Técnicas de Localización en

Redes Inalámbricas de Sensores ∗

Eva M. García Polo

Instituto de Investigación en Informática de Albacete

Departamento de Sistemas Informáticos
Universidad de Castilla-La Mancha
[email protected]

Resumen. Actualmente, las redes inalámbricas de sensores gozan de un gran

interés, motivado por su amplio abanico de aplicaciones. Uno de los problemas
cruciales de estas redes es la determinación de dónde se encuentra físicamente
un nodo, conocido como problema de localización. En este trabajo se presentan
y detallan diversas técnicas de localización utilizadas en la actualidad,
clasificadas en tres grandes grupos: basadas en distancias, libres de distancias y
técnicas con uno o varios nodos móviles. A lo largo del trabajo, veremos que la
elección de la técnica óptima de localización dependerá en gran medida de la
aplicación concreta a la que vaya destinada la red de sensores.

Keywords: Redes inalámbricas de sensores, localización.

1 Introducción

En los últimos años, las redes inalámbricas de sensores (en adelante WSNs de
Wireless Sensor Networks) gozan de un gran interés, tanto por parte de la comunidad
científica como del sector industrial. Los avances en las comunicaciones inalámbricas
y en la electrónica, han hecho viable el desarrollo de redes de sensores
multifuncionales de bajo coste y bajo consumo. Estos pequeños sensores, o “motes”
(de mota de polvo), son capaces de medir parámetros físicos, procesar información y
comunicarla a otros dispositivos, generalmente, a través de un canal de radio-
frecuencia (RF). Los campos de aplicación de las WSNs son innumerables. Algunas
de estas aplicaciones son: telemática, agricultura de precisión, exploración de hábitats,
detección y actuación ante desastres, edificios inteligentes, gestión de centros
gubernamentales, monitorización sanitaria y médica, entre otras.
Es evidente que una de las cuestiones críticas en la mayoría de las aplicaciones
anteriores, es relacionar los datos físicos medidos con posiciones en el espacio. Esta
cuestión se conoce con el nombre de localización, es decir, cada dispositivo debe
conocer su posición exacta en el espacio en cualquier instante de tiempo.

∗ Este trabajo ha sido financiado por los siguientes proyectos: CSD2006-46 (Ministerio de
Educación y Ciencia), TIN2006-15516-C04-02 (Ministerio de Educación y Ciencia) y
PREG-07-25 (Junta de Comunidades de Castilla-La Mancha).
 En ocasiones es difícil, si no imposible, que dicha posición pueda ser programada
en cada dispositivo de antemano. Piénsese, por ejemplo, en el despliegue de una WSN
desde un vehículo aéreo tras la ocurrencia de un desastre, la introducción de sensores
en un glaciar para analizar su desplazamiento, o el anillamiento de aves para estudiar
sus hábitos migratorios. En entornos al aire libre, es posible el empleo de un sistema
de posicionamiento por satélite, como el GPS (Global Positioning System) [12] o la
propuesta europea Galileo [7]. Sin embargo, hoy por hoy, dotar a todos los sensores
de la red de un receptor GPS es una opción inviable, debido fundamentalmente a
razones de tamaño, consumo y precio. Por tanto, lo habitual es que solamente una
porción de los motes conozca su posición exacta. Estos nodos, denominados en la
literatura balizas (beacons) o anclas (anchors), difunden dicha información al resto de
la red. Entonces, mediante un algoritmo distribuido, el resto de los motes podrán
llegar a inferir su ubicación.
Existe otro tipo de aplicaciones que asumen la existencia de nodos móviles que es
necesario localizar (este tipo de algoritmos se denominan de seguimiento o tracking).
Citemos como ejemplo Motetrack [16], un sistema descentralizado basado en radio-
frecuencia para realizar el seguimiento de objetivos móviles. Su funcionamiento está
basado en la utilización de una serie de motes actuando como balizas, que emiten
periódicamente mensajes indicando su identificador y su potencia de transmisión.
Previo a la utilización del sistema es necesario realizar un proceso de calibración en el
que un usuario móvil con un receptor de radio recolecta un conjunto de referencias de
dichas balizas. Una vez que se ha calibrado el sistema, el objetivo móvil que desea
conocer su posición escucha durante un instante de tiempo. Se realiza entonces un
proceso de obtención de la posición que consiste en calcular el centroide geográfico
del conjunto de referencias que están al alcance de dicho objetivo.
En otras ocasiones, son precisamente los nodos móviles los que proporcionan
información de posicionamiento al resto de la red. Un ejemplo son los aviones no
tripulados o UAVs (Unmanned Aerial Vehicle). La misma aeronave que disemina los
sensores, puede incorporar un GPS y transmitir su posición a los nodos en tierra [5].
Puesto que el objetivo de este curso es abordar las técnicas de localización, cuya
función principal es determinar la posición de cada nodo de la red, una vez ha sido
desplegada, nos centraremos en ellas, dejando a un lado los sistemas de rastreo de
objetivos.
La técnica de localización o posicionamiento más adecuada dependerá en gran
medida de la aplicación específica a la que se destine la WSN. En este curso veremos
una clasificación de las técnicas actuales de localización para redes inalámbricas de
sensores y entraremos en detalle en algunas de ellas.

2 Localización en redes inalámbricas de sensores

Para discutir en detalle la localización en redes inalámbricas de sensores, vamos a

introducir el contexto en el que operan estos algoritmos. Denominaremos “nodo
baliza”, o simplemente “baliza”, a aquél capaz de conocer su posición exacta en
cualquier instante, al estar dotado de alguna tecnología para ello (por ejemplo de un
receptor GPS). Asimismo, denominaremos “nodo desconocido” a aquél que
desconoce su posición exacta o aproximada.
Actualmente, las técnicas de localización en redes inalámbricas de sensores se
pueden dividir en dos grandes grupos:
1. Basadas en distancias (range-based)
2. Basadas en proximidad (proximity-based) o libres de distancias (range-free)
El primer grupo necesita estimar, o bien las distancias entre los nodos, o bien los
ángulos entre ellos. Para ello, se han desarrollado las técnicas siguientes:
• Tiempo de llegada (ToA – Time of Arrival)
• Diferencia de tiempos de llegada (TDoA – Time Difference of Arrival)
• Ángulo de llegada (AoA – Angle of Arrival)
• Fuerza de la señal recibida (RSS – Received Signal Strenght)
Antes de entrar en detalle en las técnicas de localización actuales, vamos a explicar
cada una de las técnicas de estimación de distancias o ángulos que se utilizan
actualmente.

2.1 Técnicas de estimación de distancias

Para permitir la estimación de distancias, en los últimos años se han desarrollado

diferentes técnicas que detallaremos a continuación.

