مقاله انگلیسی رایگان در مورد تخمین کور توزیع شده در شبکه های حسگر بی سیم – IEEE 2019

IEEE

 

مشخصات مقاله
ترجمه عنوان مقاله تخمین کور توزیع شده مبتنی بر استنتاج آماری در شبکه های حسگر بی سیم
عنوان انگلیسی مقاله Statistical Inference-Based Distributed Blind Estimation in Wireless Sensor Networks
انتشار مقاله سال ۲۰۱۹
تعداد صفحات مقاله انگلیسی ۱۴ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه IEEE
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۴٫۶۴۱ در سال ۲۰۱۸
شاخص H_index ۵۶ در سال ۲۰۱۹
شاخص SJR ۰٫۶۰۹ در سال ۲۰۱۸
شناسه ISSN ۲۱۶۹-۳۵۳۶
شاخص Quartile (چارک) Q2 در سال ۲۰۱۸
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط مهندسی کامپیوتر، مهندسی فناوری اطلاعات
گرایش های مرتبط مهندسی الگوریتم و محاسبات، شبکه های کامپیوتری
نوع ارائه مقاله
ژورنال
مجله / کنفرانس دسترسی – IEEE Access
دانشگاه  Department of Electronic Engineering and Information Science, University of Science and Technology of China, Hefei 230027, China
کلمات کلیدی تخمین توزیع شده، حداکثر انتظار، مدل ترکیبی گاوسی، انتقال تصادفی، استنباط آماری، شبکه حسگر بی سیم
کلمات کلیدی انگلیسی  Distributed estimation, expectation maximum, Gaussian mixture model, random transmission, statistical inference, wireless sensor network
شناسه دیجیتال – doi
https://doi.org/10.1109/ACCESS.2019.2947433
کد محصول  E13877
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract
I. Introduction
II. System Model and Problem Formulation
III. Random Transmission Strategy
IV. Statistical Inference Principle
V. Summary of the Blind Estimation Scheme
Authors
Figures
References

 

بخشی از متن مقاله:
Abstract

To realize the Internet of Things, one of the essential elements is wireless sensor networks which can sense the physical conditions of the environment. The ubiquitous sensing is achieved by a large number of spatially dispersed sensors and distributed estimation technology. However, the low-cost sensors are insufficient to support conventional distributed estimation schemes. Since most conventional schemes include channel training process, the resource consumption of which is enormous. Thus, one key challenge in designing a feasible distributed estimation scheme is to reduce resource consumption from channel training. We tackle the challenge by proposing a distributed blind estimation scheme. The proposed scheme consists of two components: random transmission and statistical inference. Specifically, assuming sensors contain only two states that are active and inactive. The random transmission strategy turns the sensing value into a parameter to govern the sensor states. At the fusion center, statistical inference method is used to recover the sensing value. The specific design of the inference method involves the distribution approximation and clustering, which are accomplished by Gaussian mixture model and expectation-maximization principle. By the proposed scheme, the channel information is no longer needed in distributed estimation. Therefore, it is more energy-efficient and more applicable to the complicated wireless environment compared with conventional schemes. Besides, we investigate the impacts of the number of sensors and quantization on the estimation performance. Finally, simulation results demonstrate the effectiveness of the proposed blind estimation scheme.

Introduction

Ubiquitous sensing enabled by wireless sensor networks (WSN) has attracted increasing attention because of its various application areas including environment monitoring [1], health management [2], traffic monitoring [3] and industrial control [4], etc. The WSN develops rapidly since it contains the following advantages: the distributed processing of a large amount of collected information can improve the accuracy of monitoring and reduce the accuracy requirements for a single sensor; the redundant sensors make the system robust; a large number of sensors can increase the coverage of the monitored area. In the various applications, distributed estimation is one of the critical technologies since it can provide accurate estimates of the parameters of the phenomenon [5]. In large WSNs, one factor which affects the distributed estimation performance is the form of the sensor measurements (digital and analog). For the analog approach, the measurements are transmitted directly or via analog modulation to the fusion center (FC). For the digital approach, the sensors quantize the measurements first and then transmit the quantized measurements to the FC.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.