Los puntos clave no están disponibles para este artículo en este momento.
La localización de fuentes de radiación (RSL) a través de la intensidad de señal recibida (RSS) de una red de sensores inalámbricos ha recibido mucha atención debido a su simplicidad y bajo consumo de energía. Sin embargo, la localización en presencia de múltiples fuentes de radiación y en entornos de propagación complejos, como el efecto sombra, aún no está bien abordada. En este artículo, utilizamos la propiedad log-normal del efecto sombra para aproximar el RSS como una variable aleatoria que obedece a una distribución log-normal, y construimos un modelo de multi-RSL basado en estimación de máxima verosimilitud. Así, el modelo es resiliente al efecto sombra. Para resolver mejor la función objetivo no convexa, construimos un mapa de radio basado en RSS, con el fin de proporcionar parámetros clave sobre el número de fuentes de radiación, soluciones iniciales factibles y restricciones de ubicación para el modelo de localización. En última instancia, realizamos una localización de alta precisión de fuentes de radiación. Entre ellos, esta es la primera vez que se aplica la regresión de procesos gaussianos dispersos basada en inferencia variacional a la construcción de mapas de radio, y el método puede reducir drásticamente la complejidad computacional para satisfacer mejor la demanda real de grandes áreas y grandes datos. Tanto las simulaciones como los experimentos en el mundo real muestran que el método propuesto puede lograr la mayor precisión de localización con la menor complejidad computacional en comparación con los métodos de última generación. Además, el límite inferior de Cramer–Rao (CRLB) también se deriva en detalle.
Zhang et al. (Fri,) estudiaron esta cuestión.