CN109983366A - 地下油藏中的无线传感器网络的基于磁感应的定位 - Google Patents

地下油藏中的无线传感器网络的基于磁感应的定位 Download PDF

Info

Publication number
CN109983366A
CN109983366A CN201780036068.7A CN201780036068A CN109983366A CN 109983366 A CN109983366 A CN 109983366A CN 201780036068 A CN201780036068 A CN 201780036068A CN 109983366 A CN109983366 A CN 109983366A
Authority
CN
China
Prior art keywords
group
sensor
sensor position
identified
anchoring arrangement
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201780036068.7A
Other languages
English (en)
Other versions
CN109983366B (zh
Inventor
霍华德·K·施密特
伊恩·F·阿克伊尔迪兹
林士钧
阿卜杜拉·阿瓦德·阿尔-谢赫里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tuluva Co
Saudi Arabian Oil Co
Aramco Services Co
Original Assignee
Tuluva Co
Saudi Arabian Oil Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tuluva Co, Saudi Arabian Oil Co filed Critical Tuluva Co
Publication of CN109983366A publication Critical patent/CN109983366A/zh
Application granted granted Critical
Publication of CN109983366B publication Critical patent/CN109983366B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging
    • G01V3/26—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging operating with magnetic or electric fields produced or modified either by the surrounding earth formation or by the detecting device
    • G01V3/28—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging operating with magnetic or electric fields produced or modified either by the surrounding earth formation or by the detecting device using induction coils
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/08—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
    • G01V3/081—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices the magnetic field is produced by the objects or geological structures

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Geology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Electromagnetism (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Measurement Of Length, Angles, Or The Like Using Electric Or Magnetic Means (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

描述了用于精确地定位地下油藏中的无线传感器设备的示例计算机实现的方法、计算机可读介质和计算机系统。在一些方面中，每个传感器测量多个相应磁感应(MI)链路上的相应接收磁场强度(RMFS)，并将所测量的相应RMFS发送给至少一个锚定设备。根据所测量的相应RMFS确定一组距离。通过有序的一系列算法，即加权最大似然估计(WMLE)、半正定规划(SDP)松弛、交替方向增强拉格朗日法(ADM)和共轭梯度算法(CGA)来处理该组距离，以生成无线传感器设备在地下油藏中的精确定位。

