Target localization, whose goal is to estimate the location of an unknown target, is one of the key issues in applications of wireless sensor networks (WSNs). With recent advances in fabrication technology, deployments of large-scale WSNs have become economically feasible. However, there exist issues such as limited communication and the curse of dimensionality in applying machine-learning algorithms such as support vector regression (SVR) on large-scale WSNs. Here, in order to overcome such issues, we propose an ensemble implementation of SVR for the problem of target localization. The convergence property of the localization algorithm using the ensemble SVR is verified, and the robustness of the proposed scheme against measurement noise is analyzed. Furthermore, experimental results confirm that the estimation performance of the proposed method is more accurate and robust to measurement noise than the conventional SVR predictor

1-مقدمه

پیشرفت های عمده در ارتباطات بیسیم و فناوری تولید سیستم میکروالکترومکانیکی، امکان استفاده از گره های سنسوری توزیع یافته یا شبکه های سنسور بیسیم (WSNs) را فراهم کرده است. WSNs از تعداد زیادی گره های سنسور تشکیل شده اند که ویژگی های مورد نظر محیط محلی خود را اندازه می گیرند. گره های سنسور، اطلاعات را با گره های همسایه  به اشتراک می گذارند تا قابلیت های محدود اندازه گیری یا تصمیم گیری خود را بهبود ببخشند. WSNs برای کاربردهای مختلف نظارت و کنترل نظیر آشکارسازی، شناسایی و مکان یابی هدف، کاربردهای بیوپزشکی، کاربردهای خانگی و اداری و نظارت بر سلامت سازه به کار برده شده اند. هدف مشترک این کاربردها، پردازش موثر اطلاعات توزیع یافته است...