Dans cette thèse, on s'est intéressé à trois problématiques des réseaux de capteurs sans fil (WSN). Dans un premier temps nous avons analysé l'impact de la chute de tension dans la batterie du nœud sur la puissance du signal en réception. On propose alors une méthode pour compenser l'augmentation apparente de la distance calculée entre les nœuds due à la diminution de l'énergie de la batterie. Pour les nœuds passant par deux états principaux endormi et actif, on propose d'étudier, la relation entre la diminution de la tension de la batterie en fonction du temps passé par un nœud dans l'état actif. Ensuite, on calcule le rapport entre la RSS et la distance entre les nœuds connectés avec des batteries complètement chargées. Après on mesure la RSS en faisant varier la tension de la batterie du nœud émetteur et en gardant le nœud récepteur à une distance constante. Finalement, on propose une relation entre la RSS observée et la tension actuelle de la batterie du nœud émetteur. Cette fonction permet de calculer la valeur corrigée de la RSS qui correspond à la distance réelle entre les nœuds connectés. Ainsi l'efficacité des méthodes de la localisation basée sur la RSS se trouvent améliorées. Dans la deuxième partie de cette thèse on propose une méthode d'estimation des positions des nœuds dans un WSN. Dans l'algorithme de localisation proposé, on utilise des nœuds ancres comme des points de référence. On a utilisé une approche heuristique pour trouver la topologie relative avec l'aide de la matrice de distance. Le but de la matrice de distance est d'indiquer s'il existe une connexion entre une paire de nœuds donnée et en cas de connectivité, la distance estimée entre ces nœuds. En utilisant les informations de connectivité entre les nœuds et leurs distances, on obtient la topologie du réseau. La méthode proposée utilise la solution de l'intersection de deux cercles au lieu de la méthode classique de triangulation, où un système quadratique de trois équations avec deux variables est utilisé ce qui rend la complexité de calcul augmentée. Lorsque deux nœuds connectés ont un autre nœud en commun, puis en utilisant les informations de distances entre ces nœuds interconnectés, nous pouvons calculer deux positions possibles pour le troisième nœud. La présence ou l'absence d'un lien entre le troisième nœud et un quatrième nœud, permet de trouver la position précise. Ce processus est réitéré jusqu'à ce que toutes les positions des nœuds aient été obtenues. Une fois la topologie relative calculée, il faut trouver la symétrie, l'orientation et la position de cette topologie dans le plan. C'est à ce moment que la connaissance des positions des trois nœuds entre en action. La topologie donne les coordonnées temporaires des nœuds. En ayant une comparaison de certaines caractéristiques entre les coordonnées temporaires et les coordonnées exactes, on trouve d'abord la symétrie de la topologie relative qui correspondrait à la topologie originale. En d'autres termes on vérifie si oui ou non la topologie relative est une image miroir de la topologie originale. Des opérateurs géométriques sont alors utilisés pour corriger la topologie relative par rapport à la topologie réelle. Ainsi, on localise tous les nœuds dans un WSN en utilisant exactement trois ancres. Dans la dernière partie de cette thèse, on propose une méthode pour la détection de défauts dans un WSN. Il y a toujours une possibilité qu'un capteur d'un nœud ne donne pas toujours des mesures précises. On utilise des systèmes récurrents et non récurrents pour la modélisation et on prend comme variable d'entrée, en plus des variables du nœud en question, les informations des capteurs voisins. La différence entre la valeur estimée et celle mesurée est utilisée pour déterminer la possibilité de défaillance d'un nœud

In this thesis two collaborative localization techniques are studied: multidimensional scaling (MDS) and maximum likelihood estimator (MLE). A synthesis of a new location estimation method through a serial integration of these two techniques, such that an estimate is first obtained using MDS and then MLE is employed to fine-tune the MDS solution, was the subject of this research using various simulation and experimental studies. In the simulations, important issues including the effects of sensor node density, reference node density and different deployment strategies of reference nodes were addressed. In the experimental study, the path loss model of indoor environments is developed by determining the environment-specific parameters from the experimental measurement data. Then, the empirical path loss model is employed in the analysis and simulation study of the performance of collaborative localization techniques.

This thesis deals with the issue of wireless sensor networks and communication protocols. Is explained of what the network is composed, what standards are used and in what sectors are most often used. The main scope of work is to introduce with the localization algorithms using in WSN. Algorithms are clearly divided into groups according to the methods used. In work is describes the structure used simulation tools J-Sim, for creating a wireless sensor network. To create network will be then applied different localization algorithms, which must first be implemented in a simulator using Java code. All generated classes and the algorithms are detailed described in the work. Results from simulations are detailed and graphically displays for individual localization algorithms.

