MỤC LỤC LỜI MỞ ĐẦU DANH MỤC TỪ VIẾT TẮT DANH MỤC HÌNH VẼ DANH MỤC BẢNG BIỂU TÓM TẮT LUẬN VĂN 10 CHƯƠNG I: TỔNG QUAN VỀ MẠNG CẢM BIẾN KHÔNG DÂY 13 1.1 Giới thiệu chung 13 1.2 Đặc điểm mạng cảm biến không dây 13 1.3 Quá trình phối hợp xử lý tín hiệu 15 1.4 Định tuyến mạng cảm biến không dây 16 1.5 Ứng dụng mạng cảm biến không dây 17 1.6 Kết luận 18 CHƯƠNG II: MỘT SỐ KỸ THUẬT ĐỊNH VỊ TRONG MẠNG CẢM BIẾN KHÔNG DÂY 19 2.1 Các kỹ thuật xác định khoảng cách 19 2.1.1 Xác định khoảng cách dựa vào thời gian đến 19 2.1.2 Xác định khoảng cách dựa vào sai khác thời gian đến 20 2.1.3 Xác định khoảng cách dựa vào góc đến 21 2.1.4 Xác định khoảng cách dựa vào mức lượng tín hiệu 21 2.2 Định vị dựa vào khoảng cách (Range-based localization) 22 2.2.1 Phương pháp tam giác 22 2.2.2 Phép đo cạnh tam giác 23 2.2.3 Kỹ thuật lặp Multilateration 25 2.2.4 Định vị sở GPS 26 2.3 Định vị không dựa vào khoảng cách (Range-free localization) 30 2.3.1 Hệ thống định vị Ad Hoc (APS) 30 2.3.2 Điểm ước tính tam giác 32 2.3.3 2.4 Xác định vị trí dựa MDS( Multidimensional scaling) 33 Xác định vị trí theo kiện 35 2.4.1 Phương pháp tiếp cận nguồn sáng 35 2.4.2 Định vị đa trình tự (MSP) 37 2.5 Xác định khoảng cách dựa vào ước lượng 38 2.5.1 Bayesian filtering 38 2.5.2 Extended Kalman Filter 39 2.6 Kết luận 40 CHƯƠNG III: HỆ THỐNG XÁC ĐỊNH VỊ TRÍ MỤC TIÊU DÙNG PHƯƠNG PHÁP LATERATION 42 3.1 Tổng quan 42 3.2 Yêu cầu 43 3.3 VigilNet 45 3.4 CTTA 47 3.5 Lateration 48 3.5.1 Mô hình đo lường cảm biến 48 3.5.2 Xác định vị trí mục tiêu 49 3.5.3 Thông báo báo cáo kết trạm gốc 53 3.6 Kết luận 57 CHƯƠNG IV MÔ PHỎNG VÀ ĐÁNH GIÁ 58 4.1 Phát biểu toán 58 4.2 Giới thiệu chương trình mô OMNeT++ 59 4.2.1 Mô hình mô OMNeT++ 60 4.2.2 Xây dựng chạy thử mô hình mô 62 4.3 Mô cách đánh giá 65 4.3.1 Cấu hình mô OMNeT++ 65 4.3.2 Phân tích kết mô 67 4.4 Kết luận 77 CHƯƠNG V: KẾT LUẬN 79 PHỤ LỤC 80 TÀI LIỆU THAM KHẢO 106 LỜI MỞ ĐẦU Mạng cảm biến không dây (WSNs) ứng dụng phát triển cách nhanh chóng nhờ hội tụ công nghệ khác truyền thông không dây, thuật toán xử lý liệu, thiết bị tính toán, lưu trữ, khả cảm biến Mạng cảm biến không dây thường bao gồm hàng trăm hàng ngàn nút cảm biến, triển khai khu vực cần quan sát Việc thu thập liệu từ nút cảm biến, đặc biệt môi trường truyền thông không dây, đòi hỏi đồng mặt thời gian Vấn đề đồng thời gian trở lên đặc biệt quan trọng ứng dụng yêu cầu thời gian thực yêu cầu có kết hợp liệu thu thập từ nút cảm biến thông tin thời gian ứng dụng theo dõi mục tiêu (object tracking), giám sát (surveillance), vv Trong luận văn em xin giới thiệu khái quát WSNs phương pháp định vị thường dùng mạng Đồng thời em xin giới thiệu khái quát vấn đề xác định vị trí WSNs em lựa chọn tìm hiểu mô phương pháp Lateration để xác định vị trí Để hoàn thành luận văn tốt nghiệp này, em học hỏi kiến thức quí báu từ thầy, cô giáo trường Đại học Bách khoa Hà Nội trình học tập Em vô biết ơn dạy dỗ, bảo tận tình thầy, cô thời gian học tập Em xin chân thành cảm ơn TS Trần Quang Vinh, Viện Điện tử - Viên thông, trường Đại học Bách khoa Hà Nội tận tình bảo định hướng cho em nghiên cứu đề tài Thầy cho em nhiều lời khuyên quan trọng trình hoàn thành luận văn Hà Nội, tháng năm 2015 Sinh viên Đào Minh Sang Tên viết