代。 |
Estimator | Advantages | Disadvantages |
NLS |
Accuracy is generally high. Noise statistics are not needed. |
Global solution may not be guaranteed. Complexity is high if grid or random search is involved. |
ML | Accuracy is highest. |
Global solution may not be guaranteed. Complexity is high if grid or random search is involved. Noise statistics are needed. |
LLS or subspace |
Global solution is guaranteed. Simple and computationally efficient Noise statistics are not needed. |
Accuracy is generally low. |
WLLS |
Global solution is guaranteed. Highest accuracy can be achieved with constraints. |
Noise statistics are needed. Iterations may be required. |
到了最后总结的环节了,先给出定位模型:
意思就是定位就是解这个方程而已,这个方程是非线性的。
如果直接使用这个函数的误差函数:构造代价函数,再使用非线性最小二乘NLS或者最大似然估计法ML来估计向量x,这种方法就是非线性的方法。
如果将 这个函数先经过一系列的转化,转化成线性的形式,,其误差函数为:
由此构造代价函数,然后使用线性最小二乘法以及加权线性最小二乘法等方法估计出向量 x,这种方法就是线性的方法。
这些方法的比较如上表所示,现在也许不懂,可以暂时不看,等看完了具体的线性算法以及非线性算法后,再看也不迟。
这里是最浓缩的东西,目的有二:没看过线性算法以及非线性算法的人看了,知道定位的大框。
已经看过并且知道这些算法的人,就是对知识的升华,对知识的回顾。
横竖都是由好处的。
后面将慢慢奉上具体的算法以及仿真实例。
【 Overview 】ALGORITHMS FOR SOURCE LOCALIZATION相关推荐
- 【原创】如何找回source insight context window?(作者:gooogleman)
[原创]如何找回source insight context window?(作者:gooogleman) http://www.gooogleman.com/forum.php?mod=viewth ...
- 【LTspice】004 Voltage Source 参数配置
目录 1. DC Value 2. PULSE 3. SINE 4. EXP 5. SFFM 6. PWL 7. bv - 函数式电压源 1. DC Value LTspice的Voltage so ...
- 【Linux】2.Linux source命令
Linux source命令: https://blog.csdn.net/qq_39759656/article/details/83547582 source的作用就是把一个文件的内容当成是she ...
- 【LeetCode】Algorithms 题集(二)
Linked List Cycle 题意: Given a linked list, determine if it has a cycle in it. Follow up: Can you ...
- 【 Notes 】NLS ALGORITHMS of TOA - Based Positioning
目录 NLS Newton – Raphson Gauss – Newton steepest descent method NLS 这篇博文[TOA Measurement Model]给出了TOA ...
- 【 Notes 】ML ALGORITHMS of TOA - Based Positioning
这篇博文和NLS方法博文行文思路类似:[ Notes ]NLS ALGORITHMS of TOA - Based Positioning ML方法是NLS方法的一个推广版本,具体接着看: Assum ...
- 【Mac Technology Overview】(五)Core Services Layer
[Mac Technology Overview](五)Core Services Layer 核心服务层 文章目录 [Mac Technology Overview](五)Core Services ...
- 【PNG overview】PNG专题!
[PNG overview]PNG专题! 作者 鼯鼠 2007.1.22 转贴请注明出处 这段时间因为工作原因开始接触PNG,遇到问题的时候,在网上搜索资料总是零零碎碎,而且有很多的说法根没就是人云亦 ...
- source insight 注释乱码?(【File】 > 【Reload As Encoding…】 > 【Chinese Simplified (GB18030)】 > 选择后,点击load)
文章目录 没有用,只是改变了显示,复制出去还是乱码 能解决 没有用,只是改变了显示,复制出去还是乱码 如图,注释乱码 打开: options->preferences->Syntax Fo ...
最新文章
- 机器学习-常见的损失函数比较
- 神策 FM | 科学创造「高价值」人生,终止“瞎忙”式勤奋
- 设备树(device tree)学习笔记
- python 下标越界_Python中异常处理
- java图片颜色取反色,照片底片模式
- 数据结构上机实践第八周项目1- 建立顺序串的算法库
- 国产游戏表 (来自游侠)
- 本地Web服务器环境-Wampserver下载
- Reader/Writer字符流概述和使用方法
- Android 敏感词过滤实现
- 错误: 日期/时间值超出范围
- 调频 调幅 与 通信
- AEJoy —— 彻底搞懂 AE 各种 loop* 表达式【一】
- 完美的word转pdf
- C++异常机制的实现方式和开销分析(作者:白杨)
- 【日常分享】多邻国v4.93.4,在线学习英语、日语、韩语、德语…等30多种语言
- 微信小程序OTO商城(商务端)
- 毕业设计-基于 MAT LAB 的神经网络在股市预测中的应用
- 快速学会开发微信小程序教程
- python操作数据库统计_python数据库-MySQL单表查询基本操作(50)
热门文章
- 安全×××限 爱因斯坦对安全进程的启示
- get post put delete 区别_GET 和 POST 的区别?
- php heahd,heaheader phpder 详解
- mysql server 5.6使用_关于MySQLServer5.6配置问题
- BigInteger类实例的构造过程——JDK源码解析
- java删除有序数组中的重复元素_java去除已排序数组中的重复元素
- linux 没有那个文件或目录_基于CentOS8Linux运维教程-Linux文件目录管理笔记
- mysql触发器运算_在MySQL中使用触发器计算列值?
- 关于全国大学生智能汽车竞赛有关问题的建议
- 基于RT-Thread开发智能视觉组智能车-乐山师范学院