FenixEdu™

Dissertação

Vehicle Network Localization Based on Ranges and Bearings with Packet Loss EVALUATED

Detalhes: Num contexto real, vários sistemas necessitam de estimar a sua posição no espaço de modo a desempenharem as suas funções. No entanto, em áreas em que o GPS não é uma opção, como dentro de um edifício ou em ambiente subaquático, as técnicas para produzir uma boa estimativa de posição estão sujeitas a ruído, e a outros fenómenos como medidas com atraso e perda de pacotes. Esta tese aborda este problema utilizando métodos estatísticos em que a perda de pacotes corresponde a dados em falta numa sequência temporal de uma base de dados. Inicialmente, o problema de localização é formulado através do estimador de posição de Máxima Verosimilhança para uma rede genérica de agentes com acesso a medidas de distância e ângulo entre eles, sem perdas de informação. Esta abordagem gera um problema de otimização não convexo, sendo aplicada uma relaxação convexa. Posteriormente, para lidar com a perda de pacotes, é incorporada no problema, que já se encontra numa perspetiva temporal, a probabilidade a priori das medidas em falta, obtendo-se o estimador de Máxima Probabilidade a posteriori. Finalmente, é apresentado um algoritmo de otimização para obter a solução do problema. O método desenvolvido é robusto, convexo e não requer uma configuração específica da rede de agentes. Para além disso, atinge precisões semelhantes ou melhores do que o estado da arte.
Keywords: Perda de pacotes, Estimador de Máxima Verosimilhança, Estimador Máximo a Posteriori, Otimização convexa, Aprendizagem estatística

Discussão: julho 12, 2019, 10:0