对传感器网络审查问题和机器人技术

文摘

分布式机器人技术和无线传感器网络的相互作用导致了移动传感器网络的创建。已经越来越感兴趣,构建移动传感器网络和他们青睐的类网络中流动中扮演着重要角色在一个应用程序的执行。越来越多的研究集中在移动无线传感器网络的发展(MWSNs)由于其良好的优势和应用程序。网络机器人可以起到至关重要的作用,将静态节点与移动机器人增强这两种类型的设备的能力,使新的应用程序。在本文中,我们概述在移动传感器网络机器人,反之亦然,机器人传感器网络应用程序。

1。介绍

技术进步以及4 g通信的出现和普及和无处不在的计算的推广一个新的兴趣多次反射网络(特别的通信)。特别是,兴趣是自组织无线多次反射网络可能大量的微粒组成的,可以移动和静态的,也可以用来计算和电力的能力。无线传感器网络(网络)是这些网络的典型例子。网络的大多数研究关注网络的节点不能被取代,不会移动。移动传感器节点的利用已有改善,或完全实现,通信覆盖和传感(1]。信用创造的移动传感器网络是无线传感器网络和分布式机器人之间的交互。类的网络小传感装置以协作的方式在空间观察和监控环境和物理条件被称为移动传感器网络2]。移动传感器网络是由节点和所有节点的传感、计算、通信和移动模块(图1)。每个传感器节点能够自主导航或人类的控制下3]。msn已成为研究和开发的重要领域。

虽然msn仍处于发展中阶段,它们可以用于监测环境栖息地、医疗、农业、国防应用,灾害易发地区,危险区域,等等。MWSNs还可用于监测控制和越来越多的实际应用还msn继续出现(4]。和机器人的科学技术与应用在各个领域,如设计、制造、和理论(5]。它也可以被视为技术处理建筑的面积,操作,控制机器人的应用和计算机系统,感觉反馈和信息处理。这项技术的主要优势是,它可以代替人类在制造过程和危险的环境中或也可以像人类行为、认知、或经验(5]。自主机器人技术的突破发生在1980年代中期工作基于行为的机器人。我们可以说,这项工作是许多当前的机器人应用程序的基础6]。通过将智能移动机器人直接到传感器网络的大多数问题在传统传感器网络可以解决。移动机器人提供了互动方式,调查环境在分散的和动态的方式。机器人的新系统和网络化传感器开发了新的解决方案存在的问题,如导航和定位(7]。移动节点可以实现机器人自主感知移动机器人或感知的传感器系统解决环境和导航任务。我们可以说机器人传感器网络是移动机器人搭载传感器的分布式系统在一个区域现象和产生详细的环境评估(8]。multirobot系统的使用携带传感器周围环境代表一个解决方案,得到了一个重要的关注,还可以提供一些特别的优势。大量的应用程序已经被机器人传感器网络,解决目前救援、搜索和环境监测等。在无线传感器网络中,机器人还可以用于解决许多问题推进性能,如对一个特定的传感器故障,节点分布,数据聚合。同样为解决存在的问题在机器人领域的无线传感器网络可以起到至关重要的作用。问题定位、路径规划、协调对多个机器人,利用无线传感器网络和传感可以解决(9]。今天我们有许多应用程序的传感器网络在地面,空气,水下和地下。在移动UWSN传感器移动可以带来两个好处。浮动的传感器可以提高系统的可重用性,也可以有助于使动态监测和覆盖率。移动传感器可以帮助追踪水质量的变化从而提供4 d(空间和时间)环境监测。比地面传感器网络移动UWSNs硬质水环境中必须采用声学通信因为收音机不工作。类似地下传感器网络可以用来监控各种条件属性的土壤和环境监测等有毒物质。他们完全埋在地下,不需要任何有线连接。在地面上可以用于目标跟踪、环境监测、探测森林火灾,工业监测、和机械健康监测。无线传感器节点服务很长一段时间,被用于不同的应用,如地震测量和战争。 The recent growth of small sensor nodes dates back to the year 1998 NASA Sensor Webs project and smart dust project. To make autonomous sensing and communication possible within a cubic millimeter of space was the main purpose of the smart dust project. This project led to many more research projects including major research centers in CENS and Berkeley NEST. The term小错是由研究人员在这些项目中引用一个传感器节点;pod是相同的术语用于NASA为物理传感器节点,传感器网项目虽然在传感器网络的传感器节点可以是另一个传感器网络本身(10]。

一个传感器节点的主要组件如下:收发器,单片机外部内存,一个或多个传感器和电源(10]。控制器处理数据和控制传感器节点中的其他组件的功能。红外无线传输媒体的可行,无线电频率(RF)和光通信。外部内存而言最相关的内存的闪存和单片机的片上存储器。发展的最重要的特征是确保无线传感器节点总有足够的可用能源电力系统。传感器节点消耗的功率为数据处理、传感和通信;权力是存储在电容器或电池。电池可以充电和nonrechargeable传感器节点供电的主要资源。传感器是一种检测装置,或感觉热,光,声,运动,等等,然后对它在一个特定的方式11)(图2)。

弩广播/处理器板通常被称为微粒允许许多传感器分散在一个大区域无线传输数据回基站连接到计算机(图3)。这些微粒运行TinyOS操作系统,它是一个开源的操作系统设计的低功耗无线设备,如用于锅,智能电表,无处不在的计算、传感器网络和智能建筑(12]。它控制权力,无线电传输和网络对用户透明,形成一个网络特别的网络(13]。

的MICA2微粒是一种第三代Mote模块512 kb的测量(串行)闪存,128 k字节的编程闪存,4 k字节的可编程只读存储器(图4)。

星际之门是一个400 MHZ英特尔PXA255 Xscale处理器32 mb的闪存和64 mb的同步动态随机存取记忆体。大量的类可用的传感器;这些包括气压、加速、地震、声学、雷达、磁相机,光线,温度,相对湿度,磁相机,和全球定位系统(GPS)。通常传感器分为3种类型:被动,全方位、被动,窄射线,活跃传感器。被动传感器自供电的;他们感觉没有实际操作的数据环境,积极主动探索,主动传感器探测环境。窄光束传感器有一个明确的方向测量的概念。全向传感器没有参与他们的测量方向的概念10)(图5)。

2。移动传感器网络

移动传感器网络是一个类的网络小传感装置在一个空间协同监控物理和环境条件(2]。对移动传感器网络的研究已经很多。MSN,可能有很多有价值的附加应用程序与传感器以及功能如运动、环境信息感知和航迹推算。msn的体系结构可以分为节点、服务器和客户机层(3]。的工作节点层获取各种数据,因为它是直接嵌入到物理世界。这一层也包括所有静态以及移动传感器节点。服务器层由单板计算机运行的服务器软件和个人电脑。客户端层可以是任何智能终端设备,这些设备还包括远程和本地客户。流动性是一个不切实际的或不受欢迎的特性的传感器节点可以解决目标挑战14]。研究问题在移动传感器网络可以分为两个方面2]:沟通问题和数据管理问题。我们的工作重点是沟通问题,包括覆盖和本地化问题(图6)。