tắt DANH MỤC TỪ VIẾT TẮT Nghĩa Tiếng Anh Nghĩa Tiếng Việt CH Cluster Head Nhóm trưởng ToA Time of Arrival Thời gian đến BS Base Station Trạm gốc WSN Wireless Sensor Network Mạng cảm biến không dây ARPEES Adaptive Routing Protocol Giao thức định tuyến dựa with Energy Efficiency and lượng kiện Event Clustering for cho mạng cảm biến không Wireless Sensor Networks LEACH Low Adaptive Giao thức định tuyến phân Energy Clustering Hierarchy EMRP cấp thích nghi Meshed Giao thức định tuyến dựa Energy-Awared mức lượng Routing Protocol CTTA A Collaborative Tracking dây Target Thuật toán phối hợp Algorithm tracking mục tiêu có xét Energy đến giới hạn lượng Considering Constraint in WSNs cho mạng cảm biến không dây PF Particle Filter Bộ lọc chất điểm BF Bayesian Filter Bộ lọc Bayesian KF Kalman Filter Bộ lọc Kalman EKF Extended Kalman Filter Bộ lọc Kalman mở rộng UKF Unscented Kalman Filter Bộ lọc Kalman không tập trung GPS Global Positioning System Hệ thống định vị toàn cầu TDoA Time Difference of Arrival Sai khác thời gian đến IFS InterFrame Spacing Khoảng cách niên khung LIFS Long InterFrame Spacing Khoảng cách niên khung dài SIFS Short InterFrame Spacing Khoảng cách niên khung ngắn CCA Clean Channel Assignment Gán kênh OMNeT++ Objective Modular Network Công cụ mô mạng Testbed in C++ theo modul viết C++ AoA Angle of Arrival Góc đến RSS Received Signal Strength Mức lượng tín hiệu nhận RSSI GNSS Received Signal Strength Chỉ số báo mức Indicator lượng tín hiệu nhận Global Navigation Satellite Hệ thống vệ tinh dẫn đường toàn cầu System SPS Standard Positioning Service Dịch vụ định vị tiêu chuẩn PPS Precise Positioning Service Dịch vụ định vị xác MDS Multidimensional Scaling Mở rộng quy mô đa chiều MSP Multi-Sequence Positioning Định vị đa trình tự PIT Point In Triangulation Điểm tam giác APIT Approximate Triangulation Point In Điểm ước tính tam giác DANH MỤC HÌNH VẼ Hình 1.1– Cấu trúc mạng cảm biến 14 Hình 2.2 So sánh phương án khác (một chiều ToA, hai chiều ToA, TDoA) 19 Hình 2.3 Phương pháp tam giác (a) phép đo cạnh tam giác (b) 22 Hình 2.3 (a) Kỹ thuật lặp Multilateration (b) hợp tác Multilateration 26 Hình 2.4 Nguyên tắc định vị GPS 29 Hình 2.5 Ví dụ xác định vị trí DV-hop 31 Hình 2.7 Ước tính dựa điểm giao tam giác neo 33 Hình 2.8 Ví dụ khả thử nghiệm APIT 34 Hình 2.9 Các phương pháp xác định vị trí tiếp cận nguồn sáng(xem trên) 37 Hình 2.10 Khái niệm MSP 38 Hình 3.1 Hệ thống theo dõi mục tiêu 44 Hình 3.2 Một ví dụ hợp tác theo dõi xác định vùng đánh thức sử dụng EKF 48 Hình 3.3 Sử dụng cảm biến để xác định vị trí mục tiêu 50 Hình 3.4 Sử dụng nhiều cảm biến để xác định vị trí mục tiêu 52 Hình 3.5 Quá trình lựa chọn nút chuyển tiếp 54 Hình 3.6 Mô hình mạng hai mức liên kết EMRP 55 Hình 4.1 Cấu trúc module NED 61 Hình 4.2 Mô hình mạng hoạt động hệ thống 67 Hình 4.3 So sánh quỹ đạo thực mục tiêu với quỹ đạo ước lượng Lateration EKF 69 Hình 4.4 So sánh sai số ước lượng phương pháp Lateration EKF 70 Hình 4.5 Sai số quỹ đạo thực quỹ đạo ước lượng khoảng thời gian lấy mẫu 1s 71 Hình 4.6 Biến thiên lượng trung bình theo thời gian 72 Hình 4.7 Phân bố lượng nút sau thời gian 1300s 73 Hình 4.8 Độ trễ end-to-end 74 Hình 4.9 So sánh thay đổi độ trễ end-to-end thay