2.1.1 Tiempo de llegada (ToA)

La medición del ToA de una señal es un método robusto para estimar distancias que
se usa, entre otros, en GPS. Esta técnica mide el tiempo que tarda una señal en viajar
de un nodo a otro a una velocidad conocida. Por ejemplo, las ondas sonoras viajan a
una velocidad aproximada de 344 metros/segundo con una temperatura de 21˚C. Así,
un pulso de ultrasonido enviado por un nodo y que llega a otro 14’5 milisegundos
después, nos permite concluir que la distancia entre ellos es de 5 metros.

2.1.2 Diferencia de tiempos de llegada (TDoA)

Aunque la técnica anterior es muy precisa, se necesita una estricta sincronización
entre el emisor y el receptor. Sistemas como Calamari [37], Cricket [26] y AHLoS
(Ad-Hoc Localization System) [29] utilizan una técnica llamada diferencia de tiempos
de llegada (TDoA) que permite una sincronización en el tiempo más compleja. En
estos sistemas, el transmisor emite un pulso acústico (ultrasonido) junto con un pulso
de radio, mientras que el receptor compara el tiempo de llegada de ambos pulsos.
Conociendo la velocidad de vuelo de cada una de las señales, la diferencia de tiempo
entre las llegadas revela la distancia entre el emisor y el receptor.
Las diferentes medidas tienden a producir un error medio en la estimación del
74%. Aún así, se pueden obtener medidas más precisas post-procesando los datos con
técnicas de cancelación de ruido, filtrado digital y detección y calibrado de picos.
Mientras que algunos autores revelan un error medio en la estimación de un 10%,
otros aseguran obtener un error en torno al 1% en distancias menores a 9 metros [27].
Aunque estos sistemas ofrecen errores muy pequeños en la estimación, tienen dos
limitaciones que reducen notablemente su aplicabilidad en el mundo real. La primera
es su limitada cobertura: estos sistemas son capaces de cubrir entre 3 y 15 metros
[29], lo que supone sólo una fracción del rango de comunicación de los transmisores
de radio-frecuencia. La segunda y más importante es que dichos sistemas requieren un
par emisor/receptor por separado, lo que implica mayor tamaño, coste y consumo de
energía; precisamente tres de los retos más importantes en las redes inalámbricas de
sensores.
Con el fin de aumentar y complementar las técnicas de ToA y TDoA, se ha
propuesto la técnica denominada ángulo de llegada (AoA), la cual permite que los
nodos estimen los ángulos entre ellos mismos y sus vecinos.

2.1.3 Ángulo de llegada (AoA)

El ángulo de llegada se define como el ángulo que forma la dirección de propagación
de una onda incidente y una determinada dirección de referencia, que se conoce con el
nombre de orientación [25]. La antena que posee cada sensor es utilizada para medir
el ángulo de llegada. Algunos sistemas de localización que explotan esta técnica son
los propuestos en [4], [20] y [22].
De forma similar a ToA y TDoA, las estimaciones de AoA requieren hardware
adicional demasiado caro para ser utilizado en redes de sensores muy grandes. Con el
fin de evitar la necesidad de dicho hardware adicional, se ha desarrollado un esquema
que utiliza la interfaz de radio en sí para inferir las distancias entre nodos. A
continuación se detalla dicha técnica.

2.1.4 Fuerza de la señal recibida (RSS)

Esta técnica utiliza las propiedades de atenuación de la señal de radio para modelar la
distancia entre dos nodos como una función del indicador de la fuerza de la señal
recibida (RSSI – Received Signal Strenght Indicator). Sistemas que se basan en el
RSSI como parámetro de entrada tales como [2], [3] y [28], tienden a ser muy
precisos en distancias cortas si se emplea un extenso post-procesamiento, pero son
imprecisos cuando se aumentan unos pocos metros [17]. En distancias cortas, las
estimaciones obtienen errores de aproximadamente un 10% en una distancia máxima
de 20 metros [38]. La incertidumbre de la propagación de las ondas de radio impone
problemas como el desvanecimiento de múltiples trayectorias (multipath fading),
sombras (shadowing) y pérdidas de trayectorias (path loss). Estos efectos complican
el desarrollo de un modelo consistente. Como resultado, los sistemas basados
exclusivamente en valores de RSSI obtienen estimaciones muy imprecisas [6].

2.2 Técnicas de estimación de la posición

Trilateración, triangulación, multilateración, análisis de la escena y proximidad son

las principales técnicas de estimación de la posición utilizadas en redes inalámbricas
de sensores [11]. Los sistemas de localización actuales las utilizan individualmente o
combinándolas. A continuación veremos estas técnicas.

2.2.1 Trilateración
La técnica de trilateración calcula la posición de un nodo midiendo las distancias
desde él mismo hasta varias posiciones de referencia (o balizas). Para calcular la
posición de un nodo en dos dimensiones es necesario conocer al menos las distancias
desde tres balizas no colineales (en diferentes líneas), como se muestra en la Fig. 1.
En tres dimensiones, son necesarias cuatro balizas en planos distintos.
Para medir la distancia entre un nodo desconocido y una baliza, se utilizará una de
las técnicas de estimación de distancias que vimos en el apartado anterior.

distancia 2
distancia 1

distancia 3

Fig. 1. Trilateración. La distancia a tres balizas (nodos blancos) permite a un sensor (nodo
negro) determinar su posición

2.2.2 Triangulación
La triangulación es similar a la trilateración, solo que, en lugar de distancias, se
utilizan ángulos para determinar la posición de un nodo. En general, se requieren dos
ángulos y la distancia entre dos puntos de referencia en un entorno bidimensional
(Fig. 2). Para tres dimensiones son necesarios dos ángulos, la distancia entre dos
nodos de referencia y un azimut 1 para especificar una posición precisa. Normalmente
se utiliza un vector de referencia constante con valor 0˚ (por ejemplo, el norte
magnético).
El uso de una red de antenas sincronizadas (phased antenna array) es una
excelente tecnología para la técnica de triangulación. Varias antenas con una

1 Ángulo que con el meridiano forma el círculo vertical que pasa por un punto de la esfera
celeste o del globo terráqueo
separación conocida a priori miden el tiempo de llegada de una señal. Dadas las
diferencias entre tiempos de llegada y la geometría de la red de antenas, entonces es
posible calcular el ángulo desde el cual se originó la emisión. Si hay suficientes
elementos en la red de antenas y suficientes separaciones, se puede realizar el cálculo
de la triangulación.

0˚

ángulo 1 ángulo 2

Fig. 2. Triangulación. Dos ángulos y la distancia a dos balizas (nodos blancos) permite a un
sensor (nodo negro) determinar su posición.

2.2.3 Multilateración
Al igual que en el método de triangulación, para la multilateración se necesitan las
distancias a un número determinado de balizas para calcular la posición de un nodo,
solo que en este caso, las distancias se determinan utilizando TDoA.
En el caso tridimensional, serán necesarias cuatro balizas y en el caso
bidimensional, serán suficientes tres balizas.