2.1。报道

在传感器网络,覆盖可以看作是衡量服务质量的标准。监测网络可以提供的质量也取决于传感器网络的覆盖范围(15,16]。可以看出,移动传感器网络的应用范围是最基本的问题之一17]。它将减少由于传感器故障和不良的传感器部署。计(计92)定义了覆盖空间关系的维护,调整准确的当地条件优化的表现功能。规描述了三种类型的报道行为。铺天盖地的报道:它的目的是实现一个静态节点安排,最大限度地减少总检测区域。屏障覆盖:屏障覆盖的主要目标是减少注意渗透通过障碍的概率。扫描范围:扫描覆盖率的概念从机器人这或多或少相当于移动障碍。传感器的寿命是强烈影响硬件缺陷,电池消逝,一些恶劣的外部环境(如火、风),等等(2]。在msn,先前发现地区成为覆盖当传感器通过他们,当传感器搬家,已经覆盖地区成为了。因此,覆盖区域传感器随时间变化,和更多的地区将至少一次随着时间的继续。机器人应用哈提卜(18)是第一个描述势场地方导航和避障等任务的技术。类似的“运动模式”的概念还介绍了使用空间向量的叠加产生的行为(19]。霍华德et al。20.)也使用潜在的领域,但部署问题,他们考虑的问题安排移动传感器在一个未知的环境中,字段在哪里建造,这样每个节点也被其他节点和整个部队网络传播环境障碍。文献[21)提出了势场技术是分布式和可伸缩的,并且不需要先验地图的环境。在[22),发现传感器网络领域,新节点总是放置在这些地区的边界。也能够找到一个次优的部署解决方案,也使得确保每个节点必须与另一个节点的视线。为了增加覆盖率(23]提出的算法来计算所需的目标位置传感器应该移动和识别现有的网络覆盖漏洞。发现覆盖洞用泰森多边形法图王et al。24),他还设计了三个movement-assisted传感器部署协议,也就是说,VEC(基于向量),刑事和解(Voronoi-based),基于传感器的原理和极小极大,从稀疏部署区域密集部署的区域。一个虚拟力算法(VFA)提出了(25)增加传感器视野结合排斥力和吸引力的力量来确定随机部署的传感器和虚拟运动路径运动。文献[26)处理静态和移动传感器和传感器领域内的工作就是服务于移动传感器随机出现的位置。静态传感器然后指导移动传感器的位置任务发生在他们意识到任务的到来。动态方面的处理人员在移动传感器网络覆盖和区域范围的特征在特定的时间瞬间和随机的时间间隔和检测时间位于目标(27]。覆盖率的问题和探索通过利用部署网络被认为是和算法假定全球信息不可用也提出了(28]。在[29日)传感器搬迁的问题是集中和搬迁解决方案提出了两阶段传感器冗余传感器识别首先使用Grid-Quorum然后重新安置在一个级联运动及时,高效,和平衡的方式(2]。

2.2。本地化

最近,有很多关注建筑移动传感器,和我们看到小巧的发展传感装置,完全有能力控制自己的运动。流动性已成为移动传感器网络的一个重要的研究领域。流动使传感器节点目标和跟踪移动的现象,比如汽车,化学云,和包30.]。最重要的挑战之一移动传感器节点定位的必要性。本地化是传感器节点的能力找出其物理坐标,移动传感器进行导航和定位和跟踪的目的。定位需要在无线传感器网络的许多应用程序如健康、军事和工业。广泛的研究已经完成到目前为止在本地化。许多位置发现方案提出了消除GPS在每个传感器节点的需要31日]。全球定位系统(GPS)通常被认为是一个很好的户外本地化的解决方案。然而,GPS仍然是昂贵的,因此不足以用于大量的设备基础上。与全球定位系统(GPS)的一些问题如下。

这是一些全球定位系统(GPS)的情况下可靠的工作不会因为GPS接收器需要视线多个卫星和它并不适用于室内环境。mote规模设备和GPS接收器。他们为很多应用程序仍然是昂贵和不受欢迎的。即使GPS接收器变得便宜,可用于每一个节点,节点不能积极地使用GPS在移动传感器网络。典型的GPS节点消耗更多的能量比传感器和低功耗收发器。使用GPS的问题在实际环境中也存在于GPS本身。GPS显示10 ~ 20米的误差在正常的户外环境中使用时,除非它使用差分全球定位系统(GPS)等昂贵的机制。在移动传感器网络部署大量的GPS既有限制和可能性32]。有两种类型的定位算法,即集中式和分布式算法(31日]。这些集中位置技术依赖于传感器节点传输数据到一个中央位置,执行计算,找出每个节点的位置(33]。分布式算法不需要一个中心基站并确定其位置继电器与附近的节点在每个节点上只有有限的沟通(31日]。定位算法可以分为MWSNs基于范围的方法,range-free方法,基于流动性的方法(2]。所有这些方法不同的信息用于定位目的。基于范围方法使用范围的测量而range-free技术只使用消息的内容(34]。基于范围方法也需要昂贵的硬件测量信号到达时间和信号到达角。这些方法相比range-free方法是昂贵的,因为他们的昂贵的硬件(2]。基于范围的方法也利用到达时间,接收信号强度,两个不同的信号的到达时间差(辐射源脉冲)和到达角。尽管他们可以达到高分辨率,所需的硬件是昂贵或结果取决于对信号传播(不切实际的假设33]。虽然range-free方法使用本地和跳数技术,基于范围的方法,这些方法是非常有效的。许多定位算法提出了到目前为止,如弹性定位算法(ELA)和移动地理分布式定位算法;这两种算法假设nonlimited存储在传感器节点2]。为传感器网络(33)两种类型的range-free算法已经提出:当地技术和跳计数技术。当地的技术依靠高速高密度的种子,这样每个节点可以听到一些种子和跳数技术依赖于一个充斥网络。每个节点在重心法估计其位置通过计算它听到种子的中心位置。位置误差可以减少是否有利位置但是在种子特别的部署这是不可能的。APIT方法分离之间的环境成三角区域报警节点和计算最大区域它使用网格算法中,一个节点可能存在(33]。跳计数技术传播种子的位置估计整个网络密度很低。在mobility-based方法,提高准确度和精密度序贯蒙特卡洛定位方法的定位(SML)提出了27没有额外的硬件除了GPS [2]。没有减少许多技术使用SML nonlimited计算能力也被提出。为了达到准确定位的研究人员提出了许多算法,利用多普勒频移和无线电干涉法的原则来实现精确定位也被使用(2]。三个阶段通常用于本地化协调,测量,位置估计(30.)(图7)。

启动本地化的一组节点坐标,然后发出一个信号,一些节点,然后信号观察到其他的一些属性节点。通过将测量信号转换为位置估计节点位置然后确定。发现传感器的位置,以减少的频率定位,提出了三种技术:静态固定利率(SFR),动态速度单调(数字式电压表)和流动意识到航迹推算驱动(MADRD) [35]。(1)静态固定利率(SFR):这个协议的性能随传感器的移动。在这个基地协议每个传感器定期调用它的定位与一个固定的时间段。在这种技术中,错误将会很高,如果传感器快速和缓慢移动的错误将低(36]: (2)动态速度单调:这是一种自适应协议;与传感器定位的流动称为自适应数字式电压表;观察到的速度越高,越快的节点应该本地化以保持相同级别的错误。它计算节点速度本地化距离除以它的时候已经自上次定位的时间点运行,因为本地化。安排下一个本地化的观点是基于速度时指定的距离将旅行如果节点继续以同样的速度(37]。(3)流动意识到航迹推算驱动(MADRD):预测未来移动这个协议计算传感器的移动模式。当预期的区别迁移和预期迁移到达预测误差阈值定位应该触发(38]: 流动意识到插值(重要)提出了估计当前位置更好的能源消耗与准确性之间的权衡(37]。他们的方法使用插值使更好的估计在大多数情况下:

2.3。定位系统

许多方法已被用于定位的问题。定位系统将利用定位技术来确定物体的位置和姿态或个人在一个房间39]。

2.3.1。Xbee技术

这是一个牌子的收音机,支持各种通信协议。它使用无线个域网协议;无线个域网是一个如wi - fi和蓝牙无线通信协议。这些模块内部使用IEEE 802.15.4网络协议提供服务的快速点对多点或对等网络。其低功耗消耗限制传输距离10 - 100米的视线,根据功率输出和环境特征40]。在没有执照的ISM波段,所以容易干扰从范围广泛的信号类型使用相同的频率,可以扰乱无线电频率。从RSSI值两个无线个域网节点之间的距离计算;基于Zigbee的距离计算模块很多研究人员发现它适合室内定位。它有模块,虽然取向问题在许多模块,因为它的大部分模块没有全向天线(图8)。

