haku: @keyword sensor networks / yhteensä: 4
hakutulos-lista
viite: 2 / 4
« edellinen | seuraava »
Tekijä:Koskiahde, Joona
Työn nimi:Decentralized Detection in Realistic Sensor Networks
Hajautettu ilmaisu toteutettavissa langattomissa sensoriverkoissa
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2011
Sivut:viii + 49 s. + liitt. 5      Kieli:   eng
Koulu/Laitos/Osasto:Signaalinkäsittelyn ja akustiikan laitos
Oppiaine:Signaalinkäsittelytekniikka   (S-88)
Valvoja:Richter, Andreas
Ohjaaja:Eriksson, Jan
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201209213110
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  897   | Arkisto
Avainsanat:decentralized detection
distributed detection
detection theory
sensor networks
acoustic sensors
maximum likelihood
hajautettu ilmaisu
ilmaisuteoria
sensoriverkot
akustiset sensorit
suurimman uskottavuuden menetelmä
Tiivistelmä (fin): Tämä työ käsittelee kohteen ilmaisua sensoriverkolla, joka koostuu äänisensoreista.
Työn pääpaino on epäideaalisen tilanteen käsittelyllä, jossa monet hajautettua ilmaisua käsittelevät oletukset, joita alan kirjallisuudessa tehdään, eivät enää päde.
Sensoriverkko koostuu mielivaltaiseen verkkotopologiaan asetetuista sensoreista ja fuusiokeskuksesta, ja tavoite on ilmaista verkkoa lähestyvä kohde, joka tuottaa äänisignaalia.
Tiedon käsittelyyn sensoreilla ja fuusiokeskuksella esitetään kaksi erilaista algoritmia.
Toinen algoritmeista perustuu suurimman uskottavuuden menetelmään ja toinen on heuristinen, klassiseen ilmaisuteoriaan perustuva, lähestymistapa ongelmaan.

Algoritmien suorituskykyä tutkitaan simulaatioiden avulla.
Heuristisen algoritmin suorituskyky on huomattavasti parempi kaikissa simuloiduissa tilanteissa.
Algoritmien johdossa taustakohina oletettiin normaalijakautuneeksi, mutta simulaatioiden perusteella algoritmit toimivat kohtuullisen hyvin myös pidempihäntäisen taustakohinajakauman tapauksessa.
Heuristinen algoritmi tarjoaa paremman suorituskyvyn lisäksi myös helpomman tavan asettaa kynnysarvoparametrit niin, että sensoreilla ja fuusiokeskuksella on haluttu väärän hälytyksen todennäköisyys.
Tiivistelmä (eng): This thesis discusses the detection of a target using a network of acoustic sensors.
The focus of the work is on considering what to do in a non-ideal situation, where many of the assumptions often made in decentralized detection literature are no longer valid.
The sensors and a fusion center are grouped in an arbitrary formation, and the object is to detect an approaching target which emits a sound signal.
Two different schemes are considered for processing the data at sensors and the fusion center.
One of the schemes is based on maximum likelihood estimation and the other one is a heuristic approach based on classical detection theory.

The performances of the two schemes are studied in simulations.
The heuristic scheme has a better detection performance for a given false alarm rate with all different sets of settings for the simulation.
In derivation of the schemes, the background acoustic noise is assumed to be normal distributed, but, according to the simulations, the schemes still work relatively well under a long tailed noise distribution.
In addition to better performance, the heuristic scheme offers easier setup of threshold values and approximation of false alarm rates for given thresholds using simple equations.
ED:2012-06-20
INSSI tietueen numero: 44697
+ lisää koriin
« edellinen | seuraava »
INSSI