基于众包和高斯过程的动态 RSS 场递归估计

在本文中，我们通过依赖随机放置且精度不高的传感器的测量，解决了时变接收信号强度（RSS）空间场的估计问题。我们采用了一种无线电传播模型，其中路径损耗指数和发射功率是未知的，且具有高斯先验，其超参数通过应用经验贝叶斯方法进行估计。我们认为传感器的位置是未精确已知的，这意味着它们代表了模型中的另一个误差源。该传播模型包含阴影衰落，被视为一个零均值高斯过程，其中两个空间点之间的衰减相关性由这两点之间距离的指数函数来量化。发射机的位置也是未知的，并通过加权质心方法从数据中估计得到。我们提出通过递归贝叶斯方法和众包来估计时变 RSS 场。该方法基于高斯过程（GP），并生成该空间场的联合分布。此外，它通过保持所需内存大小有界来汇总所有获取的信息。我们还给出了估计参数的贝叶斯 Cramér-Rao 界（BCRB）。最后，我们通过在合成数据集上的实验结果说明了该方法的性能。