Fast Underwater Target Localization With Wideband Signals for the Internet-of-Underwater-Things
Notice bibliographique
Résumé
Fast underwater localization serves as a critical application of Internet-of-Underwater-Things (IoUT), such as underwater search and rescue. Narrowband sinusoidal pulses are very commonly used in locator beacons installed on flight recorders. A mobile anchor (e.g., autonomous underwater vehicle (AUV)) has to keep receiving the signal and measuring Doppler shift for a long time, so that enough information can be collected for reliable localization. The need of a long observation window is deeply rooted in the fact that the Doppler shift measurements are highly correlated when they are taken at closely located spots. In this paper, we will show that by replacing the narrowband beacon signal with a wideband one, high-accuracy positioning can be achieved within a short period of time. The basic idea is to simultaneously measure Doppler shift and time of arrival (ToA) from wideband signals, and the errors spaces corresponding to these two measurements are complementary even when they are taken at the same position. The Cramér-Rao bound (CRB) will be derived for such a system. In low-signal-to-noise ratio (SNR) regime, the observation window has to be prolonged for effective information extraction, and we will see that the wideband signals still have an edge over the narrowband signals in positioning accuracy. Efficient algorithms are designed for positioning and the closed-form positioning error is derived. We also show that the localization accuracy will experience a significant drop when ToA is replaced by time difference of arrival (TDoA), because the perfect complementation no longer holds. The performance of the proposed algorithm, along with corresponding comparisons, is verified through simulations over various parameters such as SNR, number of measurements, and length of observation window, etc.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».