2.3.2。基于无线室内定位

wi - fi或无线网络,是最大的一个改变我们使用电脑,因为电脑的方式。wi - fi也允许通信直接从一台计算机到另一个没有接入点的中介。这就是所谓的特别的无线传输。一个典型的无线接入点使用802.11 b或802.11 g股票天线可能会有一系列的35米(115英尺)在室内和室外100米(330英尺)41]。无线网络(wi - fi)的普及创造了一个增加兴趣利用其他目的,如本地化移动设备。一直有兴趣的能力来确定设备的物理位置只有wi - fi信号强度。这个问题被称为wi - fi本地化和活动中具有非常重要的应用程序识别,机器人技术,监测。本地化的关键挑战是克服无线信号传播的不可预知性通过室内环境。数据分布可能随温度和湿度的变化,以及位置移动的障碍,如人们走在整个建筑。不确定性很难产生准确的估计的信号强度测量。基于无线系统的问题,包括高功耗、被限制为覆盖,容易干扰(42]。

2.3.3。超宽频和调频收音机的基础技术

实现高带宽连接与低功耗消费超宽频是最好的沟通方法。超宽频无线收音机发出短信号脉冲在广谱(43]。这种技术被用于各种本地化需要精度高20 - 30厘米的任务比通过常规无线技术可以实现的,例如,无线射频识别(RFID), WLAN,等等41]。这种方法的局限性是它需要专门的硬件和专用设施,导致高成本对[广泛使用42]。调频收音机可以用于室内定位,同时提供更长的电池寿命比wi - fi、调频定位的另一个考虑。调频广播信号不受天气条件影响雨和雾等相比,wi - fi或GSM。这些信号穿透墙壁容易比wi - fi;这确保高可用性的调频信号在室内定位环境。调频收音机使用频分多址(FDMA)方法,将乐队分为使用的频率通道数量。只有一些论文致力于基于调频广播的定位。

2.3.4。蓝牙定位系统

通过执行查询协议其他蓝牙设备检测设备。设备在其范围设置为“发现”将通过识别回应自己。蓝牙通信使用无线电波和2.402 GHz和2.480 GHz之间的频率,这是在2.4 GHz ISM频段内,一个频段,留出了工业、科学、医疗设备由国际协议。使用蓝牙的主要优势是,这项技术的高安全性,低功耗,低成本,体积小。许多研究人员已经使用蓝牙室内定位和这个引用使用蓝牙44]。

2.3.5。无线电频率识别

RFID(无线射频识别)系统由一个阅读器的天线质问附近活跃的收发器或被动标记。使用射频识别技术可以传输数据通过无线电波从射频识别标签到阅读器。标签的数据由惟一的ID(即。,its serial number) which can be related to available position information of the RFID tag. These are used in localization because of their advantages; radio waves can pass through walls, obstacles, and human bodies easily. This technique needs less hardware and has large coverage area. By using advanced identification technology and noncontact, this technology uses one way one wireless communication that uses radio signals to put an RFID tag on objects and people to track them and automatically identify them [41]。

2.3.6。混合动力定位系统

这些系统使用几种不同的技术发现的位置移动设备通过使用许多定位技术。为了克服GPS的局限性,这些系统主要是发达国家因为在室内GPS并不奏效。这个系统是高度研究基于商业和民用移动位置服务,如谷歌地图,devicescape等等(41,45]。

2.3.7。快速响应代码

矩阵的代码,使比较大量的标准条形码相比位置信息。它可以被附加到一些关键领域的建筑等扫描提供位置信息从数据库(46]。

在这一部分中,我们将简要概述的一些研究人员使用的定位方法。在使用RSSI定位,基于Xbee模块在无线传感器网络中,(47)提出了一个使用RSSI定位技术,这项技术是基于决策树从一组获得实证实验。通过应用克莱姆法则的方法,他们使用决策树来选择最好的三个邻居参考节点参与估计目标位置的传感器节点。获得的结果基于经验数据和收集的实验表明精度小于2米。通过使用无线个域网CC2431模块(48)提出了室内无线传感器定位更紧密的跟踪算法。该算法可以适当选择一种自适应的模式来获得精确的位置。他们还提高了指纹识别算法在平均时间。提出技术CTA可以确定位置误差小于1米。基于人工神经网络(49]介绍了室内环境的定位评估系统。此体系结构提供了强大的机制来应对不可用的信息在现实生活的情况下采用模块化多层感知器(MMLP)方法来有效降低位置估计的不确定性系统。而且他们的系统不需要运行时搜索最近的邻居在巨大的后端数据库。于提出了一种基于测量和仿真的基于神经网络的指纹识别技术和超宽频信号。他们提出的技术是基于指纹数据库的建设自民党提取从一个超宽频测量活动。学习数据库和定位目标位置增量与前馈神经网络反向传播。为了评估定位性能,不同类型的指纹数据库和不同大小被认为是(50]。执行室内定位,51)评估几安设计利用RSS指纹收集在一个办公环境。他们依靠WLAN基础设施部署成本降到最低。提出cRBF算法可以很好的解决室内环境中的位置估计问题。此外基于他们的实验结果,发现该算法达到更准确sRBF相比,延时和GRNN设计,然而算法。文献[52]RSS指纹识别技术和人工神经网络用于室内环境的移动电台位置。拟议的系统离线学习的“签名”提取依赖所在位置特性的测量数据洛杉矶和仿真结果的情况,然后它匹配在线观察收到一组移动站与学习的“签名”准确地确定其位置。发现位置的精度提出了90%的训练数据系统是0.5米和5米的45%未经训练的数据。通过锚节点的RSSI值信号,研究人员提出了一个基于人工神经网络前馈方法在传感器网络节点定位。他们五个不同的训练评估算法获得出效果最好的算法。多层感知器(MLP)神经网络获得了使用Matlab软件和使用Arduino编程语言实现在移动节点在实时环境中评估其性能。通过使用12-12-2前馈神经网络结构,平均误差获得30厘米(53]。推断客户在无线局域网(LAN),研究人员提出了一种新颖的定位算法,即判别自适应神经网络(丹),这需要,接收信号强度(RSS)从接入点(APs)作为输入。网络学习,他们将有用信息提取到歧视组件(DCs)。这种方法逐步插入DCs和递归网络中更新权重,直到不需要进一步改善。传统方法实现了在同一试验台,包括weighted-nearest邻居(WKNN),最大似然(ML)和多层感知器(MLP),然后比较结果。结果表明,该技术具有更好的结果比其他检测技术(54]。阿里用神经网络来解决传感器网络的定位问题。他们比较三种不同家庭的神经网络的性能:多层感知器(MLP)、径向基函数(RBF)和递归神经网络(RNN)。他们比较这些网络有两个变种也用于本地化的卡尔曼滤波器。资源需求的计算和内存资源也比较。实验结果(55]表明,RBF神经网络具有最佳性能的准确性和MLP神经网络具有最佳的计算和内存资源的需求。另一个基于神经网络的方法是由Laslo使用。处理,接收信号强度指示(RSSI)和它的使用也用于神经网络的学习和预处理(意思是,平均和标准偏差),以增加系统的准确性。指纹(FP)定位方法也被应用于室内实验环境。RSSI值用于学习神经网络的预处理(意思是,中位数,和标准偏差),以增加系统的准确性。确定神经网络的准确性,均方误差之间的欧氏距离计算和实际坐标和直方图用于(56]。基于无线技术提出了在一个室内环境检测用户位置。他们实现了本地化的三边测量技术。他们使用手机获取RSSI的接入点,然后RSSI数据转化为用户和每个AP之间的距离。他们还提出了确定用户位置基于三边测量技术(57]: 在哪里信号强度的百分比,的最大覆盖信号强度,。通过分析大量的实验数据,发现RSSI值的方差变化以及定期的距离。他们提议RSSI的方差和距离的函数关系,建立对数正态分布跟踪模型与动态LNSM-DV基于方差分析的结果。结果表明,LNSM-DV可以进一步减少错误,具有很强的自适应性不同环境与LNSM [58]。在本研究中使用无线以太网IEEE 802.11室内定位的问题(无线保真,wi - fi)进行了分析。这项工作的主要目的是研究基于室内位置指纹定位的几个方面,影响定位精度。结果表明,他们取得了2 - 2.5米的准确性(59]。在移动节点定位,提出了一种系统真实环境当锚节点和未知节点移动。找出当前位置、历史的锚信息使用。用户的运动建模的存档信息和发现新的职位也被运动模型。在复杂的锚节点移动的情况下,研究人员提出了三种方法来解决定位问题38]。该方法考虑节点的能力:节点可以计算距离或角度和他们的邻居或没有。当传感器在附近至少有两个锚,拟议的方法确定确切的位置;其他它给一个相当准确的位置和在这种情况下,可以计算生成的最大错误。该方法还定义了时间当一个节点来调用它的本地化。免费GPS定位算法在MWSNs [60]。为了建立坐标系,该算法利用节点和节点之间的距离位置在二维计算。基于航迹推算,Tilak et al。36)提出了一个数量的跟踪移动传感器的技术。在所有拟议的技术,移动知道航迹估计传感器的位置,而不是本地化传感器每次动作。错误的估计位置计算每次调用本地化和误差估计生长的时间。还有下一个定位时间是固定的值取决于这个错误。对于一个给定的位置估计的精度水平快速移动传感器触发定位与更高的频率。而不是本地化传感器,提出了一种技术来估计一个移动的位置传感器(37]。它给特定的能源成本和精度高,反之亦然。当传感器有数据要发送时,传感器的位置然后是必需的。一个不活跃的传感器的信息不再是交流。为了减少传感器的算法复杂性,大多数在基站进行计算。解的方程,31日]提出了新颖的MSN定位算法中,他们三个节点互为邻居,如果解决方案是独一无二的节点位置。搜索,最后一个节点的位置,扫描算法还引入了被称为一个度量平均定位误差(ALE)(这是节点位置的均方根误差除以总数量的节点)来评估定位错误:

3所示。手机的安全问题特别的传感器网络

因为无线链接的脆弱性,节点有限的物理保护,不存在认证权威,和缺乏管理或集中监控,很难实现安全移动特别的网络(61年]。传感器网络有许多应用程序:它们用于生态、军事、和健康相关领域。这些应用程序经常检查一些敏感信息如位置检测或敌人的战场上运动。因此,传感器网络的安全是非常重要的。网络有很多局限性,如小内存,有限的能源资源,和使用不安全的沟通渠道;这些问题使安全在传感器网络的挑战62年]。设计无线传感器网络的安全计划不是一件容易的事;传感器网络有许多制约因素相比,计算机网络63年]。传感器网络的安全服务的主要目的是保护不当行为和攻击的有价值的信息和资源;在无线传感器网络的安全需求包括可用性、授权、机密性、认证、完整性、不可抵赖性和新鲜。袭击的WSN可以分类如下:攻击网络可用性这些通常被称为DOS(拒绝服务攻击);这些攻击目标层的传感器网络。攻击保密和认证包括数据包重播攻击、窃听或欺骗的攻击。也有隐形攻击服务完整性。在这种攻击中攻击者的动机是使网络接受错误的数据值。安全威胁和问题的基础上可以分为两类:主动和被动攻击(63年]。

3.1。主动攻击

这意味着网络的正常功能的破坏,意味着信息中断、修改、或制造64年]。模仿、修改、制造、消息重放和干扰是主动攻击的例子。以下的攻击在本质上是活跃的。

3.2。在传感器网络的路由攻击

路由攻击的攻击行为在网络层。而路由消息许多袭击可能发生;其中一些如下:攻击信息在运输过程中,选择性的转发和黑洞/天坑攻击。

3.3。虫洞攻击

在这种攻击中,攻击者记录数据包在网络中的一个位置,然后到另一个位置隧道和重新传输他们到网络(65年]。

3.4。你好洪水袭击

在这种类型的攻击,攻击者使用你好数据包说服的WSN的传感器。攻击者发送路由协议你好数据包从一个节点到另一个与更多的能量63年]。

3.5。拒绝服务(DOS)

这些攻击目标层的传感器网络。这种类型的服务是由意外故障的节点或恶意的行动。

3.6。节点颠覆

获取一个节点可能披露其信息,因此整个传感器网络的妥协。在这种攻击的信息存储在传感器获得的可能攻击(66年]。

3.7。节点宕机

当一个节点停止它的功能,这种情况发生。如果一个集群领袖停止功能,传感器网络协议应该足够健壮以减轻节点中断的影响,提供了另一条路。

3.8。节点故障

它可以让一个传感器网络的完整性,如果节点故障的开始。

3.9。物理攻击

这种类型的攻击可以摧毁永久传感器。这些攻击传感器网络通常在敌对的户外环境中运作。攻击者可以提取加密机密,修改编程在传感器、篡改相关电路,等等。

3.10。错误的节点

这可能会导致额外的节点注入恶意数据;这可能会扩散到所有节点,破坏整个网络。在这种情况下,入侵者将一个节点添加到系统提供虚假数据或它还可以防止通过真实的数据。

3.11。按摩腐败

任何改变消息的内容由攻击者妥协其完整性(63年]。

3.12。节点复制攻击

在这种攻击中,攻击者将一个额外的节点添加到现有网络通过复制节点ID。这可能会导致一个断开连接的传感器网络和错误的传感器读数。

3.13。被动信息收集

强大的加密技术需要使用以减少被动信息收集的威胁(63年]。

3.14。被动攻击

在被动攻击,攻击获取网络中的数据交换而不中断通信(64年]。一些最常见的攻击传感器隐私以下。

3.14.1。监控和窃听

最常见的隐私是监控和窃听攻击。窃听的拦截和阅读信息和对话通过意想不到的用户(64年]。

3.14.2。流量分析

有高可能性的分析,即使消息传输加密的通信模式。传感器可以披露大量信息的活动,使敌人造成恶意伤害到网络中。

3.14.3。伪装的敌人

网络中可以包含节点隐藏或可以插入节点。后插入他们的节点,节点可以作为一个正常的节点来吸引数据包然后错误指向他们可以影响隐私分析。

4所示。机器人传感器网络应用程序

大多数的问题在传统传感器网络可以解决合并聪明,移动机器人直接进去。移动机器人提供的方法探索和与环境交互的动态和分散。除了启用任务能力远远超出这些传感器网络所提供的,这些新系统的网络化传感器和机器人允许新的解决方案的发展定位和导航等经典问题(1]。可以解决许多问题在传感器网络将机器人投入使用时,节点定位和定位问题,作为数据骡子,检测和对传感器故障,节点移动电池充电器、等等。无线传感器网络也可以帮助解决许多问题等机器人的机器人路径规划,定位映射和传感在机器人9]。移动节点可以实现机器人自主感知移动机器人或感知的传感器系统解决环境任务和导航任务。机器人传感器网络特定的移动传感器网络或者我们可以说机器人传感器网络分布式系统中,移动机器人携带传感器周围环境深度感现象和生产环境评估。无线传感器网络的许多应用在机器人机器人先进传感、协调机器人,机器人路径规划,机器人定位、机器人导航、网络覆盖、适当的数据通信,数据收集、等等。使用网络有助于应急机器人的意识条件如电磁场监测和森林火灾探测。这些网络提高感知能力,也可以帮助机器人在寻找感兴趣的区域。网络可以有利于协调多个机器人和群机器人,因为网络可以帮助群共享传感器数据,跟踪其成员,等等。执行协调任务也将机器人发送到不同的位置和一群决策基于事件的定位,允许多个机器人的路径规划和协调发生高效、优化和直接群成员感兴趣的领域。在本地化的部分有很多本地化机器人在一个传感器网络的技术。摄像机已经投入使用识别传感器配备红外线来满足自己基于距离来自像素大小。 A modified SLAM algorithm has been utilized by some methods which uses robots to localize itself within the environment and then compensates for SLAM sensor error by fusing the estimated location with the estimated location in WSN based on RSSI triangulation [9]。入侵者检测系统,提出了在59)使用无线传感器网络和机器人。为了学习和检测入侵者在未知的环境中,传感器网络使用一个无监督的模糊自适应共振理论(ART)神经网络。移动机器人的旅行在入侵者的探测入侵者检测到的位置。无线传感器网络使用分层通信/移动机器人的学习结构树的根节点。

在无线传感器网络机器人还可以起到至关重要的作用。他们可以用于更换破碎的节点,重新定位节点,充电电池,等等。增加了网络的可行性,67年]使用机器人,因为他们有冲动但有限覆盖在感应传感器网络缺少驱动,但是他们可以获取数据。在维修网络,机器人任务分配和机器人完成任务是检查(68年]。等机器人任务分配问题研究使用多任务或单一任务的机器人在一个网络和如何组织他们的行为来优化服务网络。机器人的路径需要服务节点检查机器人完成任务。提高机器人的定位,69年适应传感器网络模型与信息地图,然后检查这样的地图来提高定位的能力。节点替换应用程序是由(70年),机器人导航传感器网络基于RSSI(接收信号强度指示)从附近的节点,它将发送一个帮助信号如果mote将开始低功率运行。然后通过网络,帮助信号直接传递给机器人替换节点。机器人还可以用于充电电池。本地化的问题也可以解决使用机器人;它们可以用于定位网络中的节点。它们也可以用于数据聚合。在网络中,他们也能作为数据骡子;数据骡子机器人移动传感器网络收集的数据节点然后运输数据回水槽节点或执行聚合操作操作数据(9]。multirobot系统的使用携带传感器周围环境代表一个解决方案,获得了相当大的关注,可以提供一些显著的优势。大量的应用程序已经被机器人传感器网络,解决到目前为止包括环境监测和搜救。当投入使用机器人传感器网络可以用于有效的搜索和救援,监测电磁场,等等。搜救系统应该快速、准确地找到受害者和地图搜索空间与人类反应者和受害者的位置,它应该保持沟通。搜救系统履行任务,系统应该精通快速和可靠地跟踪其受害者在搜索空间内,也应该能够处理动态和潜在敌对环境。为利用特别的网络,7)提出了一个算法框架组成的大量的机器人和小,便宜,简单的无线传感器执行熟练和健壮的目标跟踪。没有磁罗经或GPS定位服务的依赖,他们描述了机器人传感器网络的目标跟踪,关注算法的简单的信息传播和分布式决策。他们提出了一个自动机器人传感器网络系统进行目标跟踪没有组件具有定位功能。的方法提供了一种方法和最小硬件假设(传感、本地化、广播和记忆/处理能力),而动态变化的环境。此外框架调整动态目标运动和网络组件的添加/删除。网络梯度算法提供了一个有利的功耗和性能之间的权衡,需要相对带宽(71年]。EMF现象的监控是非常重要的在实践中,特别是保证人们生活和工作的保护这些现象具有重要意义。面向一个特定的机器人传感器网络监测电磁场(电磁辐射)提出了8]。系统被监督的活动由一个协调器电脑,而许多探险家(移动机器人配备了EMF传感器)环境中导航并执行电动势测量任务。系统是一个机器人传感器网络可以自动部署其探险家的环境中应对事件像一个移动的EMF来源。系统架构是分等级的。系统的活动被电脑和监督执行EMF任务很多探险家(移动机器人配备了EMF传感器浏览环境)。网格地图的环境是由系统维护的每一个细胞都可以免费或被一个障碍或通过一个机器人。地图应该是已知的协调员和探险家。环境被认为是静态和探险家所使用的地图导航的环境和协调员本地化EMF源(72年]。

5。覆盖Multirobots

使用multirobots对单个机器人系统拥有众多优势。其潜在的工作方式远比单机器人系统(73年]。多个机器人可以提高系统的鲁棒性和灵活性通过冗余和固有并行性的好处。他们还可以更快的占地面积比一个机器人,他们也可能完成一个任务的速度比一个机器人。多个机器人还可以更有效地定位自己当他们有不同的传感器功能。覆盖multirobot系统是一个重要的领域,是至关重要的对于很多搜索和救援等任务,入侵检测,传感器部署、收获和我结算,等等74年]。覆盖的机器人必须能够识别环境中的障碍,他们也应该交换知识的环境,有一个机制来分配彼此覆盖任务(75年]。问题的部署移动先生网络变为一个环境中解决。76年)的任务也最大化传感器覆盖和两个以行为为基础的技术求解二维覆盖问题,提出了使用多个机器人。信息技术和分子技术提出了解决覆盖问题和这两种技术有相同的结构。当机器人传感器范围内,当地身份信息的方法是分配给他们。这种方法允许机器人展开以协调的方式,因为它是基于短暂识别当地临时身份被分配和相互交换本地信息。没有当地的识别是在分子生物学方法和机器人不执行任何直接沟通。每个机器人移动的方向没有沟通邻国因为它选择方向远离其所有直接感觉到的邻居。然后这些算法与另一种方法称为基本方法相比,只有寻求最大化每个机器人的传感器覆盖(74年]。这两种方法表现显著优于基本方法和添加一些机器人迅速覆盖范围最大化。一个算法(StiCo)这是一个覆盖算法multirobot系统(77年]。这个算法是基于的原则stigmergic (pheromone-type)协调从蚂蚁社会一群机器人坐标通过像蚂蚁stigmergic间接沟通。该算法不需要任何先验信息环境,也没有直接交互通信人-机是必需的。类似的方法被瓦格纳et al。78年)覆盖在multirobot机器人存款信息素,可以检测到其他机器人;这些信息素想出一个衰变率,使连续覆盖的区域通过内隐协调(75年]。multirobot覆盖,75年]提出交互书写法分解算法的机器人最初是通过空间和分配每个机器人几乎有界区域的面积,然后分解成细胞与固定细胞宽度。通过分解区域邻接图是代表增量构建和共享所有机器人和机器人交流也可以没有任何限制。通过定期分享信息和任务选择协议性能得到了改进。通过种植激光信标在环境中的定位问题硬件实验中被推翻,使用激光测距仪定位机器人,这是主要问题,以保证准确和一致的报道。基于扩充树覆盖近似细胞分解,multirobot覆盖算法的健壮性和效率在一个家庭是解决79年]。他们的方法是基于离线报道:假设机器人有一个先验的地图区域。他们提出的算法工作区域分解成细胞,每个细胞都是一个平方大小的4 D和每个细胞然后被进一步分解成象限的大小。