Description

地下油藏中的无线传感器网络的基于磁感应的定位
优先权声明
本申请要求于2016年4月15日提交的美国专利申请No.62/323,103的优先权，其全部内容通过引用并入本文。
技术领域
本公开涉及在地下油藏中实现无线传感器设备。
背景技术
无线地下传感器网络(WUSN)是部署在各种地下环境(例如，土壤、地下隧道和油藏)中的无线互连传感器节点的网络。WUSN可以实现广泛的新兴应用，例如，矿山和隧道防灾、油气开采、地下电网监测、地震和滑坡预报、边境巡逻和安全、地下动物追踪以及许多其他应用。大多数应用需要知道随机部署的传感器节点的位置信息。然而，由于极短的通信范围、高度不可靠的信道条件和大的天线尺寸，地下环境阻止了直接应用基于电磁(EM)波传播特性的常规定位解决方案。
发明内容
本公开涉及无线传感器设备在地下油藏中的定位。
通常，这里所描述的主题的示例创新方面可以被实现为计算机实现的方法，其在计算机可读介质中实现，或者在计算机系统中实现，用于在地下油藏中建立基于磁感应(MI)的定位框架。
一种示例方法，包括：油气贮藏中的无线地下传感器网络WUSN中的多个传感器中的每个传感器测量多个相应MI链路上的相应接收磁场强度(RMFS)，所述多个相应MI链路形成将所述多个传感器和至少两个锚定设备彼此链接的MI网络，所述多个传感器设置在所述
油气贮藏内的相应传感器位置处，所述至少两个锚定设备设置在所述油气贮藏内部的偶极天线上的相应锚定设备位置处，并且所述至少两个锚定设备的位置是已知的；所述多个传感器中的每个传感器基于磁感应，通过所述MI网络向至少一个锚定设备发送所述相应RMFS；根据接收到的RMFS确定一组距离，所确定的一组距离表示在所述WUSN中的所述多个传感器的相应传感器位置与所述至少两个锚定设备的相应锚定设备位置之间的距离估计；通过将一系列算法应用于所确定的一组距离和所述至少两个锚定设备的已知位置来建立基于MI的定位框架；在建立所述基于MI的定位框架之后，确定第一组传感器位置，所确定的第一组传感器位置表示所述相应传感器位置在所述油气贮藏内的第一位置估计；以及在确定所述第一组传感器位置之后，基于所确定的第一组传感器位置来确定第二组传感器位置，所确定的第二组传感器位置表示所述相应传感器位置在所述油气贮藏内的第二位置估计。
该方面和其它方面可以包括以下特征中的一个或多个。应用所述一系列算法序列可以包括首先将加权最大似然估计(WMLE)，然后将半正定规划(SDP)松弛应用于所确定的一组距离和所述至少两个锚定设备的已知位置。确定所述第一组传感器位置可以包括将交替方向增强拉格朗日法(ADM)应用于所建立的基于MI的定位框架。确定所述第二组传感器位置可以包括将共轭梯度算法(CGA)应用于所确定的第一组传感器位置。所述第一位置估计可以是粗略估计，而所述第二位置估计可以是精细估计。所确定的第二组传感器位置可以比所确定的第一组传感器位置更精确。根据接收到的RMFS确定所述一组距离可以基于基于MI的通信信道模型。
在一些方面，偶极天线设置在油气贮藏上的钻井内部。一个锚定设备放置在所述油气贮藏内的所述偶极天线的顶部，并且另一锚定设备放置在所述油气贮藏内的所述偶极天线的底部。
另一种计算机实现的方法包括确定在油气贮藏中的WUSN中的多个传感器的相应传感器位置与至少两个锚定设备的相应锚定设备位置之间的一组距离，所述多个传感器设置在所述油气贮藏内的所述相应传感器位置处，所述至少两个锚定设备设置在所述油气贮藏内部的偶极天线上的所述相应锚定设备位置处，并且其中，所述至少两个锚定设备的位置是已知的；通过将一系列算法应用于所确定的一组距离和所述至少两个锚定设备的已知位置来建立基于MI的定位框架；在建立所述基于MI的定位框架之后，确定第一组传感器位置，所确定的第一组传感器位置表示所述相应传感器位置在所述油气贮藏内的第一位置估计；以及在确定所述第一组传感器位置之后，基于所确定的第一组传感器位置来确定第二组传感器位置，所确定的第二组传感器位置表示所述相应传感器位置在所述油气贮藏内的第二位置估计。
该方面的其他实现包括相应的计算机系统、装置和记录在一个或多个计算机存储设备上的计算机程序，它们均被配置为执行方法的动作。一个或多个计算机的系统可以被配置为通过软件、固件、硬件，或软件、固件或硬件的组合来执行特定的操作或动作，它们安装在所述系统上并且在操作时使所述系统执行这些动作。一个或多个计算机程序可以被配置为通过包括指令来执行特定操作或动作，其中所述指令在被数据处理装置执行时引起该装置执行动作。
例如，一种包括WUSN的系统，所述WUSN包括在地下区域中的所述WUSN中的多个传感器和至少两个锚定设备。所述至少两个锚定设备中的每一个可以包括存储器和数据处理装置，其中所述数据处理装置被配置为执行前面提到的计算机实现的方法。所述传感器中的每个传感器可以包括：存储器和数据处理装置，其中所述数据处理装置被配置为测量多个相应MI链路上的相应RMFS，所述多个MI链路形成将所述多个传感器和所述至少两个锚定设备彼此链接的MI网络，并且被配置为基于磁感应来通过所述MI网络将所述相应RMFS传输给至少一个锚定设备。
前述和其他实施方式均可以可选地单独地或组合地包括以下特征中的一个或多个：
在一些方面，其中，应用一系列算法可以包括首先将WMLE，然后将SDP松弛应用于所确定的一组距离和所述至少两个锚定设备的已知位置。
在一些方面，其中，确定所述第一组传感器位置可以包括将ADM应用于所建立的基于MI的定位框架。
在一些方面，其中，确定所述第二组传感器位置可以包括将CGA应用于所确定的第一组传感器位置。
在一些方面，所述第一位置估计可以是粗估计，而所述第二位置估计可以是精细估计。
在一些方面，所确定的第二组传感器位置可以比所确定的第一组传感器位置更精确。
在一些方面，偶极天线设置在油气贮藏上的钻井内部。
在一些方面，一个锚定设备放置在所述油气贮藏内部的所述偶极天线的顶部上，并且另一锚定件放置在所述油气贮藏内部的所述偶极天线的底部上。
在一些方面，所确定的一组距离基于基于MI的通信信道模型。
在本公开中描述的每个方面可以与在本公开中描述的一个或多个任何其他方面相结合。
虽然通常被描述为在有形的介质上体现的、处理和变换相应数据的计算机实现的软件，但是一些或所有方面可以是计算机实现的方法，或者被进一步包括在用于执行所描述的功能的相应系统或其他设备中。在附图和以下描述中阐述了本公开的这些和其他方面以及实施方式的细节。根据说明书和附图以及权利要求，本公开的其他特征和优点将是显而易见的。
附图说明
图1是示出了基于磁感应(MI)的定位系统设计的示例架构的示图。
图2是示出了用于地下油藏中的无线地下传感器网络(WUSN)的基于MI的通信的示例系统模型的图。
图3是根据接收磁场强度(RMFS)测量值进行距离估计的示例过程的流程图。
图4是基于MI的定位框架的示例过程的流程图。
图5是根据交替方向增强拉格朗日法(ADM)进行快速初始方位确定的示例过程的流程图。
图6是示出了示例性的基于ADM的快速初始方位确定算法的示图。
图7是根据共轭梯度算法(CGA)进行细粒度方位确定的示例过程的流程图。
图8是示出了示例性的基于CGA的细粒度方位确定算法的示图。
图9是示出了图6中所示的算法1的快速收敛的示例效果的图。
图10是示出了用于在地下油藏中的各种环境条件下的基于MI的定位的性能评估的示例参数设置的表格。
图11是示出了在示例性的基于ADM的快速初始方位确定算法之后的示例定位性能的图。
