MétaCan
Menu
Retour à la cohorte
Enregistrement W2765930120 · doi:10.1109/lcomm.2017.2765642

Distributed TOA-Based Positioning in Wireless Sensor Networks: A Potential Game Approach

2017· article· en· W2765930120 sur OpenAlexaff
Mingxing Ke, Yuhua Xu, Alagan Anpalagan, Dianxiong Liu, Yuli Zhang

Notice bibliographique

RevueIEEE Communications Letters · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésComputer scienceWireless sensor networkNash equilibriumPotential gameConvergence (economics)Cognitive radioWirelessGame theoryNode (physics)Best responseAlgorithmPosition (finance)Mathematical optimizationComputer networkMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this letter, we solve the problem of positioning based on the time-of-arrival technique in wireless sensor networks. Different from the traditional estimation methods, the position of a target node is considered as a strategy of anchor nodes, and the cognition information is introduced to enrich positional information. After proposing the concept of consensus of cognition and consensus of measurements, we re-investigate the positioning problem from a game-theoretic perspective. It is proved that the proposed game is an exact potential game, which exhibits attractive properties about the Nash equilibrium (NE). Then, the best response algorithm is used to achieve the NE point. The simulation results indicate that the performance of positioning with a suitable tradeoff parameter is better than the performance of recursive least-squares algorithm in terms of positional accuracy and convergence rate.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,833
Score d'incertitude au seuil0,647

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,235
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Communications LettersMême sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207