This master thesis studied methods for tracking and localising a moving target from an autonomous seeker drone. Feasible methods for automatic control of the seeker drone and different antenna configurations were explored as well. Two different tracking filters and two different controllers were tested for this purpose. The algorithm was developed in Python and MATLAB. The evaluation of the filters and controllers was done both theoretically with simulations but also practically with flight tests. Performance and robustness were measured by examining the estimated target position and the smoothness of the seeker path. Both filters performed satisfactorily, the same conclusion could be made for the automatic controllers as well. Regardless of the sufficient results, for future work there are several aspects which can be improved. The communication with the drone’s motors, the noise models and one of the automatic controllers are all examples of areas which canbe improved further.

In this report it is evaluated whether a higher dimensional fingerprint vector increases accuracy of an algorithm for indoor localisation. Many solutions use a Received Signal Strength Indicator (RSSI) to estimate a position. It was studied if the use of the Channel State Information (CSI), i.e. the channel’s frequency response, is beneficial for the accuracy.The localisation algorithm estimates the position of a new measurement by comparing it to previous measurements using k-Nearest Neighbour (k-NN) regression. The mean power was used as RSSI and 100 samples of the frequency response as CSI. Reduction of the dimension of the CSI vector with statistical moments and Principal Component Analysis (PCA) was tested. An improvement in accuracy could not be observed by using a higher dimensional fingerprint vector than RSSI. A standardised Euclidean or Mahalanobis distance measure in the k-NN algorithm seemed to perform better than Euclidean distance. Taking the logarithm of the frequency response samples before doing any calculation also seemed to improve accuracy. / I denna rapport utvärderas huruvida data av högre dimension ökar noggrannheten hos en algoritm för inomhuspositionering. Många lösningar använder en indikator för mottagen signalstyrka (RSSI) för att skatta en position. Det studerades studerade om användningen av kanalens fysikaliska tillstånd (CSI), det vill säga kanalens frekvenssvar, är fördelaktig för noggrannheten.Positioneringsalgoritmen skattar positionen för en ny mätning genom att jämföra den med tidigare mätningar med k-Nearest Neighbour (k-NN)-regression. Medeleffekten användes som RSSI och 100 sampel av frekvenssvaret som CSI. Reducering av CSI vektornsdimension med statistiska moment och Principalkomponentanalys(PCA) testades. En förbättring av noggrannheten kunde inte observeras genom att använda data med högre dimension än RSSI. Ett standardiserat Euklidiskt eller Mahalanobis avståndsåatt i k-NN-algoritmen verkade prestera bättre än Euklidiskt avstånd. Att ta logaritmen av frekvenssvarets sampel innan andra beräkningar gjordes verkade också förbättra noggrannheten.

This study is devoted to investigating and developing WSN based localisation approaches with high position accuracies indoors. The study initially summarises the design and implementation of localisation systems and WSN architecture together with the characteristics of LQI and RSSI values. A fingerprint localisation approach is utilised for indoor positioning applications. A k-nearest neighbourhood algorithm (k-NN) is deployed, using Euclidean distances between the fingerprint database and the object fingerprints, to estimate unknown object positions. Weighted LQI and RSSI values are calculated and the k-NN algorithm with different weights is utilised to improve the position detection accuracy. Different weight functions are investigated with the fingerprint localisation technique. A novel weight function which produced the maximum position accuracy is determined and employed in calculations. The study covered designing and developing the centroid localisation (CL) and weighted centroid localisation (WCL) approaches by using LQI values. A reference node localisation approach is proposed. A star topology of reference nodes are to be utilized and a 3-NN algorithm is employed to determine the nearest reference nodes to the object location. The closest reference nodes are employed to each nearest reference nodes and the object locations are calculated by using the differences between the closest and nearest reference nodes. A neighbourhood weighted localisation approach is proposed between the nearest reference nodes in star topology. Weights between nearest reference nodes are calculated by using Euclidean and physical distances. The physical distances between the object and the nearest reference nodes are calculated and the trigonometric techniques are employed to derive the object coordinates. An environmentally adaptive centroid localisation approach is proposed. Weighted standard deviation (STD) techniques are employed adaptively to estimate the unknown object positions. WSNs with minimum RSSI mean values are considered as reference nodes across the sensing area. The object localisation is carried out in two phases with respect to these reference nodes. Calculated object coordinates are later translated into the universal coordinate system to determine the actual object coordinates. Virtual fingerprint localisation technique is introduced to determine the object locations by using virtual fingerprint database. A physical fingerprint database is organised in the form of virtual database by using LQI distribution functions. Virtual database elements are generated among the physical database elements with linear and exponential distribution functions between the fingerprint points. Localisation procedures are repeated with virtual database and localisation accuracies are improved compared to the basic fingerprint approach. In order to reduce the computation time and effort, segmentation of the sensing area is introduced. Static and dynamic segmentation techniques are deployed. Segments are defined by RSS ranges and the unknown object is localised in one of these segments. Fingerprint techniques are applied only in the relevant segment to find the object location. Finally, graphical user interfaces (GUI) are utilised with application program interfaces (API), in all calculations to visualise unknown object locations indoors.