图12是示出了在示例性的基于ADM的快速初始方位确定算法和示例CGA之后的示例定位性能的图形。
图13是示出了在低噪声状况中在不同传感器传输范围下的基于MI的定位和半正定规划(SDP)松弛/最陡下降(SD)方法的示例估计误差的图。
图14是示出了在高噪声状况中在不同传感器传输范围下的基于MI的定位和SDP松弛/SD方法的示例估计误差的图。
图15是示出了对油藏环境中的基于MI的定位的定位性能的示例电导率影响的图。
图16是示出了对油藏环境中的基于MI的定位的定位性能的示例体积含水量(VWC)影响的图。
各附图中相似的附图标记和标号指示相似的元件。
具体实施方式
本公开描述了用于提供无线传感器设备在(例如在地下油藏中的)无线地下传感器网络(WUSN)中的精确定位的计算机实现的方法、软件和系统。
地下环境给使用经典电磁(EM)波进行无线通信提供无线传感器设备的精确定位带来了重大挑战。例如，EM通信的主要问题源自于极短的通信范围、高度不可靠的信道条件和大的天线尺寸，因此使得它们对于WUSN的实际部署是不实用的。
基于磁感应(MI)的通信是用于处理地下挑战的备选无线通信解决方案。基于MI的通信利用线圈的近磁场来传播信息，因此经由小尺寸线圈实现恒定的信道条件，并且使基于MI的通信适用于地下环境。
在一些实施方式中，基于MI的通信具有独特的多路径和无衰落传播特性。可以根据基于MI的通信信道模型，从接收磁场强度(RMFS)导出两个线圈之间的距离估计。例如，由于基于MI的通信受一些环境参数的影响，因此路径损耗和RMFS测量值是工作温度T、介质的电导率ε和介质的磁导率μ的函数。使用基于MI的通信信道模型，可以从RMFS测量值识别到发射器线圈和接收器线圈之间的估计距离。本公开应用该估计方法来获得成对传感器之间以及传感器与锚定设备之间的估计距离。
在一些实施方式中，可以根据基于MI的通信的独特的多路径和无衰落传播特性来建立基于MI的定位框架。例如，本公开描述了用于基于MI的定位框架的联合加权最大似然估计(WMLE)和半正定规划(SDP)松弛问题。在前面描述的距离估计中，最可能的估计误差来自背景噪声并且可以被建模为高斯随机变量。基于该假设，本公开描述了用于最小化距离估计误差的WMLE。进一步描述了SDP松弛以将WMLE问题重新表示为凸松弛问题的形式。
在一些实施方式中，可以根据基于MI的定位框架确定精确的传感器方位确定信息。例如，本公开描述了一种快速且有效的方位确定算法，称为交替方向增强拉格朗日法(ADM)，用于提供前面描述的SDP问题中的传感器位置的初始结果。ADM需要较少的计算和存储，并且可以利用诸如稀疏性之类的问题结构。这使得它更适用于解决大规模SDP，并且有时是解决大规模SDP的唯一实际选择。本公开还描述了一种被称为共轭梯度算法(CGA)的细粒度方位确定算法，用于以时间高效的方式增强传感器位置的初始结果的定位精确度。
示例性的基于MI的定位可以实现一个或多个优点。例如，独特的多路径和无衰落传播特性使得基于MI的通信适用于地下环境，例如地下油藏。示例性的基于MI的定位可以在地下环境中提供随机部署的无线传感器网络中的未知的传感器位置。示例性的基于MI的定位可以使用基于MI的通信的独特的多路径和无衰落传播特性来从RMFS测量值非常精确地推导成对传感器之间以及传感器与锚定设备之间的估计距离。示例性的基于MI的定位可以形成基于MI的定位框架，用于将WMLE技术和SDP松弛技术合并以在地下环境中进行稳健定位。示例性的基于MI的定位提出快速初始方位确定和细粒度方位确定，以在不同的地下环境设置下在低噪声状况和高噪声状况中以快速精确的方式实现基于MI的定位框架。因此，示例性的基于MI的定位适用于具有各种网络拓扑和不同环境约束的一般无线地下应用。在一些应用中，示例性的基于MI的定位可以实现附加的或不同的优点。
图1是示出了基于MI的定位系统设计的示例架构100的示图。基于MI的定位架构100包括测量在地下油藏环境中的基于MI的通信链路102上的RMFS。根据基于MI的通信信道模型，从测量的RMFS中确定基于MI的通信链路的距离估计。将定位框架104确立为联合WMLE106和SDP松弛108的问题形式，从而根据距离估计进行精确的传感器方位确定。可以在定位框架104上执行方位确定方法110以增强定位精确度。定位方法110包括用于提供传感器位置的初始结果的快速高效的初始方位确定算法(例如，ADM 112)。方位确定方法110还包括对初始结果执行细粒度方位确定算法(例如，CGA 114)，以便以时间高效的方式增强定位精确度。
图2是示出了用于地下油藏202中的WUSN的基于MI的通信的示例系统模型200的图。在一些实施方式中，可以在陆地地下区域上实现钻井系统230，例如，以执行压裂处理，从而从地下油藏202生产石油和天然气。可以在钻井系统230下方形成钻井204，并且可以在地下油藏202中形成压裂206。在一些实施方式中，可以将两个锚定设备(例如，锚定设备208(a1)和锚定设备210(a2)放在设置在钻井204内部的偶极天线中。锚定设备208(a1)位于偶极天线的顶部，并且锚定设备210(a2)位于偶极天线的底部。在一些实施方式中，锚定设备208(a1)和锚定设备210(a2)的位置是已知的。在一些实施方式中，设置了更少或更多的锚定设备。
可以将多个微型传感器(例如，传感器212(X1)、传感器214(X2)、传感器216(X3)、传感器218(X4)、传感器220(X5)和传感器222(X6))放在地下油藏中202中，这些微型传感器形成用于测量地下环境的条件的一个或多个WUSN。传感器可以测量地下油藏202的温度、压力、局部流体成分、化学成分或其他环境信息。一些或全部环境信息以及传感器位置信息可以例如基于MI通信，通过WUSN在多个传感器之间传送和/或被传送给锚定设备。传感器位置信息可以被用来映射地下油藏202的压裂206。MI通信网络224可以包括锚定设备与传感器之间的MI通信链路(例如，MI通信链路226)和相邻传感器之间的MI通信链路(例如，MI通信链路228)。MI通信可以包括单跳输送和多跳输送。例如，端到端MI传输可以沿传输路线包括两个以上的传感器。
每个传感器可以包括存储器、用于执行从RMFS测量值估计链路距离的示例技术的处理器或其他计算机可读介质或数据处理装置。例如，传感器可以包括存储器和以分布式方式执行示例过程300的处理器。在一些实施方式中，WUSN中的传感器可以包括用于与钻井系统230的计算机系统建立通信(例如，射频通信或蓝牙通信)的通信接口。计算机系统可以位于地下油藏202附近或位于远程的计算中心或设施中。在一些实施方式中，每个锚定设备可以包括存储器、用于执行提供地下油藏202中的WUSN中的无线传感器设备的精确定位的示例技术的处理器或其他计算机可读介质或数据处理设备。例如，锚定设备可以包括存储器和用于执行示例过程300、400、500和700的处理器。在一些实施方式中，锚定设备可以包括用于与钻井系统230的计算机系统建立通信(例如，射频通信或蓝牙通信)的通信接口。在一些实施方式中，本公开中描述的示例技术中的一些或全部(例如，示例过程300、400、500和700)可以由计算机系统以集中式方式来实现。