đổi khoảng cảm biến 74 Hình 4.10 Tỷ lệ mục tiêu thay đổi khoảng cảm biến 75 Hình 4.11 Tỷ lệ mục tiêu vận tốc thay đổi 76 Hình 4.12 Thời gian sống toàn mạng 77 DANH MỤC BẢNG BIỂU Bảng 4.1: Các tham số mô 92 TÓM TẮT LUẬN VĂN Với phát triển Internet, truyền thông công nghệ thông tin với tiến khoa học kỹ thuật tạo điều kiện cho hệ cảm biến đời với chất lượng tốt giá thành ngày thấp Cùng với khả lắp đặt dễ dàng, dễ sử dụng giúp mạng cảm biến không dây(WSNs) ngày phát triển mạnh mẽ nhiều lĩnh vực sống Mạng mở rộng theo ý muốn mục đích sử dụng, cách thêm vào thiết bị, modul mà không cần thao tác phức tạp Mạng cảm biến không dây có nhiều ứng dụng dân quân đáng ý bao gồm chăm sóc sức khỏe, theo dõi mục tiêu, giám sát, nhận thức tình chiến trường thăm dò không gian Theo dõi mục tiêu hay bắt mục tiêu mạng cảm biến không dây ứng dụng quan trọng mạng cảm biến không dây, cảm biến theo dõi báo cáo thông tin vị trí mục tiêu tới trạm gốc Hệ thống theo dõi mục tiêu mạng cảm biến không dây thường gồm ba giai đoạn: (1) phát mục tiêu, (2) xác định vị trí mục tiêu, (3) thông báo báo cáo kết trạm gốc Trong giai đoạn đầu nút cảm biến phát mục tiêu kích hoạt để theo dõi thu thập thông tin liên quan đến vị trí mục tiêu di động sử dụng tín hiệu âm thanh, hình ảnh mục tiêu Những cảm cảm biến tập hợp thành nhóm bầu nhóm trưởng Các thành viên truyền thông tin mục tiêu nhóm trưởng theo lịch TDMA cấp Ở giai đoạn hai, nhóm trưởng sử dụng thuật toán ước lượng để xác định vị trí mục tiêu Ở giai đoạn ba, nhóm trưởng thông báo xuất mục tiêu để đánh thức trước nút vùng mục tiêu xuất giúp giảm độ trễ phát mục tiêu tăng chất lượng hệ thống theo dõi Cuối nhóm trưởng thực trình truyền liệu trạm gốc sử dụng giao thức định tuyến Để ước lượng quỹ đạo mục tiêu di động, hệ thống phải cài đặt giải thuật cho phép ước lượng vị trí mục tiêu Particle Filter (PF) [2,3], Bayesian filter (BF), Kalman Filter (KF), Extended Kalman Filter (EKF), Tuy nhiên đặc thù chung nên hệ thống cài đặt giải thuật này, độ xác phụ thuộc vào thông tin ước lượng thời điểm trước Do sau ước lượng phải quảng bá thông tin tới cảm biến tham gia theo dõi mục tiêu thời điểm Điều làm hệ thống 10 A.setData(2, 3, dt); B = Matrix(4, 1, 0); U = Matrix(1, 1, 0); Q = Matrix(4, 4, 0); Q.setData(0, 0, pow(dt, 3) / 3); Q.setData(0, 1, pow(dt, 2) / 2); Q.setData(1, 0, pow(dt, 2) / 2); Q.setData(1, 1, dt); Q.setData(2, 2, pow(dt, 3) / 3); Q.setData(2, 3, pow(dt, 2) / 2); Q.setData(3, 2, pow(dt, 2) / 2); Q.setData(3, 3, dt); Q = Q * this->processNoiseIntensity; } Kalman::~Kalman() { } void Kalman::Predict() { X0 = A * X + B * U; P0 = A * P * A.transpose() + Q; } void Kalman::Update(Matrix Z) { Matrix S = H * P0 * H.transpose() + R; Matrix K = P0 * (H.transpose()) * (S.inverse()); X = X0 + K * (Z - Z_Pre); P = P0 - K * S * K.transpose(); } Đoạn Code Sensor.cc void Sensor::findRelayNode() { 94 Enter_Method_Silent(); this->hasPath = false; double F = -1000000000; double djCH, djBS, dCHBS, cosa, F1; int count = 0; Sensor *s; for(int i = 0; i < numNeighbor; i++) { s = trNeighbor[i]; if(!s->isDead && !s->isRelayNode) { djCH = this->distanceCal(s->xpos, s->ypos); djBS = s->distanceCal(bs->xpos, bs->ypos); dCHBS = this->distanceCal(bs->xpos, bs->ypos); cosa = (djCH * djCH + dCHBS * dCHBS - djBS * djBS)/(2 * djCH * dCHBS); F1 = s->energy * (djCH / djBS) * cosa; //ev xpos = par("xpos"); this->ypos = par("ypos"); this->trRange = par("trRange"); this->frameNumber = par("frameNumber"); this->numPos = 0; remove("data/Output-K.txt"); remove("data/AverageEnergy-K.txt"); remove("data/Energy-K.txt"); remove("data/TimeTransmit-K.txt"); this->countNoise = 0; this->totalTime = 0; if((int)getParentModule()->par("useFile") == 0) remove("data/Noise.txt"); else { FILE *f = fopen("data/Noise.txt", "r"); int index = 0; while(!feof(f)) { fscanf(f,"%lf\n", &noise[index]); index++; 96 } } cMessage *msg = new cMessage(); msg->setKind(SMSG_INIT); scheduleAt(simTime(), msg); } void Bastation::handleMessage(cMessage *msg) { if(msg->isSelfMessage()) { if(msg->getKind() == SMSG_INIT) { initLinks(); o1 = true; cMessage *obj_timer1 = new cMessage("NEXT_MOVE_1"); obj_timer1->setKind(M_SELF_O_M); scheduleAt(simTime()+0.2, obj_timer1); ev par("X"); int y = (int)tar1->par("Y"); //check position if(x < (int)this->par("X_MAX") && y < (int)this->par("Y_MAX")) { 97 //make the object moving if(ev.isGUI()) { tar1->getDisplayString().setTagArg("p", 0, x); tar1->getDisplayString().setTagArg("p", 1, y); } if(tar1->isMove == true) { Sensor *s; for(int i = 0; i < tar1->numSSProcess; i++) { s = (Sensor *)simulation.getModule(tar1->sensorIDProcess[i]); s->resetDisplay(); } double totalEnergy = 0; for(int i = NUMTARGET + 2; i < simulation.getLastModuleId(); i++) { s = (Sensor *)simulation.getModule(i); totalEnergy += s->energy; } this->storeValue(totalEnergy / numberNodes, "data/AverageEnergy-K.txt"); tar1->numSSProcess = 0; tar1->startEvent(); } tar1->isMove = false; } else 98 { o1 = false; if(o1 == false) { endSimulation(); } } } } else { if(msg->getKind() == DataToBSMsg) { char bubble[20]; sprintf(bubble, "BS received data frame %d !", (int)par("frameNumber") - this>frameNumber + 1); this->bubble(bubble); if(!testAlive()) { endSimulation(); } else { this->frameNumber ; Target *tar1 = (Target *)simulation.getModule(2); if(this->frameNumber == 0) { //Save data this->frameNumber = par("frameNumber"); 99 double xK = ((DataToBS *)msg)->getX(); double yK = ((DataToBS *)msg)->getY(); double vx = ((DataToBS *)msg)->getVx(); double vy = ((DataToBS *)msg)->getVy(); int xt = (int)tar1->par("X"); int yt = (int)tar1->par("Y"); Sensor *s; for(int i = 0; i < tar1->total; i++) { s = tar1->cluster[i]; if(s->isClusterHead) break; } Matrix TarMeasure = s->locateTarget(); ev storeValue(s->energy, "data/Energy-K.txt"); 101 } } //create links between BS and sensors within its transmission range void Bastation::initLinks() { cModule *mod; trRange = par("trRange"); //duyet tat ca cac nut sensor for(int i = NUMTARGET + 2; i < simulation.getLastModuleId(); i++) { int x, y; mod = (cModule *)simulation.getModule(i); if(this->getId() != mod->getId()) { x = (double)((Sensor *)mod)->xpos; y = (double)((Sensor *)mod)->ypos; double xlength = (double)(x - this->xpos); double ylength = (double)(y - this->ypos); double distance = sqrt(xlength * xlength + ylength * ylength); if(distance trRange) { char idStr[2]; sprintf(idStr, "%d to %d", this->getId(), i); char