New Semidefinite Programming Joint Localization and Synchronization Using Sequential One-Way TOAs and Doppler Shifts
Notice bibliographique
Résumé
In a time division broadcast localization and synchronization (TDBLAS) system, moving user nodes (UNs) with the clock offset and the clock drift usually use the sequential one-way time-of-arrival (TOA) and Doppler shift measurements from the anchor nodes (ANs) to resolve the joint localization and synchronization (JLAS) problem in the presence of the AN position error. The objective function of the maximum likelihood (ML) method to solve the above JLAS problem in a TDBLAS system is high-dimensional nonlinear and nonconvex. Thus, the existing iterative method for solving the above ML estimation problem usually encounters issues like local minima or non-convergence when an accurate initial guess is missing. In this paper, we propose a new semidefinite programming (SDP) method to address this issue, which can guarantee the global optimal solution without requiring initialization. We introduce the optimization variable and formulate a nonconvex constrained weighted least square (CWLS) minimization problem. Subsequently, we propose a novel semidefinite relaxation (SDR) approach to relax the complex and nonconvex CWLS problem into a convex and tractable SDP problem. Through theoretical estimation error analysis, we demonstrate that the CWLS solution can achieve the Cramér-Rao lower bound (CRLB) under small Gaussian noise. Simulation results in a 2D scenario show that the proposed SDP method reaches the CRLB under small Gaussian noise. Compared to the conventional iterative method, the proposed SDP method exhibits greater robustness, achieving the global optima without requiring initialization under small Gaussian noise.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».