在一些实施方式中，传感器被随机部署在油藏压裂206中，并且存在两个锚定设备作为定位参考点。当初级线圈中存在交流电流时，初级线圈与次级线圈之间的感应形成MI通信链路。在一些实施方式中，WUSN中的每个传感器或每个锚定设备或两者可以包括或被附接到或以其他方式关联到作为MI通信天线的线圈。例如，传感器(或锚定设备或两者)可以是集成传感器(或集成锚定设备或两者)，其具有嵌入式线圈天线或具有带有外部(附接的)线圈的传感器(或锚定设备或两者)。在一些实施方式中，锚定设备设置在钻井204内部的大偶极天线上以与传感器通信。传感器收集的信息可以通过多跳通信被发送回给锚定设备。
在一些实施方式中，如下所示对网络模型数学抽象。在不失一般性的情况下，WUSN包含具有由集合(或者由矩阵Xn×N：＝[X1，...，XN])表示的位置随机的N个传感器和具有由集合 表示的已知位置的两个锚定设备。另外，通过建立基于MI的通信的信道模型(图3所示)，在设计定位系统时有两种类型的信息可用。具体地，如图3所示，信道模型从相应RMFS提供传感器之间的估计距离(例如，且j∈NHi，其中NHi表示传感器i的相邻传感器集合)以及锚定设备与传感器之间的估计距离(例如，且1≤k≤K)。在一些实施方式中，锚定设备支持用于实现大传输范围通信的灵活设计。结果，存在每个锚定设备到每个传感器的直接通信链路。本公开描述了一种定位系统，该定位系统根据给定的锚定设备位置、传感器之间的估计距离以及锚定设备与传感器之间的估计距离来提供未知的传感器位置。在一些实施方式中，定位系统可以在连接到至少一个锚定设备的本地或远程计算控制中心中实现。
图3是从RMFS测量值进行距离估计的示例过程300的示图。在一些实施方式中，RMFS测量310包括温度T、电导率ε、磁导率μ或地下油藏中的WUSN的其他环境条件或参数的测量值。在一些实施方式中，可以通过基于MI的通信信道模型从RMFS测量值估计传感器之间以及锚定设备与传感器之间的距离320。
基于MI的通信具有独特的多路径和无衰落传播特性。结果，可以基于基于MI的通信信道模型(稍后描述)，从RMFS值确定两个线圈之间的距离估计。具体地，由于基于MI的通信受到一些环境参数的影响，所以路径损耗并且由此RMFS测量值是工作温度T、介质的电导率ε以及介质的磁导率μ的函数。另外，通过应用基于MI的通信信道模型，可以从RMFS测量值唯一地识别发射器器线圈和接收器线圈之间的距离。可以应用估计方法来获得成对传感器之间的估计距离以及传感器与锚定设备之间的估计距离
在MI通信的情况下，数据信息由时变磁场承载。这种磁场由沿发射器处的MI线圈天线的调制正弦电流生成。接收器通过解调沿接收线圈天线的感应电流来获取该信息。由于磁场不呈现多径行为，因此对于给定的RMFS，可以在基于MI的通信中参照加性高斯白噪声(AWGN)信道来唯一地估计发射器与接收器之间的距离。具体地，可以应用变压器电路模型来精确地获得基于MI的通信的路径损耗，从而为定位系统提供所需的估计距离。详细信息如下。
对于MI信道，RMFS和发射功率之间存在以下关系：
其中Pr[分贝毫瓦或dBm]和Pt[dBm]分别是RMFS和发射功率；LMI[分贝或dB]是路径损耗；W是零均值高斯分布随机变量，其标准偏差是σ并且构成背景噪声。在m个收集的RMFS测量值(即，Pr1，...，Prm)的情况下，等式(1)意味着这些测量值是均值为θ且方差为σ2的独立同分布(i.i.d.)高斯变量，并产生RMFS的似然函数(即均值)，如下
考虑θ的最大似然估计，其中可以导出以下等式：
利用这种无偏估计器，可以从MI路径损耗模型唯一地估计传输距离，并将该传输距离导出为：
其中ω是工作角频率，μ[亨利每米或H/m]是磁导率，T[开尔文或oK]是工作温度，ε[法每米或F/m]是电导率，σ[西门子每米或S/m]是电导率，G(·)是来自趋肤深度效应的附加损耗因子，Ni(Nj)是发射器i(接收器j)线圈的匝数，ai(aj)[厘米或cm]是半径，并且[欧姆每米或Ω/m]是单位长度电阻。等式(4)来自这样的事实，即，当传输距离d增加时，RMFS以(1/d3)的速率减小。在2D油藏环境中，发射器(接收器)线圈径向与两个线圈的连接线之间的角度变为零。基于MI的定位利用基于MI的信号的这种独特的多径无衰落传播特性来提供精确、简单和方便的定位算法。
图4是示出了基于MI的定位框架的示例过程400的示图。示例性的基于MI的定位框架将来自RMFS测量值的含噪距离估计410作为输入，应用有序的一系列算法(例如，联合WMLE 420和SDP松弛430)，并产生用于精确传感器方位确定的有用参数440。WMLE 420处理距离估计误差。SDP松弛430将定位问题重新表示为凸松弛问题的形式。
在一些实施方式中，根据基于MI的信号的传播特性，针对基于MI的定位提出了联合WMLE和SDP松弛问题。具体地，最可能的估计误差来自背景噪声。结果，估计误差可以被建模为高斯随机变量(例如，并且估计距离可以被建模为 提出WMLE 420，用于根据似然函数表达式来最小化成对距离和估计距离之间的失配。进一步提出SDP松弛430，将WMLE问题重新表示凸松弛问题的形式，以将原来的结构化问题重构并放松成由希望的数学结构可求解的问题。结果，提供了若干参数。这些参数包括表征传感器与锚定设备之间的连接的Aij、这些参数还包括用于在设计精确的定位算法时使用的估计距离
图5是示出了根据ADM进行快速初始方位确定的示例过程500的示图。示例过程500利用由基于MI的定位框架给出的参数510来进行快速初始方位确定的设计，制定原始变量520和对偶变量530来实现用于联合WMLE和SDP松弛问题的快速算法(例如，ADM)，并且导出原始变量和对偶变量的更新规则540，以便以时间高效的方式获得初始传感器位置550。
在一些实施方式中，当SDP问题的约束的数量接近未知参数的阶数时，内部点方法在每次迭代时在计算时间和存储方面都变得不实用。另一方面，ADM，即快速一阶方法，提供了更少的计算时间和存储，并且可以利用诸如稀疏性之类的问题结构。因此，ADM更适合解决大规模SDP，并且有时是解决大规模SDP的唯一实际选择。基于MI的定位检查定位SDP松弛的标准形式，并且通过用于这种标准SDP的ADM提出了快速初始方位确定。具体地，形成原始变量Z 520和对偶变量Λ530，导出对应的增强拉格朗日函数，并计算更新规则540以完成快速初始方位确定的设计。在图6中示出了用于快速初始方位确定的示例ADM(即，算法1)。
图6是示出了示例ADM 600(即快速初始方位确定算法)的示图。示例ADM 600(例如，算法1)可以以速率O(1/m)收敛到最优解，其中m是所应用的迭代的数量。
图7是示出了根据CGA的细粒度方位确定的示例过程700的示图。示例性过程700通过细粒度方位确定的设计来精细化根据ADM的初始位置结果710，通过检查WMLE目标函数的梯度来制定最佳估计位置的最优准则730，通过构造用于有效最优点搜索(例如，CGA)的共轭方向来导出更新迭代720，并提供最终的精确位置结果740。