2.2.4 Análisis de la escena

La técnica de análisis de la escena utiliza las características de una escena observada
desde un punto de vista en particular, para extraer conclusiones sobre la posición
relativa de los objetos. Habitualmente las escenas observadas se simplifican para
obtener características que son fáciles de representar y comparar. Cuando se produce
una diferencia en la escena observada, podemos determinar el movimiento de un
objeto.
Una escena podría ser una o imagen visual (obtenida con una cámara) o cualquier
otro parámetro físico susceptible de ser medido, tal como las características
electromagnéticas que existen cuando un objeto se encuentra en una posición y
orientación determinadas.

2.2.5 Proximidad
La técnica de proximidad implica la determinación de cuándo un objeto está “cerca”
de una localización conocida. La presencia del objeto se aprecia utilizando un
fenómeno físico con una cobertura limitada. Existen tres métodos generales para
determinar la proximidad entre puntos:
1. Detectando el contacto físico. Es el método más básico de proximidad y se
suelen utilizar sensores de presión, sensores de tacto y detectores de
capacitancia.
2. Monitorizando puntos de acceso celulares inalámbricos. La monitorización de
un dispositivo móvil, para determinar si está en el rango de uno o más puntos de
acceso en una red celular inalámbrica, es otra implementación de la técnica de
localización de proximidad.
3. Observando sistemas automáticos de identificación. Algunos ejemplos de este
sistema son los terminales de puntos de venta con tarjeta de crédito, los
historiales de login en computadores y los registros de llamadas de teléfono.

3 Técnicas de localización basadas en distancias

Como introdujimos en la sección 2, las técnicas de localización basadas en distancias

necesitan calcular las distancias entre distintos nodos de la red, para realizar una
estimación de la posición de un nodo.
En esta sección veremos algunas de las técnicas basadas en distancias que se
utilizan en la actualidad.

3.1 GPS (Global Positioning System)

El GPS funciona mediante una red de 24 satélites en órbita sobre el globo terráqueo a
20.200 km de altura, con trayectorias sincronizadas para cubrir toda la superficie de la
tierra [12].
Cuando se desea determinar la posición, el aparato receptor debe captar como
mínimo la información de 4 satélites de la red, de los que recibe unas señales que
indican la posición y el reloj de cada uno de ellos. En base a estas señales, el receptor
de GPS sincroniza su reloj y calcula el retraso de las señales, es decir, la distancia al
satélite (ToA).
Por triangulación calcula la posición en que éste se encuentra. La triangulación en
el caso del GPS, a diferencia del caso 2-D que consiste en averiguar el ángulo
respecto de puntos conocidos, se basa en determinar la distancia de cada satélite
respecto al punto de medición. Conocidas las distancias, se determina fácilmente la
propia posición relativa respecto a los tres satélites. Conociendo además las
coordenadas de cada uno de ellos por la señal que emiten, se obtienen las coordenadas
reales (posición absoluta) del punto de medición. También se consigue una exactitud
extrema en el reloj del GPS, similar a la de los relojes atómicos que desde tierra
sincronizan a los satélites.
3.2 Cricket

Cricket está diseñado para ser utilizado en edificios en los que se desea localizar
elementos móviles [26]. El sistema permite, tanto a nodos móviles como estáticos,
conocer su posición mediante el uso de escuchas (listeners) que oyen y analizan la
información procedente de un conjunto de balizas, que se encuentran desplegadas por
todo el edificio.
El sistema utiliza emisores de ultrasonido para crear la infraestructura con las
balizas y, por tanto, el nodo que desea conocer su posición debe incorporar receptores
de este tipo. En Cricket, es el propio nodo a localizar el que tiene que realizar todos
los cálculos de triangulación, método utilizado en este sistema para inferir su propia
posición, conociendo las distancias entre él mismo y las balizas. Estas balizas pre-
instaladas transmiten un paquete de forma broadcast a través de un canal de radio-
frecuencia junto con un pulso de ultrasonido. En dicho paquete de datos se encuentra
la posición de la baliza, además de otra información útil de proximidad. Los
receptores utilizan la técnica TDoA para estimar sus distancias a las balizas. Cricket
implementa tanto la técnica de estimación de la posición de multilateración como la
de proximidad. Cuando un nodo que desea inferir su posición recibe información de
varias balizas, éste triangula su posición. Sin embargo, si dicho nodo recibe la
posición de una sola baliza, entonces utiliza la información de proximidad que las
balizas enviaron previamente.
Las principales ventajas de Cricket son su privacidad y escalabilidad
descentralizada. Entre las desventajas, destacan la falta de una gestión o
monitorización centralizada y la sobrecarga computacional, debido a la temporización
y el procesamiento de las señales de radio y de ultrasonido, que deben realizar los
receptores.

3.3 AHLoS (Ad-Hoc Localization System)

AHLoS [29] es una técnica distribuida que requiere que sólo una porción de los nodos
de la red (balizas) conozca su posición exacta durante el despliegue (mediante el uso
de receptores GPS o programada manualmente). El sistema es operativo tanto en
entornos interiores como exteriores y no necesita ni una infraestructura costosa ni una
planificación previa.
AHLoS permite que los nodos descubran su posición dinámicamente mediante un
proceso que consiste en dos fases. Durante la primera fase, cada nodo estima la
distancia a sus vecinos. En la segunda fase, los nodos desconocidos utilizan la
información recopilada en la fase previa y las posiciones de las balizas vecinas para
estimar las suyas propias. Una vez que un nodo haya estimado su posición, se
convierte en baliza para poder asistir a otros nodos en la estimación de sus posiciones
mediante la propagación de sus propias localizaciones a través de la red. Este proceso
itera con el fin de estimar las posiciones de tantos nodos como sea posible.
Una vez que la red ha sido desplegada, las balizas envían de forma broadcast sus
posiciones a sus vecinos, es decir, a aquellos nodos que se encuentran dentro del radio
de cobertura de las balizas. Los nodos desconocidos miden la distancia a sus vecinos
baliza, utilizando la técnica TDoA que usa una señal de RF y otra de ultrasonido, y
utilizan las posiciones de las balizas para estimar las propias. Una vez que un nodo
desconocido ha estimado su localización, se convierte en baliza y emite (de forma
broadcast) su posición estimada a otros vecinos desconocidos, permitiendo a éstos
estimar las suyas propias. Este proceso, que se conoce con el nombre de
multilateración iterativa, se repite hasta que todos los nodos desconocidos que
satisfacen las condiciones propias de la multilateración, obtienen una estimación de
sus posiciones.
Esta técnica es similar a Cricket pero presenta algunas diferencias. AHLoS no
precisa de una infraestructura pre-instalada. En cambio, es un sistema puramente ad-
hoc en el que todos los nodos ejecutan labores de localización, y en el que incluso los
nodos que no están dentro de la cobertura de las balizas, son capaces de estimar su
posición. La mayor desventaja de este sistema es la alta capacidad de cómputo que
requieren los nodos.

