Cooperative Localization in GPS-Limited Urban Environments

Hemmes, Jeffrey; Thain, Douglas; Poellabauer, Christian

doi:10.1007/978-3-642-11723-7_28

Cited by 11 publications

(8 citation statements)

References 14 publications

(16 reference statements)

Supporting

Mentioning

Contrasting

Order By: Relevance

“…The distribution of the anchor position estimates is assumed normal (which is empirically supported in [8]),r k,z ∼ N(r k , K k ). Finally, the letter assumes spatial (over N [1]) and temporal independence for the processes that generate p andr, i.e Σ = diag σ 2 , ..., σ 2 , K = diag {..., K k , ...}.…”

Section: A Preliminary Assumptionsmentioning

confidence: 99%

SPEAR: Source Position Estimation for Anchor Position Uncertainty Reduction

et al. 2014

View full text Add to dashboard Buy / Rent full text

This letter introduces an RSS-based framework (termed Source Position Estimation for Anchor position uncertainty Reduction -SPEAR) for joint estimation of the positions of a wireless transmitter source and the corresponding measuring anchors. The framework exploits the imprecise anchor position information using non-Bayesian estimation and employs a novel Joint Maximum Likelihood (JML) algorithm for reliable anchor and agent position estimations. It proposes to use the iterative Trust Region (TR) strategy as a solution to the JML nonlinear minimization problem. Simulation results show that the JML results in source localization improvements (compared to the ML that ignores the anchor position uncertainty) and provides a more reliable anchors positions estimates.

show abstract

Section: A Preliminary Assumptionsmentioning

confidence: 99%

SPEAR: Source Position Estimation for Anchor Position Uncertainty Reduction

et al. 2014

View full text Add to dashboard Buy / Rent full text

show abstract

“…Even innovative applications such as cash on delivery (COD) or the use of unmanned aerial vehicles (UAV), require reliable navigation systems for their operation in this type of environment [7]. With regard to military applications as well as search and rescue operations in situations surrounding natural disasters, they have been well received since the beginning of the 21st century [8], [9], [10]. The Department of Defense of the [11].…”

Section: Related Work and Applicationsmentioning

confidence: 99%

Una metodología de posicionamiento cooperativo diferencial para el posicionamiento de dispositivos múltiples

2019

View full text Add to dashboard Buy / Rent full text

Introducción: esta publicación es el producto de una investigación del grupo de investigación de computación avanzada y en gran escala (Cage) de la Universidad Industrial de Santander, a lo largo de 2018. Objetivo: Se propone un algoritmo de posicionamiento cooperativo en el que un conjunto de dispositivos intercambia observables satelitales, y estimaciones de distancia entre dispositivos GPS cercanos, con el objetivo de aumentar su precisión de posicionamiento. Metodología: se establecen escenarios donde los receptores de GPS intercambian información satelital, y utilizan diferentes modelos de corrección ionosférica con el fin de evaluar las condiciones en que es posible mejorar la precisión en posicionamiento. Conclusiones: El algoritmo propuesto produce una mayor precisión cuando todos los receptores emplean el mismo modelo de corrección ionosférica. Además, el nivel de incertidumbre en la medida de distancia entre dispositivos no presenta mayor influencia sobre la mejora de la precisión, cuando la separación entre receptores es muy grande. Originalidad: el algoritmo propuesto permite explotar la naturaleza del problema sin aumentar la complejidad a nivel de hardware y software, y se ofrece como una alternativa de solución de posicionamiento cooperativo de bajo costo. Limitación: Los resultados exponen la ejecución del algoritmo cooperativo utilizando archivos Rinex de estaciones de referencia gnss. Por lo tanto, para los escenarios en que la distancia de separación entre estaciones es muy alta, los niveles de error en posicionamiento pueden ser elevados.

show abstract

“…The localization server is responsible for estimating the mobile device's position. GPS error modeling in [19] focuses on localization accuracy by creating a collaboration among mobile nodes that are capable of localizing themselves using GPS or pedestrian dead reckoning. A simulation study in [19] uses a simple random mobility model and shows that the magnitude of GPS error can range up to several tens of meters.…”

Section: Related Workmentioning

confidence: 99%