Esquemas de localización de nodos móviles en redes ad-hoc basados en filtros de Kalman = Kalman-based schemes for mobile nodes localization in ad-hoc networks

Abstract

Esta tesis enfrenta el problema de la determinación de la posición de nodos móviles en redes inalámbricas ad hoc, con base en las mediciones del indicador de potencia de la señal recibida (RSSI). Las características de movilidad de los nodos se modelan a través de un sistema no lineal representado por un modelo de Giro Coordinado (CTM). La localización de la posición de los nodos se lleva a cabo mediante multilateración integrada con diferentes esquemas para refinar la estimación basados en las técnicas de Kalman: FIltro Extendido de Kalman (EKF); Filtro de Kalman ¨ Unscented”(UKF); y dos Filtros de Múltiples Modelos Interactúenles (IMM), los cuales consisten en un conjunto de Filtros de Kalman Extendidos (IMM-EKF) y un banco de Filtros de Kalman ¨ Unscented”(IMM-UKF). Se alcanza a estimación de los estados del modelo de movilidad, los cuáles comprenden la posición, la velocidad y, en algunos casos, el parámetro de Tasa de Giro del nodo objetivo móvil. El desempeño ˜no de los diferentes esquemas basados en Kalman se compara mediante el seguimiento de dos trayectorias a través de simulaciones Monte Carlo / Abstract: This thesis addresses the problem of position localization of mobile nodes in ad hoc wireless networks based on received signal strength indicator (RSSI) measurements. Node mobility is modelled as a non-linear system driven a Coordinated Turn Model (CTM). Self-localization of mobile nodes is performed via multilateration integrated with a different collection of Kalman based schemes for estimation refinement: Extended Kalman Filter (EKF); Unscented Kalman Filter (UKF); an two Interacting Multiple Model Filter consisting of a bank of Extended Kalman Filters (IMM-EKF) and Unscented Kalman Filters (IMM-UKF). Estimation of the mobility state, which comprises the position, speed and, in some cases, the Turn Rate parameter of the mobile node is accomplished. The performance of the Kalman based filters is compared through the tracking of two different trajectories by Monte Carlo simulation.