在一些实施方式中，在根据所提出的ADM求解SDP松弛之后，从SDP松弛获得的解具有高阶特性。例如，在2D油藏压裂中，根据所提出的ADM的高阶最优解应该在不失去最优性的情况下被转化为2D位置解。换句话说，基于快速初始方位确定的结果，可以微调传感器方位确定以进一步提高位置精度。这可以通过在恰当的维度中设计用于最优位置解的搜索算法来实现。基于MI的定位借助于构造共轭方向(CD)来使用CGA的复杂搜索方法，以优于传统的最陡下降(SD)方法。具体地，给定来自ADM的X(0)，按照X(m+1)＝X(m)+αmd(m)进行搜索迭代，其中应用第一次迭代的梯度方向，并且f(·)是WMLE目标函数。步长尺寸αm由αm＝argminα≥0Φm(α)来确定，其中Φm(·)被定义为Φm(α)：＝f(X(m)+αd(m))。如果在当前迭代之后CGA没有接近最小点，则它利用来从当前方向d(m)构造下一个共轭方向d(m+1)，其中经由共轭概念由Fletcher-Reeves按照来获得βm。图8中示出了用于细粒度方位确定的示例CGA(即，算法2)。所提出的基于MI的定位通过连续执行所提出的算法1中的ADM和算法2中的CGA来解决基于MI的定位的联合WMLE和SDP问题。
图8是示出了示例CGA 800即细粒度方位确定算法的示图。
图9是示出了图6所示的算法1的快速收敛的示例效果的图，900。在10％的信道估计误差下，在2D油藏压裂内对算法1进行仿真。存在传输范围为3.2m(米)的60个随机分布的传感器，以及传输范围覆盖整个传感器区域的两个固定的锚定设备。如图9所示，算法1的收敛速率与理论结果O(1/m)相匹配。所提出的ADM(例如，算法1)在100次迭代之后提供令人满意的结果。在一些实施方式中，100次迭代的条件来作为期望的停止点。
在2D油藏压裂的实际场景中对性能评估进行仿真。在仿真中，在单个钻井内部存在两个锚定设备，并且在8×8m2(平方米)的区域中随机部署20个传感器。每个锚定设备由于其较大的传输范围而具有到每个传感器的直接通信链路，并且每个传感器的传输范围R被设置为3.2m。图10是示出了在地下油藏中的各种环境条件下用于基于MI的定位的性能评估的示例参数设置的表1000。油藏的对应环境设置与高温、小型线圈天线等真实场景相匹配。此外，为了从估计误差来表征噪声水平，将噪声因子(nf)定义为其是给定的用于控制噪声方差量的[0，1]之间的数。此外，为了通过测量估计失配来表征方位确定精度，将均方根距离(RMSD)度量定义为其中x是实际传感器位置，并且从定位算法中获得。
图11是示出了在示例性的基于ADM的快速初始方位确定算法(例如，如图6中所示的算法1)之后的示例定位性能的图，1100。对于高噪声水平(例如，nf＝1)，在初始方位确定算法之后，位置失配误差较大，并且对于初始结果来说是不可忽略的。
图12是示出了在示例性的基于ADM的快速初始方位确定算法和示例性的CGA(例如，如图6所示的算法1+如图8所示的算法2)之后的示例定位性能的图，1200。对于高噪声水平(例如，nf＝1)，细粒度方位确定用快速一维搜索算法增强了初始结果的定位精度。
图13是示出了在低噪声状况中在不同传感器传输范围下的基于MI的定位和半正定规划(SDP)松弛/最陡下降(SD)方法(例如，基准)的示例估计误差的图，1300。图14是示出了在高噪声状况中在不同传感器传输范围下的基于MI的定位和SDP松弛/SD方法的示例估计误差的图，1400。在SDP松弛/SD方法中，定位问题也被表达为SDP松弛的形式，并且应用SD方法来细化初始结果。在一些实施方式中，SDP松弛/SD方法可以提供最小可接受的性能，并且因此给出性能基准。在性能比较中，随机部署了60个传感器。位置估计误差被计算为传感器传输范围的百分比。对于1.6m和3.2m的传输范围，基于MI的定位具有比SDP松弛/SD方法更小的估计误差，并且因此在所有评估的噪声因子下优于基准方法。
针对具有不同介质传导性的地下环境来进一步评估基于MI的定位。虽然基于MI的通信因其适用性而用于地下环境中，但周围区域中的水含量可能影响通信质量。具体地，如果在地下环境中存在更多电解质，则基于感应的通信以及因此基于MI的定位可能显著变差。在评估中，将60个传感器随机部署在油藏中，并且每个传感器可以承受120dB的最大路径损耗。图15是示出了不同的水含量对油藏环境中的基于MI的定位的定位性能的示例传导性影响的图，1500。具体地，咸水提供大的信号传导性，损害了信号感应，并且因此产生最差的RMSD值。当噪声水平极低时(例如，nf＝0.05)，15％体积含水量(VWC)的定位结果可以接近干燥区域的定位结果。随着噪声水平的增加，潮湿区域和干燥区域之间的性能差异也会增加。
图16是示出了对油藏环境中的基于MI的定位的定位性能的示例VWC影响的图1600。水含量被设置为传导率σ0＝5×10-2，其中σ0是20℃下的电导率。随着VWC的增加，性能差异并不明显，除非在非常高的噪音水平下。当噪声水平非常高时(例如，nf＝1)，较大的VWC带来了更多的信号传导性而非感应，损害了通信质量，并且因此降低了定位性能。
本公开中描述的操作可以被实现为数据处理装置对一个或多个计算机可读存储设备上存储的或者从其它源接收的数据执行的操作。术语“数据处理装置”涵盖用于处理数据的所有类型的装置、设备和机器，例如包括可编程处理器、计算机、片上系统或者前述各项中的多个或者组合。所述装置可以包括专用逻辑电路，例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)。除了硬件以外，所述装置还可以包括为所讨论的计算机程序创建运行环境的代码，例如，构成处理器固件、协议栈、数据库管理系统、操作系统、跨平台运行时环境、虚拟机或者上述各项中的一项或多项的组合的代码。装置和运行环境可以实现各种不同的计算模型基础设施，例如，web服务、分布式计算和网格计算基础设施。
可以以任何形式的编程语言来写计算机程序(也称作程序、软件、软件应用程序、脚本或代码)，所述编程语言包括：编译或解释语言、声明或程序语言，并且可以以任何形式来部署计算机程序，包括部署为单独的程序或者部署为适合于用于计算环境的模块、组件、子例程、对象，或者其它单元。计算机程序可以(但不必)与文件系统中的文件相对应。程序可以存储在保持其他程序或数据(例如，存储在标记语言文档中的一个或多个脚本)的文件的一部分中、专用于所讨论的程序的单个文件中、或者存储在多个协同文件中(例如，存储一个或多个模块、子程序或代码部分的文件)。计算机程序可以被部署为在一个计算机上或者在位于一个站点或分布在多个站点并且通过通信网络互连的多个计算机上执行。
虽然本公开包含许多具体的实施细节，但这些不应被解释为对任何实施方式的范围或者对任何可以要求保护的范围的限制，而是作为具体到特定实施方式的特征的描述。在单个实施方式中，还可以组合实现本公开中在独立实施方式的上下文中描述的特定特征。相反的，单个实现上下文描述的不同特征也可在多个实施方式中各自实现，或以适当的子组合来实现。此外，尽管特征可以在先前被描述为在某些组合中起作用并且甚至最初如此要求保护，但是来自所要求保护的组合的一个或多个特征在一些情况下可以从组合中删除，并且所要求保护的组合可以针对子组合或子组合的变体。
类似地，尽管在附图中以特定顺序描绘了操作，但是这不应被理解为要求这些操作以示出的特定顺序或以顺序次序执行，或者需要执行所有示出的操作来实现期望的结果。在特定情境下，多任务处理和并行处理可能是有利的。此外，在先前所描述的实施方式中的各种系统组件的分离不应被理解为在所有实施方式中需要这样的分离，并且应当理解，所描述的程序组件和系统通常可以集成在单个软件产品中或被打包成多个软件产品。
因此，描述了本主题的具体实现。其它实施方式在所附的权利要求的范围内。在一些情况中，在权利要求书中记载的动作可以以不同顺序来执行，并且仍然实现期望结果。此外，附图中示出的处理不必须要求所示出的特定顺序或按次序来实现期望结果。在特定实施方式中，多任务处理和并行处理可以是有利的。

Claims (26)

1.一种方法，包括：
油气贮藏中的无线地下传感器网络WUSN中的多个传感器中的每个传感器测量多个相应磁感应MI链路上的相应接收磁场强度RMFS，所述多个相应MI链路形成将所述多个传感器和至少两个锚定设备彼此链接的MI网络，其中，所述多个传感器设置在所述油气贮藏内的相应传感器位置处，所述至少两个锚定设备设置在所述油气贮藏内部的偶极天线上的相应锚定设备位置处，并且所述至少两个锚定设备的位置是已知的；
所述多个传感器中的每个传感器基于磁感应，通过所述MI网络向至少一个锚定设备发送所述相应RMFS；
根据接收到的RMFS确定一组距离，其中，所确定的一组距离表示在所述WUSN中的所述多个传感器的相应传感器位置与所述至少两个锚定设备的相应锚定设备位置之间的距离估计；
通过将一系列算法应用于所确定的一组距离和所述至少两个锚定设备的已知位置来建立基于MI的定位框架；
在建立所述基于MI的定位框架之后，确定第一组传感器位置，其中，所确定的第一组传感器位置表示所述相应传感器位置在所述油气贮藏内的第一位置估计；以及
在确定所述第一组传感器位置之后，基于所确定的第一组传感器位置来确定第二组传感器位置，其中所确定的第二组传感器位置表示所述相应传感器位置在所述油气贮藏内的第二位置估计。
2.根据权利要求1所述的方法，其中，应用所述一系列算法包括首先将加权最大似然估计WMLE、然后将半正定规划SDP松弛应用于所确定的一组距离和所述至少两个锚定设备的已知位置。
3.根据权利要求1所述的方法，其中，确定所述第一组传感器位置包括将交替方向增强拉格朗日法ADM应用于所建立的基于MI的定位框架。
4.根据权利要求3所述的方法，其中，确定所述第二组传感器位置包括将共轭梯度算法CGA应用于所确定的第一组传感器位置。
5.根据权利要求1所述的方法，其中，所述第一位置估计是粗略估计，而所述第二位置估计是精细估计。
6.根据权利要求1所述的方法，其中，所确定的第二组传感器位置比所确定的第一组传感器位置更精确。
7.根据权利要求1所述的方法，其中，所述偶极天线设置在所述油气贮藏上的钻井内部。
8.根据权利要求7所述的方法，其中，一个锚定设备放置在所述油气贮藏内的所述偶极天线的顶部，并且另一锚定设备放置在所述油气贮藏内的所述偶极天线的底部。
9.根据权利要求1所述的方法，其中，根据接收到的RMFS确定所述一组距离是基于基于MI的通信信道模型。
10.一种计算机实现的方法，包括：
确定在油气贮藏中的无线地下传感器网络WUSN中的多个传感器的相应传感器位置与至少两个锚定设备的相应锚定设备位置之间的一组距离，其中，所述多个传感器设置在所述油气贮藏内的所述相应传感器位置处，所述至少两个锚定设备设置在所述油气贮藏内的偶极天线上的所述相应锚定设备位置处，并且所述至少两个锚定设备的位置是已知的；
通过将一系列算法应用于所确定的一组距离和所述至少两个锚定设备的已知位置来建立基于MI的定位框架；
在建立所述基于MI的定位框架之后，确定第一组传感器位置，其中，所确定的第一组传感器位置表示所述相应传感器位置在所述油气贮藏内的第一位置估计；以及
在确定所述第一组传感器位置之后，基于所确定的第一组传感器位置来确定第二组传感器位置，其中所确定的第二组传感器位置表示所述相应传感器位置在所述油气贮藏内的第二位置估计。
11.根据权利要求10所述的方法，其中，应用所述一系列算法包括首先将加权最大似然估计WMLE、然后将半正定规划SDP松弛应用于所确定的一组距离和所述至少两个锚定设备的已知位置。
12.根据权利要求10所述的方法，其中，确定所述第一组传感器位置包括将交替方向增强拉格朗日法ADM应用于所建立的基于MI的定位框架。
13.根据权利要求12所述的方法，其中，确定所述第二组传感器位置包括将共轭梯度算法CGA应用于所确定的第一组传感器位置。
14.根据权利要求10所述的方法，其中，所述第一位置估计是粗略估计，而所述第二位置估计是精细估计。
15.根据权利要求10所述的方法，其中，所确定的第二组传感器位置比所确定的第一组传感器位置更精确。
16.根据权利要求10所述的方法，其中，所述偶极天线设置在所述油气贮藏上的钻井内部。
17.根据权利要求16所述的方法，其中，一个锚定设备放置在所述油气贮藏内的所述偶极天线的顶部，并且另一锚定设备放置在所述油气贮藏内的所述偶极天线的底部。
18.根据权利要求10所述的方法，其中，所确定的一组距离基于磁感应MI通信信道模型。
19.一种存储指令的非暂时性计算机可读介质，所述指令可由计算机系统执行以执行如下操作，包括：
确定在油气贮藏中的无线地下传感器网络WUSN中的多个传感器的相应传感器位置与至少两个锚定设备的相应锚定设备位置之间的一组距离，其中，所述多个传感器设置在所述油气贮藏内的所述相应传感器位置处，所述至少两个锚定设备设置在所述油气贮藏内的偶极天线上的所述相应锚定设备位置处，并且所述至少两个锚定设备的位置是已知的；
通过将一系列算法应用于所确定的一组距离和所述至少两个锚定设备的已知位置来建立基于MI的定位框架；
在建立所述基于MI的定位框架之后，确定第一组传感器位置，其中，所确定的第一组传感器位置表示所述相应传感器位置在所述油气贮藏内的第一位置估计；以及
在确定所述第一组传感器位置之后，基于所确定的第一组传感器位置来确定第二组传感器位置，其中所确定的第二组传感器位置表示所述相应传感器位置在所述油气贮藏内的第二位置估计。
20.根据权利要求19所述的计算机可读介质，其中，应用所述一系列算法包括首先将加权最大似然估计WMLE、然后将半正定规划SDP松弛应用于所确定的一组距离和所述至少两个锚定设备的已知位置。
21.根据权利要求19所述的计算机可读介质，其中，确定所述第一组传感器位置包括将交替方向增强拉格朗日法ADM应用于所建立的基于MI的定位框架。
22.根据权利要求21所述的计算机可读介质，其中，确定所述第二组传感器位置包括将共轭梯度算法CGA应用于所确定的第一组传感器位置。
23.一种系统，包括：
多个传感器，设置在油气贮藏中的无线地下传感器网络WUSN中的相应传感器位置处，所述多个传感器用于：
所述多个传感器中的每个传感器测量多个相应磁感应MI链路上的相应接收磁场强度RMFS，所述多个相应MI链路形成将所述多个传感器和至少两个锚定设备彼此链接的MI网络；以及
所述多个传感器中的每个传感器基于磁感应，通过所述MI网络向至少一个锚定设备发送所述相应RMFS；
至少两个锚定设备，设置在所述油气贮藏内的偶极天线上的相应锚定设备位置处，其中，所述至少两个锚定设备的位置是已知的，所述至少两个锚定设备用于通过所述MI网络从所述多个传感器接收所述相应RMFS；以及
数据处理装置，用于：
确定在所述油气贮藏中的所述WUSN中的所述多个传感器的所述相应传感器位置与所述至少两个锚定设备的所述相应锚定设备位置之间的一组距离；
通过将一系列算法应用于所确定的一组距离和所述至少两个锚定设备的已知位置来建立基于MI的定位框架；
在建立所述基于MI的定位框架之后，确定第一组传感器位置，其中，所确定的第一组传感器位置表示所述相应传感器位置在所述油气贮藏内的第一位置估计；以及
在确定所述第一组传感器位置之后，基于所确定的第一组传感器位置来确定第二组传感器位置，其中所确定的第二组传感器位置表示所述相应传感器位置在所述油气贮藏内的第二位置估计。
24.根据权利要求23所述的系统，其中，应用所述一系列算法包括首先将加权最大似然估计WMLE、然后将半正定规划SDP松弛应用于所确定的一组距离和所述至少两个锚定设备的已知位置。
25.根据权利要求23所述的系统，其中，确定所述第一组传感器位置包括将交替方向增强拉格朗日法ADM应用于所建立的基于MI的定位框架。
26.根据权利要求25所述的系统，其中，确定所述第二组传感器位置包括将共轭梯度算法CGA应用于所确定的第一组传感器位置。
CN201780036068.7A 2016-04-15 2017-04-13 地下油藏中的无线传感器网络的基于磁感应的定位 Active CN109983366B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662323103P 2016-04-15 2016-04-15
US62/323,103 2016-04-15
PCT/US2017/027399 WO2017180860A1 (en) 2016-04-15 2017-04-13 Magnetic induction based localization for wireless sensor networks in underground oil reservoirs

Publications (2)

Publication Number Publication Date
CN109983366A true CN109983366A (zh) 2019-07-05
CN109983366B CN109983366B (zh) 2021-08-10

Family

ID=58606601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780036068.7A Active CN109983366B (zh) 2016-04-15 2017-04-13 地下油藏中的无线传感器网络的基于磁感应的定位

Country Status (7)

Country Link
US (4) US10042077B2 (zh)
EP (1) EP3443392B1 (zh)
JP (1) JP6748287B2 (zh)
CN (1) CN109983366B (zh)
CA (1) CA3020901A1 (zh)
SA (1) SA518400231B1 (zh)
WO (1) WO2017180860A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110401503B (zh) * 2019-07-26 2021-09-07 郑州轻工业大学 一种分析具有带式输送机的矩形巷道内电磁波传播的方法
US11579325B2 (en) * 2020-05-05 2023-02-14 Saudi Arabian Oil Company Method and system for mapping underground sensors onto a network map
CN113296134B (zh) 2021-04-15 2023-08-29 中国地质大学（武汉） 一种水库滑坡阵列式水下变形监测装置及监测方法
CN114430525B (zh) * 2022-03-15 2022-10-18 中国矿业大学 一种封闭空间基于传感器网络的分布式定位方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102422657A (zh) * 2009-05-08 2012-04-18 高通股份有限公司 本地网际协议接入能力指示
CN103269241A (zh) * 2013-05-13 2013-08-28 山东大学 一种多跳多中继协作网络的波束成形方法
CN104885547A (zh) * 2013-01-05 2015-09-02 高通股份有限公司 用于具有有限链路预算的网络的多信道的多址方案
WO2015134705A2 (en) * 2014-03-05 2015-09-11 William Marsh Rice University Systems and methods for fracture mapping via frequency-changing integrated chips