3.4 RADAR

Un grupo de Microsoft Research desarrolló RADAR, un sistema de localización y

seguimiento en edificios basado en la tecnología IEEE 802.11 WaveLAN [1]. RADAR
mide, en una estación base, la fuerza de la señal y el ratio señal-ruido de las señales
que envían dispositivos inalámbricos. Entonces, utiliza esta información para calcular
la posición 2-D dentro de un edificio. Hay dos versiones de RADAR: una que utiliza
análisis de la escena y otra que utiliza multilateración.
Las ventajas de RADAR son dos: requiere sólo unas pocas estaciones base y utiliza
la misma infraestructura para las redes inalámbricas en el edificio. También son dos
las desventajas: primero, el hecho de que el objeto de seguimiento debe soportar una
LAN inalámbrica, lo que es impracticable en dispositivos pequeños o con limitada
capacidad de cómputo. Y segundo, escalar el sistema a tres dimensiones para edificios
de varias plantas, presenta un problema no trivial.

3.5 APS (Ad-hoc Positioning System)

A diferencia del sistema anterior que está diseñado para entornos de interior, APS
(Ad-hoc Positioning System) se desarrolló para ser utilizado en entornos de exterior,
donde la red de sensores posiblemente sea desplegada por un vehículo aéreo [21].
Este sistema extiende la capacidad del GPS a nodos sin GPS en una red de sensores
ad-hoc y de manera salto a salto (hop by hop). APS utiliza una versión simplificada de
GPS, trabajando únicamente con distancias, sin necesidad de relojes para la
sincronización. El requisito fundamental para que este sistema sea operativo es que en
la red han de estar presentes al menos tres balizas. Una vez que un nodo al azar tenga
conectividad con al menos tres de estas balizas, estima su posición inicial como el
centroide de este conjunto de balizas, en un primer salto. Entonces esta nueva baliza
transmitirá su posición estimada a sus vecinos directos y éstos medirán su distancia a
la baliza mediante RSS.
 Utilizando el método de propagación conocido como vector distancia (DV –
Distance Vector), los vecinos del segundo salto serán capaces de inferir sus distancias
a la nueva baliza, y el resto de la red continúa con este proceso.
Lo que hace a este método similar a la técnica de encaminamiento conocida como
vector distancia es que, en cualquier instante, cada nodo sólo se comunica con sus
vecinos directos, y en cada mensaje intercambiado se comunican las distancias
estimadas a las balizas. APS es un sistema distribuido, que no requiere ni
infraestructura ni inicialización previa, y que sólo necesita volver a calcular la
posición de un nodo sólo cuando éste es móvil.
Existe una versión de APS (APS-AoA) que utiliza ángulos de llegada en lugar de
distancias para realizar la triangulación [22]. La mejora de la que disfruta APS-AoA
es que, además de proporcionar la posición de cada nodo, también determina su
orientación. Para ello, no es necesario que los sensores lleven incorporada una
brújula. Sin embargo, si el sistema incorpora una brújula, aumentará la precisión del
algoritmo.
Como cualquier sistema basado en AoA, APS-AoA requiere o bien una red de
antenas, o bien una serie de receptores de ultrasonido.

3.6 N-Hop Multilateration

El sistema denominado N-Hop Multilateration en [30] intenta solventar los dos

problemas principales que presenta el sistema AHLoS desarrollado por los mismos
autores. El primero consiste en que, sin una gran densidad de balizas, la
multilateración iterativa podría estancarse en regiones de la red relativamente
dispersas. Y el segundo es que la propagación de errores se convierte en un problema
en redes con un gran número de nodos.
En el primer paso de esta técnica se realiza una medición de las distancias entre los
nodos desconocidos y las balizas. Para ello, N-Hop Multilateration utiliza el método
que en [15] denominan sum-dist. Las balizas envían un mensaje con su identificador,
su posición y un camino con longitud igual a 0. Cada uno de los nodos que recibe este
mensaje, suma su distancia a la baliza a este camino y reenvía (broadcast) un mensaje
con la nueva longitud. Si un nodo recibe más de una vez información sobre una
baliza, se queda con el camino de menor longitud. El resultado de este proceso es que
todos los nodos tienen un camino y la longitud a cada una de las balizas de la red.
El segundo consiste en estimar una posición inicial para cada nodo. Este sistema
crea una caja limitadora (bounding box) alrededor de cada baliza, que es el resultado
de aproximar el círculo de cobertura de la baliza a un cuadrado. Es decir, si el radio de
cobertura de la baliza es R, la longitud del lado del cuadrado resultante será igual a
2R. La posición de cada nodo, se estimará como el centro del rectángulo resultante de
intersecar los cuadrados de las balizas vecinas del nodo (intersección rectangular), tal
y como muestra la Fig. 3.
Por último, existe una fase de refinamiento. Como resultado de la segunda fase,
existirán nodos que no hayan obtenido una estimación inicial, dado que no tienen
conectividad con ninguna baliza. Dichos nodos toman las posiciones iniciales de los
nodos desconocidos estimadas en la fase anterior como puntos de referencia. De la
misma forma que en la segunda fase, estos nodos estiman su posición y la reenvían a
sus vecinos. Este proceso se ejecuta de forma iterativa hasta alcanzar un valor de
tolerancia previamente establecido.

Fig. 3. Intersección rectangular. El nodo negro estima su posición a partir de la intersección de

los cuadros que representan la cobertura de las balizas (nodos blancos)

3.7 MDS-MAP

La técnica denominada en [32] MDS-MAP consiste en tres fases. Comenzando con la

información de conectividad de la red, el sistema primero utiliza un algoritmo del
camino más corto para estimar la distancia entre tantos pares de nodos como sea
posible. Estas distancias se utilizan para construir una matriz de distancias. Entonces,
dicha matriz es utilizada por MDS (Escalado Multidimensional – MultiDimensional
Scaling), técnica matemática utilizada en psicología y psicometría, para construir
mapas relativos. Por último, y teniendo balizas suficientes (3 o más en dos
dimensiones y 4 o más en tres), transforma el mapa relativo en un mapa absoluto
basado en las posiciones absolutas de las balizas.
La ventaja de este sistema es que para localizar un nodo en dos dimensiones es
suficiente contar con 3 balizas, mientras que otros necesitan que se distribuyan
uniformemente. Sin embargo, MDS-MAP no opera demasiado bien en redes
irregulares, donde la distancia medida por el camino más corto no guarda buena
correlación con su distancia real.
Existe una versión perfeccionada de MDS-MAP y denominada MDS-MAP(P).
Esta idea mejorada de la técnica anterior nace por la importante desventaja que MDS-
MAP guarda frente a redes irregulares [31]. La idea principal es computar un mapa
local utilizando MDS para nodos cercanos, y después combinar estos mapas locales
para construir un mapa global.
Además de operar bien tanto en redes regulares como irregulares, esta técnica
posee la ventaja de poder trabajar de manera distribuida, lo que la hace apropiada para
ser utilizada en redes muy grandes.
4 Técnicas de localización libres de distancias

A diferencia de las técnicas presentadas en la sección anterior, las técnicas de

localización libres de distancias (range-free) no necesitan estimar las distancias entre
nodos. La gran ventaja de estas técnicas es que los sensores no requieren hardware
adicional para realizar la medición de las distancias entre ellos.
A continuación se detallan las técnicas más significativas que se enmarcan en este
grupo.