Les réseaux de capteurs sont au cœur des efforts de recherche de la communauté internationale depuis plusieurs années. Les domaines d'applications sont variés allant du suivi médical à la traçabilité alimentaire en passant par le bâtiment intelligent ou le monitoring urbain (pollution, bruit, consommation électrique...). Pour que ces réseaux denses, composés de centaines voire de milliers d'entités contraintes en énergie, en puissance de calcul et en communication puissent fonctionner et s'adapter aux différentes applications, il est nécessaire, selon nous, de recourir à l'auto-organisation. L'auto-organisation est un processus duquel émerge une structure globale provenant seulement des multiples interactions locales, sans références à la globalité du réseau. De nombreuses études traitent de l'évaluation de performances des stratégies d'auto-organisation. Mais le réseau est toujours considéré comme entièrement déployé, statique. Nous montrons qu'une analyse plus fine est possible pour caractériser les différentes stratégies d'auto-organisation durant la vie d'un réseau de capteurs sans fil en prenant en compte la dynamique du réseau malgré l'immobilité physique des capteurs. On propose de mettre en évidence les différentes phases de la vie d'un réseau de capteurs et de caractériser un ensemble de protocoles d'auto-organisation sur ces différentes phases ; c'est-à-dire d'en déterminer les comportements. Nous ne concevons pas l'auto-organisation comme une fin en soi, elle doit servir à résoudre des problématiques. Après avoir démontré par une série d'expérimentations dans des environnements réels, l'inadaptation de la mesure du signal reçu (RSSI) pour résoudre le défi de la localisation dans les réseaux de capteurs, nous montrons qu'il est possible de concevoir un protocole d'auto-organisation dédié à la localisation du voisinage : le Protocole de Localisation Qualitative: QLoP. Ce protocole permet de déterminer une distance qualitative en se basant uniquement sur le voisinage à 1 et 2 sauts. Nous montrons dans cette thèse que QLoP possède à la fois de bonnes propriétés pour estimer la proximité d'un nœud mais s'adapte aussi parfaitement aux changements de topologie induite par le déploiement de nouveaux capteurs ou la disparition d'autres. Les propriétés de QLoP, démontrées précédemment permettent de construire une topologie logique, le Relative Neighborhood Graph (RNG), de façon efficace. Cette topologie permet de favoriser les liens les plus robustes et d'acheminer ainsi les paquets même dans un environnement très bruité. Enfin, nous montrons que le choix de la couche MAC ainsi que la topologie influent grandement sur les performances d'un réseau de capteurs. Nous proposerons une solution utilisant les propriétés de QLoP afin de définir une couche MAC appropriée.

Localization and tracking objects or people in real time in indoor environments have gained great importance. In the literature and market, many different location estimation and tracking solutions using received signal strength indication (RSSI) are proposed. But there is a lack of information on the comparison of these techniques revealing their weak and strong behaviors over each other. There is a need for the answer to the question / &ldquo / which localization/tracking method is more suitable to my system needs?&rdquo / . So, one purpose of this thesis is to seek the answer to this question. Hence, we investigated the behaviors of commonly proposed localization methods, mainly nearest neighbors based methods, grid based Bayesian filtering and particle filtering methods by both simulation and experimental work on the same test bed. The other purpose of this thesis is to propose an improved method that is simple to install, cost effective and moderately accurate to use for real life applications. Our proposed method uses an improved type of sampling importance resampling (SIR) filter incorporating automatic calibration of propagation model parameters of logv distance path loss model and RSSI measurement noise by using reference tags. The proposed method also uses an RSSI smoothing algorithm exploiting the RSSI readings from the reference tags. We used an active RFID system composed of 3 readers, 1 target tag and 4 reference tags in a home environment of two rooms with a total area of 36 m&sup2 / . The proposed method yielded 1.25 m estimation RMS error for tracking a mobile target.

Innomhuspositioneringssystem kan med fördel användas i många olika tillämpningar, allt från sjukhus till shoppingcenter. Denna rapport behandlar olika tekniker och lösningar för att designa ett positioneringssystem. Rapporten tar även upp i detalj hur ett system kan konstrueras av ZigBee kombinerat med dödräkning.

The goal of this diploma work is to study the problems of wireless sensor networks. Describe elements of sensor network and discuss how the individual sensor nodes communicate with each other. Find the way how it would be possible to determine the possition of the new added sensor node or mobile sensor node in the sensor network. The selected one algorithm of determining the possition of the sensor node will be implemented in diploma thesis. Algorithms for determining the positions of sensor nodes are divided into groups by using the methods. Selected algorithm will be tested in simulation on chosen platform.