Dissertação
{en_GB=ISEE.U: Distributed estimation and control for improved target localization accuracy} {} EVALUATED
{pt=São propostos dois algoritmos distribuídos para localizar múltiplos alvos estáticos ou em movimento usando uma rede de agentes, a partir de medidas de alcance, e encontrar o controlo para a rede que aumenta a exatidão de localização desses alvos. Um deles é baseado numa aproximação mais rigorosa, mas é enviesado, enquanto que o outro não o é. Nós chamamos ao segundo ISEE.U. Em ambos os algoritmos, cada agente avalia a sua posição na rede usando uma estimativa local da Matriz de Informação de Fisher. A MIF é decomposta pelos agentes e, a partir deste facto fundamental, cada agente pode minimizar o volume do elipsoide de erro geral e estabelecer o seu próximo movimento. As estimativas da posição dos alvos são também calculadas no mesmo processo distribuído. Nós partimos de duas aproximações lineares para o problema de localização e obtemos, em cada iteração do nosso método semelhante ao consensos, uma estimativa da MIF e da posição do alvo, a partir dos quais nós fazemos estimação e controlo, até para redes que são pouco ligadas. Os resultados das simulações mostraram que a estimativa ISEE.U podia ser melhorada, especialmente no início da operação e, por isso, nós consideramos métodos de refinamento para serem usados nas primeiras iterações do procedimento de localização. O ISEE.U foi depois comparado com um método da literatura em diferentes cenários nos quais mostrou resultados semelhantes e por vezes até melhores que o benchmark, usando x100 menos tempo de computação, mesmo quando o ISEE.U corre num CPU central., en=We propose two distributed algorithms to localize multiple static or moving targets using a network of agents from range measurements and to find the control for the network that increases the accuracy of localization of those targets. One of them is based on a tighter approximation, but is biased, while the other is unbiased. We named the latter as ISEE.U. In both algorithms, each agent evaluates its position in the network using a local estimate of the Fisher Information Matrix. We note that the FIM is decomposable through agents and, from this key fact, each agent can minimize the overall estimator's error ellipsoid volume and establish its next movement. Target position estimates are also computed in the same distributed process. We build on two linear approximations to the target localization problem and we get, at each iteration of our consensus-like method, both a FIM estimate and a position estimate, from which we perform estimation and control, even for sparsely connected networks. Simulation results showed that the ISEE.U estimate could be improved especially in the onset of the operation and, thus, we consider refinement methods to be used on the first few moments of the active localization procedure. ISEE.U was then compared against a state-of-the-art method in different scenarios showing similar results and sometimes even outperforming the benchmark, and using x100 less computation time, even when ISEE.U is running in one central CPU.}
novembro 15, 2017, 14:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
João Pedro Castilho Pereira Santos Gomes
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar
