DDM-NLOS प्रसार वातावरण में TOA स्थानीयकरण: एक मजबूत अनुकूलन दृष्टिकोण

अवरोध की उपस्थिति में, नॉन-लाइन-ऑफ-साइट (NLOS) त्रुटि ने एक दूरी-निर्भर मॉडल (DDM) को संतुष्ट करने के लिए सिद्ध किया है। हालाँकि, मौजूदा DDM-आधारित टाइम-ऑफ-एराइवल (TOA) स्थानीयकरण विधियाँ उनके मॉडल में सटीक रेखीय गुणांक पर निर्भरता के कारण अधिक अनुकूलित हो जाती हैं या यह मान लेती हैं कि सभी पथों में रेखीय गुणांक समान होते हैं। दोष के जवाब में, हम रेखीय गुणांक को मैट्रिक्स रूप में प्रदर्शित करते हैं और मजबूत अनुकूलन में सहायता लेते हैं। इसके बाद, हम रेखीय गुणांक मैट्रिक्स के साथ एक द्वितीय क्रम का शंकु (SOC) प्रोग्राम निर्माण करते हैं। एक व्यवहार्य मजबूत अनुकूलन समस्या प्राप्त करने के लिए, हम पहले SOC बाधा को शूर पूरक का उपयोग करके एक अर्ध-निर्धारित शंकु (SDC) बाधा में परिवर्तित करते हैं। फिर, हम सहायक चर के साथ SDC बाधा को विघटित करते हैं। रेखीय गुणांक मैट्रिक्स द्वारा प्रस्तुत गैर-संवहनता के लिए, हम रेखीय गुणांक मैट्रिक्स को समाप्त करने के लिए कौसी-श्वार्ज असमानता और मान संगतता का उपयोग करते हैं। अंततः, हम एक गैर-संवहन समस्या को एक समाधान योग्य अर्ध-निर्धारित प्रोग्रामिंग (SDP) समस्या में परिवर्तित करते हैं। यह अध्ययन रेखीय गुणांकों को मैट्रिक्स चर के रूप में मानता है, जिससे घनी भीड़ वाले वातावरण में अनुमानों की सटीकता में वृद्धि होती है और रेखीय गुणांकों के बारे में सटीक पूर्व जानकारी की स्वतंत्रता मिलती है। अनुकरण और प्रयोग दर्शाते हैं कि जटिल वातावरण में बेहतर स्थानीयकरण सटीकता राज्य-की-कल्याणकारी एल्गोरिदम की तुलना में है।