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3885212A (en) * 1973-04-05 1975-05-20 Halmar Electronics Sector flux null current measuring apparatus and method
US4023092A (en) * 1974-04-29 1977-05-10 W. R. Grace & Co. Apparatus for sensing metal in wells
EP0390935A1 (de) * 1989-03-29 1990-10-10 Siemens Aktiengesellschaft Verfahren zum Kalibrieren von Mehrkanal-Squid-Systemen mit Gradiometern beliebiger Ordnung
US5387863A (en) * 1992-04-14 1995-02-07 Hughes Aircraft Company Synthetic aperture array dipole moment detector and localizer
US5767668A (en) * 1996-01-18 1998-06-16 Case Western Reserve University Remote current sensor
US6292758B1 (en) * 1998-10-19 2001-09-18 Raytheon Company Linear perturbation method for Kalman filter tracking of magnetic field sources
DE10014703B4 (de) * 2000-03-24 2005-01-13 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren zum Wiederauffinden von vorgebbaren Stellen in Kanal- und Rohrleitungssystemen
US7443359B2 (en) * 2002-03-12 2008-10-28 Merlin Technology, Inc. Locating technique and apparatus using an approximated dipole signal
US7970574B2 (en) 2005-06-22 2011-06-28 The Board Of Trustees Of The Leland Stanford Jr. University Scalable sensor localization for wireless sensor networks
US7831205B2 (en) 2007-01-16 2010-11-09 Utah State University Methods and systems for wireless communication by magnetic induction
US7622915B2 (en) * 2007-06-29 2009-11-24 Hitachi High-Technologies Corporation Magnetic head test method and magnetic head tester
KR101037433B1 (ko) 2009-03-06 2011-05-30 전자부품연구원 지중 시설물 관리를 위한 무선 통신 시스템
US9062539B2 (en) * 2011-04-26 2015-06-23 Saudi Arabian Oil Company Hybrid transponder system for long-range sensing and 3D localization
WO2015086062A1 (en) 2013-12-11 2015-06-18 Abb Technology Ltd Method for positioning humans and devices in underground environments

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102422657A (zh) * 2009-05-08 2012-04-18 高通股份有限公司 本地网际协议接入能力指示
CN104885547A (zh) * 2013-01-05 2015-09-02 高通股份有限公司 用于具有有限链路预算的网络的多信道的多址方案
CN103269241A (zh) * 2013-05-13 2013-08-28 山东大学 一种多跳多中继协作网络的波束成形方法
WO2015134705A2 (en) * 2014-03-05 2015-09-11 William Marsh Rice University Systems and methods for fracture mapping via frequency-changing integrated chips

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
TZU-CHEN LIANG等: "A Gradient Search Method to Round the Semidefinite Programming Relaxation Solution for Ad Hoc Wireless Sensor Network Localization", 《TECHNICAL REPORT》 *
ZAIWEN WEN等: "Alternating direction augmented Lagrangian methods for semidefinite programming", 《MATH. PROG. COMP.》 *

Also Published As

Publication number Publication date
JP2019516112A (ja) 2019-06-13
SA518400231B1 (ar) 2022-04-21
EP3443392A1 (en) 2019-02-20
CN109983366B (zh) 2021-08-10
JP6748287B2 (ja) 2020-08-26
US20180299578A1 (en) 2018-10-18
US20190101664A1 (en) 2019-04-04
CA3020901A1 (en) 2017-10-19
US10151851B2 (en) 2018-12-11
US10379248B2 (en) 2019-08-13
US20170351001A1 (en) 2017-12-07
US10042077B2 (en) 2018-08-07
US20170299759A1 (en) 2017-10-19
US10048400B2 (en) 2018-08-14
EP3443392B1 (en) 2021-09-29
WO2017180860A1 (en) 2017-10-19

Similar Documents

Publication Publication Date Title
CN109983366A (zh) 地下油藏中的无线传感器网络的基于磁感应的定位
CN105588566B (zh) 一种基于蓝牙与mems融合的室内定位系统及方法
Kang et al. Improved heading estimation for smartphone-based indoor positioning systems
Chen et al. Sequential Monte Carlo for simultaneous passive device-free tracking and sensor localization using received signal strength measurements
Niewiadomska-Szynkiewicz Localization in wireless sensor networks: Classification and evaluation of techniques
Ni et al. RFID-based localization and tracking technologies
Shen et al. {Walkie-Markie}: indoor pathway mapping made easy
US9699614B2 (en) Positioning environment analysis apparatus, and method and system for predicting location determination performance of terminal using the same
Faragher et al. Towards an efficient, intelligent, opportunistic smartphone indoor positioning system
CN105143909A (zh) 用于无线电地图的动态生成的系统、方法和计算机程序
Wang et al. Sensor network localization using kernel spectral regression
CN107783183B (zh) 深度域地震波阻抗反演方法及系统
CN106028290A (zh) 基于Kriging的WSN多维度向量指纹定位方法
Stone et al. A survey of distance‐based wireless sensor network localization techniques
CN105357707B (zh) 基于克里金插值算法的室内分布式移动通信信号覆盖预测方法
Cheng et al. An anchor node selection scheme for improving RSS-based localization in wireless sensor network
Béjar et al. A practical approach for outdoors distributed target localization in wireless sensor networks
CN104583726B (zh) 使用来自智能计量器的数据提供位置辅助信息
Xu et al. Variance-based fingerprint distance adjustment algorithm for indoor localization
Wang et al. Leto: crowdsourced radio map construction with learned topology and a few landmarks
Gouda et al. Enhanced DV-Hop using shuffled shepherd algorithm for localizing sensor nodes in 3-D space
Rayar et al. A RSS-based path loss model approaches multi-dimensional scaling to localize 2D sensor nodes in WSN
Hastari et al. Students trajectory pattern finding scheme based on RSSI geolocation as a part of smart campus
Tan et al. Backprojection and Integration for the Multi-Scale Spatial Model in Radio Tomographic Imaging
Naveed et al. Smart indoor Positioning Model for Deterministic Environment

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant