Dissertação

{pt_PT=Hybrid Localization in Underwater Environment} {} EVALUATED

{pt=Inúmeros sistemas necessitam de métodos de localização para desempenhar as suas funções. Embora sistemas de GNSS ofereçam uma solução com elevado nível de desempenho, estes podem não ser economicamente viáveis para redes com um grande número de agentes, dado que requerem instrumentação com um custo elevado. Por outro lado, o meio envolvente pode mesmo impedir o seu uso, como é o caso de localização dentro de edifícios ou em ambiente subaquático. Este trabalho baseia-se no último caso para desenvolvimento de um algoritmo de localização, adequado a redes genéricas de agentes com acesso a medidas de distância e ângulo entre eles. Muitas das abordagens existentes requerem otimização de parâmetros, dependem de uma correta inicialização ou apresentam desempenho dependente da trajetória, limitando a liberdade durante missões. Como intuito de minimizar estas restrições, formula-se o problema através do estimador de posição de Máxima Verosimilhança para uma rede genérica. Dado que o problema de otimização resultante não é convexo, uma relaxação convexa é proposta. Adicionalmente, e para que este seja competitivo no caso de agentes móveis, são introduzidas duas variações numa perspetiva de horizonte temporal, tendo em conta medidas de velocidade. Finalmente, é apresentada uma solução distribuída, baseada em métodos de gradiente, e uma estimação de parâmetros que torna o método independente destes. Obtém-se um algoritmo livre de parâmetros, robusto a outliers e com erro independente da trajetória desenvolvida por agentes e âncoras, capaz de atingir precisões semelhantes ao estado-da-arte. O método é ainda distribuído, convexo e não requer uma particular configuração de âncoras., en=Countless systems require localization methods to accomplish their proposed tasks. While GNSS solutions offer great performance, for large networks this may not be affordable, as they depend on expensive instrumentation. Besides, environmental constraints can even prevent such approaches, as it is the case in indoor or underwater settings. In this work, the latter is used as a testing case for the development of a localization algorithm, suitable for generic mobile networks of agents with range and bearing measurements between them. Existing approaches often depend on parameter tuning, on the accuracy of initialization or their performance may depend on the patterns of motion, thus limiting freedom during missions. Our algorithm deals with these drawbacks, standing on the Maximum Likelihood position estimator for a generic network. Since the resulting optimization problem is non-convex, a convex relaxation is proposed. To serve positioning to mobile agents, two additional horizon-based versions are developed accounting for velocity measurements at each agent. To solve the convex optimization problem, a distributed gradient-based method is provided. Additionally, the algorithm estimates all required parameters, and effectively becomes parameter-free. We obtain a parameter-free, outlier-robust and trajectory-agnostic algorithm, with nearly constant positioning error regardless of the trajectories of agents and anchors, achieving better or comparable performance to state-of-the-art methods. Furthermore, the method is distributed, convex and does not require any particular anchor configuration. }
{pt=Localização, Optimização convexa, AUV, Estimação de Máxima Verosimilhança, Relaxação convexa, en=Localization, Convex Optimization, AUV, Maximum Likelihood Estimation, Convex Relaxation}

novembro 20, 2018, 11:0

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

ORIENTADOR

Cláudia Alexandra Magalhães Soares

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar Convidado