6。本地化的机器人

在移动机器人定位是一个关键的组件(80年]。环境内的过程来确定机器人的位置称为本地化或我们可以说这是一个过程,需要一个映射作为输入和估计当前的机器人,构成一组传感器读数,然后输出当前机器人的构成作为一种新的估计(81年]。有很多技术可用于机器人定位包括GPS、主动/被动灯塔,里程表(航迹推算),和声纳。机器人定位和地图计算提出了一个算法使用基于数据从一个范围的声纳传感器(82年]。定位机器人的位置是由算法通过关联本地地图全球地图。实际上没有先验知识的环境假设;它使用传感器数据动态地构建全球地图。算法估计机器人位置通过计算位置称为可行的姿势,预期的机器人比赛大约传感器数据的观察范围。该算法选择最适合的可行的姿势。它需要机器人定位信息来确保算法确定可行的姿势。对位置信息Vassilis还利用航迹推算第二手来源;当结合范围基于传感器的定位算法可以提供接近实时的位置估计。介绍了蒙特卡罗定位算法使用(MHL)是用于移动机器人的位置估计(83年]。他们使用蒙特卡洛方法,然后结合型的优势在网格基于马尔可夫定位他们以前的工作效率和准确性基于卡尔曼滤波器的使用技术。制程方法能够处理歧义,从而可以在全球范围内定位机器人。相比先前的基于网格方法制程方法显著降低内存需求,同时将传感器测量以相当高的频率。基于蒙特卡洛定位方法的凝聚算法(84年]。它全球机器人使用标量亮度测量时的可视化地图天花板。传感器信息的低功能使用这些概率方法特别是在2 d平面和需要的机器人移动概率逐渐收敛到一个包。机器人的构成也计算了一些研究人员基于外观。全景图像模型机器人定位被Cobzas和张55];与深度的三维全景模型构造的平面性信息,而匹配是基于平面补丁。基于概率出现机器人定位(56使用全景图像。为马尔可夫定位PCA提取15维特征向量应用到数以百计的训练图像。在城市环境下的移动机器人定位问题解决了Talluri和Aggarwal85年)通过使用功能机器人之间的通信由摄像头拍摄的图像和CAD或相似模型的环境。本地化的汽车在城市环境中,86年)使用惯性测量单元和传感器套件包括四个GPS天线。人形机器人越来越受欢迎一样研究工具比轮式车辆提供新的视角。很多工作已经完成到目前为止在人形机器人的定位。为了估计机器人的位置(87年)应用基于视觉的方法,然后比较了当前图像以前记录的参考图像。在当地环境的人形88年)检测给定的颜色和形状的物体,然后确定其相对于这些对象构成。对亲密的对象(89年]所在机器人跟踪6 d构成一个手动初始化对象相对于相机通过应用基于模型的方法。

7所示。结论

在本文中,我们回顾了MSN问题,传感器网络应用在机器人,反之亦然,机器人定位,还覆盖多个机器人。这肯定不是从某种程度上来说,机器人技术也用于无线传感器网络和无线传感器网络的机器人。然而,我们发现,将静态节点与移动机器人增强这两种类型的设备的能力,还使新的应用程序。机器人技术和无线传感器网络的可能性被一起使用似乎是无穷无尽的,如果将来一起使用也将有助于解决许多问题。

利益冲突

作者宣称没有利益冲突。

承认

这项工作是由大脑韩国21 +项目,韩国国家研究基金会(NRF)授予由韩国政府(最高明的)(没有。2013 r1a2a2a01068127也没有。2013 r1a1a2a10009458)。

引用

1. s . Basagni a Carosi, c . Petrioli”移动无线传感器网络,”《无线网络,14卷,不。6,831 - 858页。视图:谷歌学术搜索
2. c .朱l .蜀t . Hara l . Wang和美国西“移动传感器网络,研究问题”第五届国际ICST学报》在中国通信和网络会议(ChinaCom 10)IEEE,页1 - 6,北京,中国,2010年8月。视图:谷歌学术搜索
3. g .歌曲,y周、f·丁和A的歌,“不友好的移动传感器网络系统监控环境中,“传感器,8卷,不。11日,第7274 - 7259页,2008年。视图:出版商的网站|谷歌学术搜索
4. http://www.wikipedia.com/。
5. c . Flanagin”机器人系统和性能分析的一项调查,”http://www.cse.wustl.edu/ jain cse567-11 / ftp /机器人/。视图:谷歌学术搜索
6. m·a·古德里奇和a·c·舒尔茨“人机交互:一项调查,”基金会和人机交互的趋势,1卷,不。3、203 - 275年,2007页。视图:出版商的网站|谷歌学术搜索
7. j .帝国和大肠Sklar“机器人传感器网络搜索和救援”《IEEE国际研讨会上安全、安全救援机器人技术美国,马里兰州,2006年8月。视图:谷歌学术搜索
8. f . Amigoni g·丰塔纳,美国Mazzuca”机器人传感器网络:一个应用程序来监控电磁领域,”学报2007年会议上新兴的人工智能应用程序在计算机工程,第393 - 384页,2007年。视图:谷歌学术搜索
9. s·苏和j·m·康拉德,”机器人应用于无线传感器网络的调查,”IEEE Southeastcon学报》上,页1 - 5,杰克逊维尔,佛罗里达州,美国,2013年4月。视图:出版商的网站|谷歌学术搜索
10. http://en.wikipedia.org/wiki/Sensor_node。
11. http://www.merriam-webster.com/dictionary/sensor。
12. http://webs.cs.berkeley.edu/tos/。
13. http://www.pages.drexel.edu/ ~ kws23 /教程/微粒/ motes.html。
14. 大肠Stavrou和a . Pitsillides“安全评价方法入侵恢复协议在无线传感器网络中,”学报》第十五届ACM国际会议上建模、分析和仿真无线和移动系统帕福斯,页167 - 170年,2012年塞浦路斯。视图:出版商的网站|谷歌学术搜索
15. s . Meguerdichian f .高级m . Potkonjak m·b·斯利瓦斯塔瓦,“特别的无线传感器网络覆盖问题,”学报的第20届联席会议IEEE计算机和通信的社会(INFOCOM ' 01),3卷,第1387 - 1380页,2001年4月。视图:谷歌学术搜索
16. o . b . Liu Dousse, p .将近城门,d . Towsley“动态移动传感器网络的报道,”IEEE并行和分布式系统,24卷,不。2、301 - 311年,2013页。视图:出版商的网站|谷歌学术搜索
17. j .罗和张问:“概率覆盖移动传感器网络地图,”《IEEE全球电信会议(GLOBECOM ' 08),页1 - 5,新奥尔良,洛杉矶,美国,2008年12月。视图:出版商的网站|谷歌学术搜索
18. o .哈提卜,机械手和移动机器人实时避障”诉讼的IEEE机器人与自动化国际会议上,卷2,IEEE 1985。视图:谷歌学术搜索
19. r·c·阿金“电机基于移动机器人导航,”国际机器人研究杂志》上,8卷,不。4、92 - 112年,1989页。视图:出版商的网站|谷歌学术搜索
20. a .霍华德·m·j·Matarić,g . s . Sukhatme”移动传感器网络部署使用潜在的字段:一个分布式、可扩展的解决方案区域范围的问题,”分布式自主机器人系统5第八章,页299 - 308,施普林格,东京,日本,2002。视图:出版商的网站|谷歌学术搜索
21. Poduri和g . s . Sukhatme“约束移动传感器网络覆盖,”诉讼的IEEE机器人与自动化国际会议上04年举行(“国际机器人与自动化会议”),1卷,页165 - 171,IEEE, 2004年5月。视图:出版商的网站|谷歌学术搜索
22. a .霍华德·m·j·马塔里奇和g s Sukhatme“增量self-deployment移动传感器网络的算法,”自主机器人,13卷,不。2、113 - 126年,2002页。视图:出版商的网站|谷歌学术搜索
23. 曹g, g, t·f·门,“Movement-assisted传感器部署,”IEEE移动计算,5卷,不。6,640 - 652年,2006页。视图:出版商的网站|谷歌学术搜索
24. 曹g, g, t . la门“Movement-assisted传感器部署”第23届年度联合研讨会论文集IEEE计算机和通信的社会(INFOCOM ' 04)2004年3月,页2469 - 2479。视图:出版商的网站|谷歌学术搜索
25. y邹和k . Chakrabarty传感器部署和目标定位基于虚拟力,”美国22日联合年会在IEEE计算机和通信的社会2003年4月,页1293 - 1303。视图:谷歌学术搜索
26. m·a·Batalin m·拉希米y Yu et al .,“调用和响应:抽样实验环境,”第二届国际会议上嵌入式网络化传感器系统(SenSys ' 04),25-38,2004页。视图:出版商的网站|谷歌学术搜索
27. p . b . Liu黄铜,o . Doussie“流动性提高传感器网络的报道,”学报第六届国际研讨会在移动adhoc网络网络(MobiHoc ' 05),第308 - 300页,2005年。视图:谷歌学术搜索
28. a格言和g . s . Batalin”报道,勘探和部署移动机器人和一个通信网络,”学报》国际研讨会在传感器网络的信息处理,页376 - 391,PaloAlto研究中心(PARC),帕洛阿尔托,加州,美国,2003年4月。视图:谷歌学术搜索
29. 曹g, g, t . La门和w·张,“传感器安置在移动传感器网络”学报的24日联合年会IEEE计算机和通信的社会(INFOCOM 05)4卷,第2312 - 2302页,迈阿密,佛罗里达州,美国,2005年3月。视图:出版商的网站|谷歌学术搜索
30. 即Amundson和x d . Koutsoukos“移动传感器定位和导航使用射频多普勒变化,”移动实体定位和跟踪GPS-less Environnments:第二次国际研讨会,2009年融化,奥兰多,佛罗里达州,美国,2009年9月30日。诉讼卷,5801在计算机科学的课堂讲稿施普林格,页235 - 254年,柏林,德国,2009年。视图:出版商的网站|谷歌学术搜索
31. y甘甘凤头鹦鹉和y Fengqi移动无线传感器网络定位算法”《IEEE国际会议集成技术(ICIT ' 07)2007年3月,页623 - 627。视图:出版商的网站|谷歌学术搜索
32. j .咦,j·古,h . Cha,“本地化技术为移动传感器网络使用存档锚信息”第五届IEEE通信学会学报会议上传感器,网格和临时通信和网络(SECON ' 08)72年,页64 - 2008年6月旧金山,加州,美国。视图:出版商的网站|谷歌学术搜索
33. l .胡锦涛和d·埃文斯“定位为移动传感器网络,”学报第十届移动计算和网络国际会议(MobiCom ' 04)2004年10月,页45-57,。视图:出版商的网站|谷歌学术搜索
34. 迪勒,美国Dulman, p .真的,做出“基于范围定位在移动传感器网络,”无线传感器网络:第三个欧洲车间,EWSN 2006年,苏黎世瑞士,2006年2月13 - 15,。诉讼卷,3868在计算机科学的课堂讲稿施普林格,页164 - 179年,柏林,德国,2006年。视图:出版商的网站|谷歌学术搜索
35. Kolar s Tilak诉::b . Abu-Ghazaleh K.-D。康,“移动传感器网络动态定位控制,”《24日IEEE国际性能、计算和通信会议(IPCCC 05)IEEE,页587 - 592年,2005年4月。视图:谷歌学术搜索
36. Kolar s Tilak诉::b·阿布Ghazaleh K.-D。康,“动态定位为移动传感器网络协议,”http://arxiv.org/abs/cs/0408042。视图:谷歌学术搜索
37. 分,美国Mukhopadhyaya, k . Mukhopadhyaya“本地化控制定位移动传感器,”分布式计算和网络技术:第三届国际研讨会论文集(ICDCIT ' 06),布巴内斯瓦尔,印度,12月20,2006卷,4317在计算机科学的课堂讲稿施普林格,页81 - 88年,柏林,德国,2006年。视图:出版商的网站|谷歌学术搜索
38. c·萨阿德·a·r·苏莱曼和J.-C。ko,“分布式移动传感器网络定位方法,”IEEE无线通信和网络研讨会论文集(WCNC ' 07),2007年。视图:谷歌学术搜索
39. http://en.wikipedia.org/wiki/Positioning_technology。
40. http://en.wikipedia.org/wiki/ZigBee。
41. z法,r . Nordin m·伊斯梅尔,“最近无线室内定位技术和系统的进步,”计算机网络和通讯》杂志上文章ID 185138卷,2013年,12页,2013。视图:出版商的网站|谷歌学术搜索
42. a . Popleteev诉他,o . Mayora”调查的室内定位环境调频广播电台,”学报percom - 20122012年3月,瑞士卢加诺。视图:谷歌学术搜索
43. http://compnetworking.about.com/od/networkprotocols/g/ultra_wide_band.htm。
44. c·弗罗斯特,c . s . Jensen k . s . Luckow b·汤姆森和r·汉森,“使用指纹蓝牙室内定位系统,”移动轻量级无线系统卷,81课堂讲稿的计算机科学研究所、社会信息和通信工程施普林格,页136 - 150年,柏林,德国,2012年。视图:出版商的网站|谷歌学术搜索
45. http://en.wikipedia.org/wiki/Hybrid_positioning_system。
46. l .牛”的调查消防紧急路由,无线室内定位技术”IOP会议系列:地球和环境科学ID 012127条,卷。18日,2014年,第八届国际研讨会论文集“数字地球”的08年)。视图:谷歌学术搜索
47. a . Cheriet m . Ouslim, k和“基于RSSI定位在一个无线传感器网络和决策树,”Przeglad Elektrotechniczny,卷89,不。12日,第125 - 121页,2013年。视图:谷歌学术搜索
48. Y.-T。陈,C.-L。杨,Y.-K。常,C.-P。楚,“RSSI-based室内定位算法在无线传感器网络使用无线个域网,”学报》第15届国际会议上分布式多媒体系统(DMS ' 09),第75 - 70页,2009年。视图:谷歌学术搜索
49. 艾哈迈德,a . Gavrilov纳西尔,m·伊克巴尔·j .赵和s·李,“在建本地化使用神经网络”《IEEE国际会议工程智能系统(ICEIS 06年),2006年4月。视图:出版商的网站|谷歌学术搜索
50. l . Yu“指纹定位基于神经网络和超宽带信号,”《IEEE信号处理和信息技术国际研讨会(ISSPIT 11),第189 - 184页,2011年。视图:谷歌学术搜索
51. c . Laoudias d . g .前后p . Kemppi c . g . Panayiotou和m . m . Polycarpou”室内定位使用神经网络和位置指纹,”人工神经Networks-ICANN 2009卷,5769在计算机科学的课堂讲稿施普林格,页954 - 963年,柏林,德国,2009年。视图:出版商的网站|谷歌学术搜索
52. c . Nerguizian c·德斯平,美国著名“室内定位与接收信号强度指纹识别技术和神经网络,”电信和Networking-ICT 2004: 11电信国际会议上,福塔雷萨,巴西,2004年8月1 - 6,。诉讼卷,3124在计算机科学的课堂讲稿施普林格,页866 - 875年,柏林,德国,2004年。视图:出版商的网站|谷歌学术搜索
53. Kumar和S.-R。李”,为无线传感器网络定位与RSSI值:一个人工神经网络方法,”国际电子学报》会议上传感器和应用程序,2014,纸d007。视图:出版商的网站|谷歌学术搜索
54. 工程学系。方和T.-N。林”,室内定位系统基于discriminant-adaptive神经网络在IEEE 802.11环境中,“IEEE神经网络,19卷,不。11日,第1978 - 1973页,2008年。视图:出版商的网站|谷歌学术搜索
55. d . Cobzas h·张,“机器人定位、柱面全景图像模型”《IEEE / RSJ智能机器人和系统国际会议(——“01)2001年11月,页1924 - 1930。视图:谷歌学术搜索
56. b . j . a .悄无声息,n . Vlassis和r . Bunschoten”外貌的机器人定位、全向视觉”基于传感器的智能机器人卷,2238在计算机科学的课堂讲稿页,39-50施普林格,2002年。视图:谷歌学术搜索
57. n . Aida Mahiddin e . Nadia Madi s Dhalila大肠Fadzli哈桑,s . Safie和n . Safie”用户位置检测在一个室内环境中,“国际多媒体和无处不在的工程杂志》上,8卷,不。5,303 - 312年,2013页。视图:出版商的网站|谷歌学术搜索
58. f . j .徐w . Liu朗,y,和c·王,“基于RSSI测距模型,系统”无线传感器网络,2卷,第611 - 606页,2010年。视图:出版商的网站|谷歌学术搜索
59. g . Jekabsons诉Kairish诉Zuravlyov,“基于无线室内定位精度的分析,“科学杂志里加技术大学,计算机科学,44卷,不。1,第137 - 131页,2012。视图:出版商的网站|谷歌学术搜索
60. s . Capkun m·哈姆迪和j.p. Hubaux”在移动ad hoc网络免费定位。”期刊集群计算,5卷,不。2、157 - 167年,2002页。视图:谷歌学术搜索
61. d . Djenouri l . Khelladi, n . Badache”的调查移动ad hoc和传感器网络的安全问题,”IEEE通信调查和教程,7卷,不。4、出,2005页。视图:出版商的网站|谷歌学术搜索
62. g . y . Wang Attebury, b .需要“无线传感器网络安全问题的调查,“IEEE通信调查和教程,8卷,不。2,2-23,2006页。视图:出版商的网站|谷歌学术搜索
63. 诉库马尔,a . Jain和p . n .瓦“无线传感器网络:安全问题、挑战和解决方案,“国际期刊的信息和计算技术,4卷,不。8,859 - 868年,2014页。视图:谷歌学术搜索
64. h·考尔,“攻击”在无线传感器网络中,研究细胞。在出版社。视图:谷歌学术搜索
65. 研究。胡、a . Perrig和d·b·约翰逊“虫洞攻击在无线网络中,”IEEE在选定地区通讯》杂志上,24卷,不。2、370 - 380年,2006页。视图:出版商的网站|谷歌学术搜索
66. g . Padmavathi和d . Shanmugapriya”袭击的调查,安全机制和挑战,系统”国际计算机科学与信息安全》杂志上,4卷,不。1 - 2,2009年。视图:谷歌学术搜索
67. a . LaMarca w .黑发,小泉d . et al .,“PlantCare:调查在实际无处不在的系统中,”2002年主要:无处不在的计算:第四届国际会议Goteborg,瑞典,2002年10月29日9月1日卷,2498在计算机科学的课堂讲稿施普林格,页316 - 332年,柏林,德国,2002年。视图:出版商的网站|谷歌学术搜索
68. x,里尔,r .猎鹰,a . Nayak i Stojmenovic,“服务无线传感器网络的移动机器人,”IEEE通讯杂志,50卷,不。7,147 - 154年,2012页。视图:出版商的网站|谷歌学术搜索
69. s . m . Schaffert关闭循环:在无线传感器网络中,控制和机器人导航(博士。论文)电部门,加州大学伯克利分校,加州,美国,2006年。
70. j。张文雄,K.-Y。谢长廷,P.-W。程”,设计和实现移动机器人的无线传感器网络的节点替换,“信息科学与工程》杂志上,24卷,不。2、393 - 410年,2008页。视图:谷歌学术搜索
71. j .帝国和大肠Sklar搜救机器人传感器网络,”《IEEE国际研讨会上安全,安全,救援机器人(SSRR 06年),2006年。视图:谷歌学术搜索
72. f . Amigoni g·丰塔纳,美国Mazzuca”机器人传感器网络:一个应用程序来监控电磁领域,”会议上新兴的人工智能应用程序的程序在计算机工程:真正的单词AI系统与应用程序在电子健康,人机交互,信息检索和普遍的技术IOS出版社,页384 - 393年,阿姆斯特丹,荷兰,2007年。视图:谷歌学术搜索
73. l . Iocchi d Nardi m·萨勒诺,“反应性和审议:在多机器人系统中,一项调查”平衡反应性和社会多代理系统中考虑卷,2103在计算机科学的课堂讲稿页9-32 Springer,柏林,德国,2001年。视图:出版商的网站|谷歌学术搜索
74. b . Walenz“多机器人覆盖和探索:现有技术的调查,“http://bwalenz.files.wordpress.com/2010/06/csci8486-walenz-paper.pdf。视图:谷歌学术搜索
75. a . p . s . k . Chan新,Rekleitis,“分布式多机器人系统的报道,”诉讼的IEEE机器人与自动化国际会议上06年举行(“国际机器人与自动化会议”),页2423 - 2429,奥兰多,佛罗里达州,美国,2006年5月。视图:出版商的网站|谷歌学术搜索
76. m·a·Batalin和g s Sukhatme传播:当地的多机器人覆盖方法,”学报第六届国际研讨会在分布式自主机器人系统382年,页373 - 2002年6月,日本福冈。视图:谷歌学术搜索
77. b . Ranjbar-Sahraei g . Weiss, a . Nakisaee”stigmergic覆盖算法对于多机器人系统(示范)”第十届德国研讨会论文集(配偶的12)施普林格,页126 - 138年,特里尔,德国,2012年10月。视图:谷歌学术搜索
78. 中情局瓦格纳、m . Lindenbaum和a . m . Bruckstein“分布式覆盖ant-robots用蒸发的痕迹,”IEEE机器人和自动化,15卷,不。5,918 - 933年,1999页。视图:出版商的网站|谷歌学术搜索
79. n Hazon和g . a . Kaminka”在冗余、效率和鲁棒性在覆盖多个机器人,”机器人和自治系统卷,56号12日,第1114 - 1102页,2008年。视图:出版商的网站|谷歌学术搜索
80. e .罗耶m·鲁m . Dhome和人类。洗手间,“单眼视觉移动机器人定位和自主导航,”国际计算机视觉杂志》上,卷74,不。3、237 - 260年,2007页。视图:出版商的网站|谷歌学术搜索
81. r·g·布朗和b·r·唐纳德”移动机器人self-localization没有明确的标志,”Algorithmica,26卷,不。3 - 4、515 - 559年,2000页。视图:出版商的网站|谷歌学术搜索|MathSciNet
82. 诉Varveropoulos,机器人定位和地图建设使用声纳数据,Rossum项目。
83. f . Dellaert d·福克斯、w . Burgard和杜伦,“健壮的蒙特卡罗定位为移动机器人,”人工智能,卷128,不。1 - 2、99 - 141年,2001页。视图:出版商的网站|谷歌学术搜索
84. f . Dellaert w . Burgard、d·福克斯和杜伦,“使用冷凝健壮的算法,建立移动机器人定位、”《IEEE计算机学会学报计算机视觉与模式识别会议(99年CVPR”)1999年6月,页588 - 594。视图:谷歌学术搜索
85. r . Talluri和j·k·Aggarwal移动机器人self-location使用模型图片功能对应,“IEEE机器人和自动化,12卷,不。1,第77 - 63页,1996。视图:出版商的网站|谷歌学术搜索
86. r . Nayak“可靠和持续的城市导航使用多个Gps天线和一个低成本的IMU,”《离子GPS美国犹他州,盐湖城,2000年9月。视图:谷歌学术搜索
87. 清水j .被罩,y, y松本,t .小笠原群岛,“室内导航的仿人机器人使用视图序列,”国际机器人研究杂志》上,28卷,不。2、315 - 325年,2009页。视图:出版商的网站|谷歌学术搜索
88. r . Cupec g·施密特,o . Lorch”vision-guided机器人行走在一个结构化的场景中,实验”IEEE国际研讨会工业电子学报》(ISIE ' 05),克罗地亚杜布罗夫尼克,页1581 - 1586,,2005年6月。视图:出版商的网站|谷歌学术搜索
89. ·米歇尔·j . Chestnutt s Kagami k . Nishiwaki j . Kuffner t·金,“GPU-accelerated实时3 d跟踪人形运动和爬楼梯”《IEEE / RSJ智能机器人和系统国际会议(——' 07)IEEE,页463 - 469年,圣地亚哥,加利福尼亚州,美国,2007年11月。视图:出版商的网站|谷歌学术搜索

版权

版权©2015霁Hyoung Ryu et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。