National Repository of Dissertations in Serbia
    • English
    • Српски
    • Српски (Serbia)
  • English 
    • English
    • Serbian (Cyrilic)
    • Serbian (Latin)
  • Login
View Item 
  •   NaRDuS home
  • Универзитет у Београду
  • Електротехнички факултет
  • View Item
  •   NaRDuS home
  • Универзитет у Београду
  • Електротехнички факултет
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Пасивни модел позиционирања у бежичним сензорским мрежама заснован на адаптивним хибридним хеуристичким алогортимима

Passive localization model in wireless sensor networks based on adaptive hybrid heuristic algorithms

Thumbnail
2021
Doktorat_28818.pdf (12.20Mb)
IzvestajKomisije28818.pdf (1.439Mb)
Author
Rosić, Maja
Mentor
Simić-Pejović, Mirjana
Committee members
Nešković, Aleksandar
Lazović, Goran
Pejović, Predrag
Bjelica, Milan
Metadata
Show full item record
Abstract
Предмет истраживања ове докторске дисертације је проблем пасивног лоцирања заснован на мерењу времена пропагације сигнала (Time of Arrival, ТОА), или временске разлике пропагације сигнала (Time Difference of Arrival, TDOA) ради одређивања непознате локације неког објекта. За постављене моделе лоцирања формирана је функција максималне веродостојности (Maximum Likelihood, ML) са Гаусовом случајном расподелом за грешку мерења. Разматрани естимациони модел описан је нелинеарном, неконвексном функцијом циља, односно мултимодалном функцијом. При томе, за формирану функцију циља, глобално оптимално решење не може се нумерички одредити класичним методама оптимизације...
The research in this dissertation is focused on the problem of passive target localization based on the noisy time of arrival (TOA) or time Difference of Arrival (TDOA) measurements, with the aim to accurately estimate the unknown passive target location. The maximum likelihood (ML) estimation problem is formulated for the considered localization problem, with measurement errors modelled as Gaussian distributed random variables. However, the ML objective function of the considered estimation problem is nonlinear and multimodal function, and in this case, the global optimal solution cannot be determined numerically by classical optimization methods...
Faculty:
Универзитет у Београду, Електротехнички факултет
Date:
17-03-2021
Keywords:
Технике позиционирања / Localization techinques / пасивне технике лоцирања / естимационе методе / Крамер-Раова граница / хеуристичке оптимизационе методе / хибридни алгоритми / глобална оптимизација / passive localization techniques / estimation methods / Cramer-Rao bound / heuristic optimization methods / hybrid algorithms / global optimization
[ Google Scholar ]
Handle
https://hdl.handle.net/21.15107/rcub_nardus_18351
URI
http://eteze.bg.ac.rs/application/showtheses?thesesId=8173
https://fedorabg.bg.ac.rs/fedora/get/o:23831/bdef:Content/download
http://vbs.rs/scripts/cobiss?command=DISPLAY&base=70036&RID=40214025
https://nardus.mpn.gov.rs/handle/123456789/18351

DSpace software copyright © 2002-2015  DuraSpace
About NaRDus | Contact us

OpenAIRERCUBRODOSTEMPUS
 

 

Browse

All of DSpaceUniversities & FacultiesAuthorsMentorCommittee membersSubjectsThis CollectionAuthorsMentorCommittee membersSubjects

DSpace software copyright © 2002-2015  DuraSpace
About NaRDus | Contact us

OpenAIRERCUBRODOSTEMPUS