4.1 Intersección rectangular

La técnica se basa en la idea de conectividad [34]. Si dos nodos son capaces de

comunicarse, se asume que uno está dentro de un cuadrado centrado en el otro nodo y
cuyo lado es igual a dos veces el radio de cobertura del segundo. La principal ventaja
de este algoritmo es que la intersección de dos cuadrados es una operación
matemáticamente más simple que la intersección de dos círculos. Esta simplicidad
viene dada por el hecho de que el resultado de intersecar dos cuadrados es un
rectángulo (Fig. 3), mientras que la intersección de círculos es una figura geométrica
mucho más compleja de describir matemáticamente (Fig. 4).

Fig. 4. Intersección circular

Cada rectángulo se puede representar por sus esquinas superior izquierda e inferior
derecha. Si todos los nodos vecinos tienen sus centros en las coordenadas xi, yi, se
definen las esquinas del rectángulo intersección como:

[ xSI , ySI ] = ⎡⎣ max

i∈1.. N
{ xi } − R, max
i∈1.. N
{ yi } − R ⎤⎦ (1)

[ xID , yID ] = ⎡⎣ min

i∈1.. N
{ xi } + R, min
i∈1.. N
{ yi } + R ⎤⎦ (2)

siendo R el radio de cobertura de los nodos y N el número total de nodos de la red.

 La segunda ventaja de este algoritmo es que se ejecuta de forma distribuida. Cada
nodo adquiere las posiciones de las balizas vecinas. Entonces, se intersecan los
cuadrados centrados en dichos vecinos obteniendo un rectángulo final. La posición
final estimada es el centro de este rectángulo intersección.
Las desventajas de este método son la dependencia en la convexidad de las
regiones de comunicación, además de la necesidad de una elevada conectividad, a fin
de obtener una estimación refinada y precisa.

4.2 DV-Hop

El método propuesto en [23] utiliza un mecanismo similar al clásico encaminamiento

por vector-distancia. En este sistema, una baliza difunde un mensaje que contiene las
posiciones de todas las balizas con un contador de saltos (hop-count) inicializado a 1.
Cada nodo receptor mantiene el valor mínimo del contador de cada baliza entre todos
los mensajes que recibe, e ignora aquéllos cuyos contadores son más altos que los que
tiene almacenados. Los mensajes fluyen por la red desde dentro hacia fuera de manera
que el valor del contador se incrementa en cada salto intermedio. A través de este
mecanismo, todos los nodos de la red (incluyendo otras balizas) obtienen la distancia
más corta, medida en saltos.
Con el fin de convertir el contador de saltos en una distancia física, el sistema
estima la distancia media por salto sin necesidad de utilizar técnicas basadas en
distancias. Las balizas realizan esta tarea mediante la obtención de información acerca
de la posición y del contador de saltos de todos las demás balizas de la red. Una vez
calculadas las distancias medias, las mismas balizas propagan dicha información a los
demás nodos. Cuando un nodo es capaz de estimar la distancia a más de tres balizas
en 2-D (cuatro balizas en 3-D), dicho nodo emplea la técnica de triangulación para
estimar su propia posición.

4.3 Localización amorfa

La técnica de Localización Amorfa (Amorphous Localization) propuesto en [18, 19]

utiliza un algoritmo similar a DV-Hop. Primero, igual que en DV-Hop, cada nodo
obtiene la distancia en saltos a los nodos baliza mediante la propagación de mensajes.
Una vez que se han recogido dichos mensajes, se obtienen las distancias calculando
medias locales. Cada nodo recoge las distancias estimadas de sus nodos vecinos y
calcula una media de todos los valores de los vecinos. Después se reduce la mitad del
radio de cobertura para compensar el error causado por la baja resolución.
Este sistema difiere del anterior a la hora de estimar la distancia media de un salto
porque asume que la densidad de la red es conocida a priori. De esta manera puede
calcular la distancia media de un salto con la fórmula de Kleinrock y Slivester [14].
Finalmente, después de obtener las distancias a tres balizas, se utiliza triangulación
para estimar la posición de un nodo.
4.4 APIT

La técnica propuesta en [10] y denominada APIT asume que la red es heterogénea y

que una porción de los sensores están equipados con receptores GPS. Las balizas
transmiten mensajes y se utiliza una técnica basada en áreas para realizar la
estimación de la posición, mediante la cual se aísla el entorno en regiones triangulares
entre balizas. La presencia de un nodo dentro o fuera de estas regiones triangulares
permite a un nodo restringir el área en la cual podría residir. Utilizando
combinaciones de las posiciones de las balizas, se puede reducir el diámetro del área
estimada en la cual el nodo reside, y así proporcionar una mejor estimación de la
posición.
El método teórico utilizado para restringir la posible área en la cual un nodo podría
residir se denomina Test PIT (Point-In-Triangulation). En este test, un nodo escoge
tres balizas de todas aquéllas a las que escucha, y testea si está dentro del triángulo
formado por la conexión de esas tres balizas. APIT repite este test PIT con diferentes
combinaciones de balizas audibles hasta que se han agotado todas las combinaciones
o se ha alcanzado el nivel de precisión predeterminado. En este punto, APIT calcula
el centro de gravedad de la intersección de todos los triángulos en los cuales un nodo
reside, para así determinar su posición.

4.5 Intersección hexagonal

La técnica descrita en [9] basada en las técnicas de intersección rectangular [34], N-

Hop Multilaration [30] y [8], propone el uso de hexágonos para representar el área de
cobertura de los sensores. En particular, utiliza el hexágono regular centrado en el
área de cobertura circular y con una apotema de longitud igual al radio de cobertura
(Fig. 5.a).
Si bien el resultado de intersecar áreas rectangulares de forma iterativa es siempre
un nuevo rectángulo, en el caso de las áreas hexagonales, su intersección iterativa
dará lugar a polígonos irregulares de 6, 5, 4, o incluso 3 lados (Fig. 6). Sin embargo,
estos polígonos presentan la propiedad de que todos sus lados tienen una inclinación
de 0º, 60º o 120º. Aunque no tengan necesariamente seis lados, los autores denominan
a estos polígonos pseudo-hexágonos.
Si un rectángulo se determina mediante las coordenadas de dos vértices opuestos,
un pseudo-hexágono requiere la intervención de tres vértices pertenecientes a
diferentes lados. Numerando los vértices en sentido horario comenzando desde el
vértice superior izquierdo, se han considerado los vértices 1, 3 y 5 (Fig. 5.a). De
manera análoga a la intersección de áreas rectangulares, para intersecar dos pseudo-
hexágonos basta con calcular los vértices 1, 3 y 5 del área resultante.
El proceso de localización lo comienzan las balizas, que difunden su pseudo-
hexágono de localización a sus nodos vecinos (obsérvese que en el caso de poseer un
receptor de GPS los tres vértices que determinan el pseudo-hexágono de localización
de la baliza, coincidirán). Entonces, los nodos que reciben la información de sus
balizas vecinas, realizan la intersección de los pseudo-hexágonos recibidos ampliados
un factor igual al radio de cobertura del sensor (Fig. 5.b). Estos nuevos pseudo-
hexágonos serán difundidos nuevamente por la red de forma iterativa, bien hasta
alcanzar un valor de tolerancia previamente establecido, bien durante un determinado
período de tiempo.
En [9] se demuestra que la mera sustitución de la figura geométrica para
representar el área de cobertura de los sensores, reduce el error de localización en
aproximadamente un 12% de media, con respecto a la utilización de rectángulos.

( x ′, y ′ )
1 1

R
1 2
( x1 , y1 )
R R R

6 3 ( x3 , y3 ) ( x ′, y ′ )
3 3

R ( x5 , y5 ) R

5 4
R

( x ′, y ′ )
5 5

Fig. 5.a) Aproximación de cobertura por hexágono Fig. 5.b) Ampliación de pseudo-hexágono

Fig. 6. Intersección hexagonal

5 Técnicas de localización con uno o varios nodos móviles

En las secciones 3 y 4 hemos visto técnicas de localización en las que los sensores son
estáticos, es decir, una vez desplegada la red (de forma controlada o no) los sensores
no cambiarán su posición. Existe, además, una serie de sistemas de posicionamiento
en los que uno o varios nodos móviles (vehículos aéreos, robots terrestres, etc.) se
desplazan a lo largo de la red transmitiendo mensajes con sus coordenadas. De esta
forma, el resto de nodos de la red pueden inferir su posición mediante uno de los
sistemas que se detallan a continuación.

5.1 MCL para redes de sensores móviles

En [13] se presenta una técnica que consiste en una adaptación del método de
localización Monte Carlo (MCL – Monte Carlo Localization) desarrollado para ser
utilizado en localización robótica. Esta adaptación pretende hacer utilizable el sistema
MCL en aplicaciones de redes de sensores móviles. MCL es un particular filtro
combinado con modelos probabilísticos del movimiento y la percepción de los robots.
La idea clave de MCL es representar la distribución posterior de las posibles
localizaciones utilizando un conjunto de muestras ponderadas. Cada paso está
dividido en una fase de predicción y una fase de actualización. En la fase de
predicción, el robot realiza un movimiento e incrementa la incertidumbre de su
posición. En la fase de actualización, se incorporan nuevas medidas (tales como
observaciones de nuevas balizas) para filtrar y actualizar los datos. El proceso se va
repitiendo y el robot actualiza continuamente su localización predicha.
En el caso de la red de sensores, MCL para WSNs asume que los nodos están
dispersos de forma no uniforme y que no existe control sobre el movimiento de las
balizas móviles. El algoritmo comienza con una fase de inicialización en la que asume
que ningún nodo sabe su posición e inicializa un conjunto de muestras de forma
aleatoria entre todas las posibles localizaciones. En cada paso, el conjunto de
localizaciones se actualiza basándose en posibles movimientos y nuevas
observaciones. Se estima la localización del nodo calculando la localización media de
todas las localizaciones del conjunto de muestras. Después, para cada conjunto de
muestras se realiza una fase de predicción y otra de filtrado. En la fase de predicción,
el nodo utiliza una distribución de transición para predecir sus posibles localizaciones
basándose en las muestras previas y en su movimiento. En la fase de filtrado, el nodo
utiliza la nueva información recibida para eliminar las localizaciones predichas que
son inconsistentes con las observaciones. Después, se realiza un re-muestreo para
mantener el número de muestras de localizaciones.
En [13] se demuestra que la técnica MCL puede proporcionar una localización
precisa aunque los límites de memoria sean severos, la densidad de balizas móviles
sea baja y las transmisiones en la red sean altamente irregulares.
5.2 Sistema de localización utilizando robots móviles

En [24] se presenta una técnica de localización indicado para redes de sensores

tolerantes a retardos (DTN – Delay-Tolerant sensor Network). Una DTN es
desplegada para monitorizar un entorno durante un largo período de tiempo y se
caracteriza porque el tráfico de datos entre los sensores no es interactivo. Los sensores
se diseminan aleatoriamente y se organizan en uno o más clusters que se pueden
desconectar de los demás. Cada cluster posee un líder de cluster, donde se agrupa la
información del resto de sensores del cluster. Un conjunto de robots móviles e
inalámbricos (robomotes [33]) o vehículos aéreos no tripulados, pueden recorrer la
red para recoger datos de los líderes de cluster o para reprogramar o reconfigurar
dinámicamente los sensores.
Esta técnica explota la movilidad para reducir los errores de localización y el
número de balizas estáticas. Además, sus autores han desarrollado un algoritmo de
estimación del estado, basado en un Filtro Kalman Extendido Robusto (REKF –
Robust Extended Kalman Filter) para la localización de un nodo en una DTN. La
localización, basada en medidas de la fuerza de la señal recibida en un robot móvil, se
resuelve modelándola como una estimación on-line en un sistema dinámico y no
lineal.

5.3 Walking GPS

La técnica presentada en [36], y denominada Walking GPS, está diseñada para ser
utilizada en aquellas situaciones en las que la red de sensores es desplegada por una
persona o por un vehículo. Dicho vehículo estará equipado con un dispositivo GPS
que emite periódicamente su posición.
Esta técnica de localización se divide en dos fases. La primera fase se realiza
durante el despliegue de los sensores. El portador de los sensores (persona o vehículo)
lleva un dispositivo GPS que emite periódicamente mensajes con su posición. Los
sensores que reciben esta información infieren su localización basándose en la
información presente en el mensaje. La segunda fase se lleva a cabo durante la
inicialización del sistema. Si en un instante de tiempo, un sensor no conoce su
posición, puede preguntar a sus vecinos por sus posiciones. Esta información recibida
de los vecinos se utiliza en un proceso de triangulación para que el nodo desconocido
infiera su posición. Esta segunda fase es la responsable de la robustez del sistema.
Walking GPS es capaz de localizar el 100% de los sensores con errores medios de
localización de 1 ó 2 metros.

5.4 Localización distribuida on-line utilizando un objetivo móvil

En [8] proponen un esquema distribuido y on-line que es capaz de simultanear la

localización de los nodos con el rastreo (tracking) de un objetivo móvil. Dentro de la
red hay un conjunto de nodos de referencia que están equipados con receptores GPS y
que actúan como balizas. En el algoritmo propuesto, los sensores utilizan las
observaciones sobre un objetivo móvil para mejorar las estimaciones de las posiciones
tanto del objetivo como de los propios sensores.
Los sensores comienzan con una estimación de su posición que viene dada por la
conectividad entre ellos y las balizas. Después utilizan la detección del objetivo móvil
para actualizar sus posiciones. Dado que el rango de acción (S) es normalmente
menor que el rango de comunicaciones (R), las estrechas restricciones impuestas por
el objetivo ayudan a localizar los nodos con más precisión. La estimación inicial de
cada nodo viene dada por el centroide de la intersección de las cajas limitadoras de
cobertura (bounding box) de los nodos de referencia con los que tienen conectividad.
En este sistema se han tenido en cuenta dos situaciones. La primera asume que el
objetivo conoce su posición en todo momento, es decir, se comporta como una baliza
móvil. Cuando dicha baliza comienza a moverse, emite sus coordenadas a los nodos
que están dentro de su radio de conectividad. Cada vez que un nodo recibe un
mensaje baliza, actualiza su posición lanzando una nueva restricción que consiste en
realizar la intersección de la caja limitadora anterior con la caja limitadora de la
baliza, es decir, una caja de lado igual a 2S cuyo centroide es la posición de la baliza,
siendo S el radio de acción de cada nodo (asumiendo que todos tienen el mismo).
La segunda situación asume que el objetivo móvil no conoce sus coordenadas a
priori. La posición del objetivo se estima como la intersección de su caja limitadora
inicial (toda el área en la que está desplegada la red) con las cajas limitadoras,
aumentadas en su radio de acción, de los nodos con los que tiene conectividad. De
esta forma se van actualizando tanto las posiciones de los sensores como la del
objetivo móvil. Así, siendo K el conjunto de nodos dentro del radio de acción del
objetivo móvil, la caja limitadora de éste (QT) viene definida por la siguiente fórmula:

QT → QT ∩ ⎡⎣ x
k ∈K
k
min − S , xmax
k
+ S ⎤⎦ × ⎡⎣ y min
k
− S , y ma
k
⎤
x + S⎦ (3)

donde xmin , xmax , y

k k k k
e ymax son las coordenadas de la caja limitadora para la
min
posición del nodo k-ésimo.
Para que el resto de nodos de la red puedan mejorar sus estimaciones de posición,
los autores han tenido en cuenta dos situaciones. La primera es hacer la actualización
de las esquinas de la caja limitadora (QT) del nodo móvil (fórmula (4)). La segunda
toma el centroide de dicha caja limitadora, aumentando así la incertidumbre de la
posición del nodo móvil (fórmula (5)). A continuación se exponen estas dos fórmulas,
donde Qi es la caja limitadora del nodo a actualizar.

Qi → Qi ∩ ⎡⎣ x min
T
− S , x max
T
+ S ⎤⎦ × ⎡⎣ y min
T
− S , y mT ax + S ⎤⎦ (4)

Qi → Qi ∩ ⎡⎣ xest
T
− S , xest
T
+ S ⎤⎦ × ⎡⎣ y est
T
− S , y est
T
+ S ⎤⎦ (5)

(
donde xest , yest
T T
) es la posición estimada del objetivo móvil (el centroide de la caja
limitadora). A pesar de la pérdida de información que se propaga con la fórmula del
centroide (fórmula (5)), se ha demostrado que se reduce significativamente el error
total en la localización de la red.
5.5 Localización con balizas móviles

La técnica propuesta en [35] utiliza una de las reglas básicas en geometría: una
bisectriz perpendicular a una cuerda –línea que une dos puntos– pasa por el centro de
la circunferencia en la que se encuentran los dos puntos (Fig. 7). Considerando que el
radio de transmisión de un sensor es una circunferencia (en dos dimensiones) y que el
centro de la circunferencia indica la posición del sensor, si se pueden obtener dos
cuerdas, se puede calcular fácilmente la posición del nodo basándose en la regla
anterior.
Este mecanismo utiliza balizas móviles que se desplazan alrededor del área donde
se ha desplegado la red y emiten periódicamente mensajes que contienen sus actuales
localizaciones. Una vez que los sensores han recibido los mensajes baliza, se
determinan los puntos y cuerdas válidos (Fig. 8), para después estimar la posición de
cada nodo como el centro de la circunferencia (Fig. 9).

Centro de la circunferencia
Puntos finales de la cuerda AB

Fig. 7. La bisectriz perpendicular a una cuerda pasa por el centro de la circunferencia en la que
se encuentran los dos puntos de la cuerda

(x′,y′)
T7 T8
T6
T9
T5
T4 T10
T3
T2 T11
T1
T12
T0
(x,y) T13

T14

T15 Nodo sensor

T16 Punto de la baliza móvil
Punto baliza seleccionado
(x′′,y′′) Mensaje baliza

Fig. 8. Selección de puntos baliza. La baliza se mueve desde (x,y) hasta (x″,y″) pasando por
(x′,y′), enviando mensajes baliza con un intervalo constante
 L1,5
B5
L5,12

B1 B12

Nodo sensor
Punto baliza seleccionado

Fig. 9. Estimación de la posición. Se generan dos cuerdas a partir de tres puntos seleccionados
en la fase anterior (B1, B5 y B12). Considerando que las líneas L1,5 y L5,12 son las
correspondientes bisectrices perpendiculares a las cuerdas B1B5 y B5B12, entonces es fácil
calcular las ecuaciones de dichas bisectrices para determinar la posición del sensor

6 Conclusiones

A lo largo de este curso hemos presentado numerosas técnicas de localización para

redes inalámbricas de sensores, agrupadas en tres grandes grupos: basadas en
distancias, libres de distancias y con uno o varios nodos móviles.
De la elaboración de este estado del arte de localización para WSNs, podemos
concluir que la elección de la técnica de posicionamiento adecuada, dependerá en
gran medida de la aplicación para la que vaya destinada la WSN.