gateName[5] = "link"; char *temp = strcat(gateName, idStr); cGate *ownGate = addGate(temp, cGate::OUTPUT); cGate * otherGate = mod->addGate(temp, cGate::INPUT); ownGate->connectTo(otherGate); 102 ownGate->getDisplayString().setTagArg("ls", 0, "blue"); char *outName = new char[15]; char *inName = new char[15]; sprintf(outName, "O_%d", this->getId()); sprintf(inName, "I_%d", mod->getId()); ownGate = mod->addGate(outName, cGate::OUTPUT); otherGate = addGate(inName, cGate::INPUT); ownGate->connectTo(otherGate); ownGate->getDisplayString().setTagArg("ls", 1, "0"); } } } } void Bastation::sendSeflMessage(const char *name, int kind, double time) { Enter_Method_Silent("BS_Sefl_Message"); cMessage *msg = new cMessage(name); msg->setKind(kind); scheduleAt(simTime()+time, msg); } /** * Distance between Bastation and module has pos (x, y) */ double Bastation::distanceCal(double x, double y) { double xlength = this->xpos - x; 103 double ylength = this->ypos - y; double distance = sqrt(xlength * xlength + ylength * ylength); return distance; } //double Bastation::distanceCal(Point p1, Point p2) //{ // return sqrt((p2.x - p1.x)*(p2.x - p1.x) + (p2.y - p1.y)*(p2.y - p1.y)); //} /** * Check Alive of nodes around BS */ bool Bastation::testAlive() { Enter_Method_Silent("testAlive()"); bool alive = false; Sensor *s; for(cModule::GateIterator i(this); !i.end(); i++) { cGate *gate = i(); if(gate->getType() == cGate::OUTPUT) { cGate *otherGate = gate->getPathEndGate(); s = (Sensor *)otherGate->getOwnerModule(); if(!s->isDead) { alive = true; break; 104 } } } return alive; } void Bastation::storeValue(double value, const char *fileName) { FILE *f = fopen(fileName, "a"); fprintf(f, "%f\n", value); fclose(f); } double Bastation::createNoise() { double temp = noise[countNoise]; countNoise++; return temp; } 105 TÀI LIỆU THAM KHẢO [1] Waltenegus Dargie,Christian Poellabauer “FUNDAMENTALS OF WIRELESS SENSOR NETWORKS: Theory and Practice”, Localization, pp 249-269 [2] Ozdemir, Onur; Niu, Ruixin; Varshney, Pramod K, “Tracking in Wireless Sensor Networks Using Particle Filtering: Physical Layer Considerations”, IEEE Transactions on Signal Processing, vol 57, issue 5, pp 1987-1999 [3] M Arulampalam, S Maskell, N Gordon, and T Clapp, “A tutorial on particle filters for online nonlinear/non-gaussian bayesian tracking,” IEEE Trans Signal Processing, vol 50, no 2, pp 174–188, Feb 2002 [4] D Fox, J Hightower, L Liao, and D Schulz, “Bayesian filtering for location estimation” IEEE Pervasive Comput., vol 2, pp 24–33, July 2003 [5] Y Bar-Shalom, X Li, and T Kirubarajan, “Estimation with applications to tracking and navigation” New York: Wiley, 2001 [6] Z Hao, I Schizas, and G Giannakis, “Power-efficient dimensionality reduction for distributed channel-aware kalman tracking using wsns,” IEEE Trans Signal Processing, vol 57, no 8, pp 3193–3207, Aug 2009 [7] Y Hamouda and C Phillips, “Adaptive sampling for energy-efficient collaborative multi-target tracking in wireless sensor networks,” Wireless Sensor Systems, IET, vol 1, no 1, pp 15–25, March 2011 [8] S Julier and J Uhlmann, “A new extension of the kalman filter to nonlinear systems,” in Int’l Symp Aerospace/Defense Sensing, Simul and Controls, 1997, pp 182–193 [9] Vicaire, P ; Ting Yan ; Liqian Luo ; Lin Gu ; Gang Zhou ; Stoleru, R ; Qing Cao ; Stankovic, J.A ; Abdelzaher, T, “Achieving Real-Time Target Tracking UsingWireless Sensor Networks”, in Real-Time and Embedded Technology and Applications Symposium, 2006 Proceedings of the 12th IEEE 106 [10] Vinh Tran-Quang, Phat Nguyen Huu, Takumi Miyoshi, “A Collaborative Target Tracking Algorithm Considering Energy Constraint in WSNs”, 19th Int’l Conf Software, Telecomm Comput Netw (SoftCOM 2011), Hvar, Croatia, pages, Sept 2011 [11] V Tran-Quang and T Miyoshi, "ARPEES: Adaptive Routing Protocol with EnergyEfficiency and Event-Clustering for Wireless Sensor Networks," 4th International Conference on Ubiquitous Robots and Ambient Intelligence (URAI 2007), Pohang, Korea, pp 95-100, November 2007 [12] Localization in Wireless Sensor Networks”, Master's Thesis at Université Laval, Canada, 2009 [13] Thuy Tran Vinh, Thu Ngo Quynh ; Mai Banh Thi Quynh, “EMRP: Energy-Aware Mesh Routing Protocol for Wireless Sensor Networks”, Advanced Technologies for Communications (ATC), 2012 International Conference on 10-12 Otc 2012 [14] IEEE 802.15.4, a standard which specifies the physical layer and media access control for low-rate wireless personal area networks https://en.wikipedia.org/wiki/IEEE_802.15.4 [15] OMNeT++, version 4.5, a discrete event simulation system, http://www.omnetpp.org [16] M McGuire, K Plataniotis, and A Venetsanopoulos, “Location of mobile terminals using time measurements and survey points,” IEEE Trans Vehicular Technol., vol 52, no 4, pp 999–1011, July 2003 [17] P Bahl and V Padmanabhan, “Radar: an in-building rf-based user location and tracking system,” in Proc IEEE INFOCOM 2000, vol 2, March 2000, pp 775–784 [18] Stansfield, R.G, “Statistical theory of DF fixing” Journal of IEE 14, Pt III A (15), 762–770, 1947 107 [19] Gavish, M., andWeiss, A.J, “Performance analysis of bearing-only target location algorithms.” , IEEE Transactions on Aerospace and Electronic Systems 28 (3), 817–828, 1992 [20] Savvides, A., Han, C.C., and Strivastava, M.B.” Dynamic fine-grained localization in ad hoc networks of sensors.”, Proc of the 7th Annual International Conference on Mobile Computing and Networking, 2001 [21] Hofmann-Wellenhof, B., Lichtenegger, H., and Collins, J “ Global Positioning System: Theory and Practice (5th edn).”, Springer, 2008 [23] Hightower, J., and Borriello, G “ Location systems for ubiquitous computing.” Computer 34 (8), 57–66, 2001 [24] Shang, Y., and Ruml, W “ Improved MDS-based localization.”, Proc of the 23rd Annual Joint Conference of the IEEE Computer and Communications Societies (INFOCOM), 2004 [25] Stojmenovic,I, “Position based routing in ad hoc networks.” IEEE Communications Magazine 40 (7), 128–134, 2002 [26] Siqueira, I.G., Ruiz, L.B., Loureiro, A.A.F., and Nogueira, J.M., “Coverage area management for wireless sensor networks.”, International Journal of Network Management 17 (1), 17–31, 2007 108 ... không dây - Các vấn đề định tuyến, xác định vị trí, bảo mật - Tầm quan trọng việc xác định vị trí Chương 2: Định vị mạng cảm biến không dây - Sử dụng kỹ thuật để xác định vị trí thời gian đến, góc... (