Referencias

1. Bahl, P., & Padmanabhan, V. N.: RADAR: An in-building RF-based user location and
tracking system. In Proceedings of the IEEE INFOCOM '00 (March, 2000)
2. Bergamo, P., & Mazzini, G.: Localization in sensor networks with fading and mobility. In
Proceedings of the 13th IEEE International Symposium on Personal, Indoor and Mobile
Radio Communications (2002)
3. Beutel, J.: Geolocation in a picoradio environment. Thesis (1999)
4. Biswas, P., Aghajan, H., & Ye, Y.: Integration of angle of arrival information for
multimodal sensor network localization using semidefinite programming. In 39th Asilomar
Conference on Signals, Systems and Computers (November, 2005)
5. Corke, P. Peterson, R., & Rus, D.: Coordinating aerial robots and sensor networks for
localization and navigation. In proceedings of the 7th International Symposium on
Distributed Autonomous Robotic Systems (DARS) (June, 2004)
6. Elnahrawy, E., Li, X., & Martin, R. P.: The limits of localization using signal strenght: a
comparative study. In IEEE SECON (2004)
7. Energy and Transport – GALILEO,
http://ec.europa.eu/dgs/energy_transport/galileo/index_en.htm
8. Galstyan, A., Krishnamachari, B., Lerman, K., & Pattem, S.: Distributed online localization
in sensor networks using a moving target. (págs. 61-70). Berkeley: In Proceedings of
International Symposium of Information Processing Sensor Networks (IPSN '04) (April,
2004)
9. García, E. M., Bermúdez, A., Casado, R., & Quiles, F. J.: Wireless Sensor Network
Localization using Hexagonal Intersection. In proceedings of the 1st IFIP International
Conference on Wireless Sensor and Actor Networks (WSAN'07) (October, 2007)
10.He, T., Huang, C., Blum, B. M., Stankovic, J. A., & Abdelzaher, T.: Range-free localization
schemes for large scale sensor networks. (págs. 81-95). In Proceedings of the 9th annual
international conference on Mobile computing and networrking. ACM Press (2003)
11.Hightower, J., Borriello, G., & Want, R.: SpotON: An indoor 2D location technology based
on RF signal strenght. University of Washington CSE Report #2000-02-02 (February, 2000)
12.Hofmann-Wellenhoff, B., Lichtenegger, H., & Collins, J.: Global Positions System: Theory
and Practice. Fourth Edition. Springer Verlag (1997)
13.Hu, L., & Evans, D.: Localization for mobile sensor networks. Philadelphia: In 10th Annual
International Conference on Mobile Computing and Networking (MobiCom '04) (2004)
14.Kleinrock, L., & Slivester, J.: Optimum transmission radii for packet radio networks or why
six is a magic number. (págs. 4.3.1-4.3.5). In proceedings of national Telecomm conference
(1978)
15.Langendoen, K., & Reijers, N.: Distributed localization in wireless sensor networks: a
quantitative comparison. Computer Networks (Elsevier), special issue on Wireless Sensor
Networks (November, 2003)
16.Lorincz, K., & Welsh, M.: Motetrack: A robust, decentralized approach to RF-based
location tracking. In Proceedings of the Internation Workshop on Location and Context-
Awareness (LoCA 2005) at Pervasive 2005 (May, 2005)
17.Maroti, M., Volgyesi, P., Dora, S., Kusy, B., Nadas, A., Ledeczi, A., y otros.: Radio
interferometric geolocation. In Proceedings of the 3rd international conference on Embedded
networked sensor systems (SenSys '05) (2005)
18.Nagpal, R.: Organizing a global coordinate system from local information on an amorphous
computer. A.I. Memo 1666, MIT A.I. Laboratory (August, 1999)
19.Nagpal, R., Shrobe, H., & Bachrach, J.: Organizing a global coordinate system from local
information on an ad hoc sensor network. Palo Alto: In the 2nd International Workshop on
Information Processing in Sensor Networks (IPSN '03) (April, 2003)
20.Nasipuri, A., & Li, K.: A directionality based location discovery scheme for wireless sensor
networks. Atlanta, GA: In First ACM International Workshop on Wireless Sensor Networks
and Applications (September, 2002)
21.Niculescu, D., & Nath, B.: Ad hoc positioning system (APS). San Antonio: In Proceedings
of GLOBECOM (November, 2001)
22.Niculescu, D., & Nath, B.: Ad hoc positioning system (APS) using AOA. In IEEE
INFOCOM (April, 2003)
23.Niculescu, D., & Nath, B.: DV based positioning in ad hoc networks. In Journal of
Telecommunication System (2003)
24.Pathirana, P. N.: Node localization using mobile robots in delay-tolerant sensor networks.
IEEE Transactions on Mobile Computing, 4 (3) , 285-296 (2005)
25.Peng, R., & Sichitiu, M. L.: Angle of arrival localization for wireless sensor networks. In
Sensor and Ad Hoc Communications and Networks (SECON '06) (2006)
26.Priyantha, N. B., Chakraborty, A., & Balakrishnan, H.: The cricket location-support system.
(págs. 32-43). New York, USA: Proceedings of the 6th annual international conference on
Mobile computing and networking (MobiCom '00). ACM Press (2000)
27.Sallai, J., Balogh, G., Maroti, M., Ledeczi, A., & Kusy, B.: Acoustic ranging in resource-
constrained sensor networks. International Conference on Wireless Networks (2004)
28.Savarese, C., Rabaey, J. M., & Beutel, J.: Locationing in distributed ad-hoc wireless sensor
networks. (págs. 2037-2040). In Proceedings of ICASSP '01 (2001)
29.Savvides, A., Han, C.-C., & Strivastava, M. B.: Dynamic fine-grained localization in ad-hoc
networks of sensors. (págs. 166-179). New York, USA: Proceedings of the 7th annual
international conference on Mobile computing and networking (MobiCom '01). ACM Press
(2001)
30.Savvides, A., Park, H., & Srivastava, M. B.: The bits and the flops of the N-hop
multilateration primitive for node localization problems. ACM International Workshop on
Wireless Sensor Networks and Applications (WSNA '02) (2002)
31.Shang, Y., & Ruml, W.: Improved MDS-based localization. INFOCOM 2004 (2004)
32.Shang, Y., Ruml, W., Zhang, Y., & Fromherz, M. P.: Localization from Mere Connectivity.
MobiHoc (2003)
33.Sibley, G. T., Raihimi, M. H., & Sukhatme, G. S.: Robomote: a tiny mobile robot platform
for large-scale ad-hoc sensor networks. (págs. 1143-1148). Washington DC: Proceedings of
International Conference on Robotics and Automation (ICRA '02) (September, 2002)
34.Simic, S. N., & Sastry, S.: A distributed algorithm for localization in random wireless
networks. Discrete Applied Mathematics (2002)
35.Ssu, K.-F., Ou, C.-H., & Jiau, H. C.: Localization with mobile anchor points in wireless
sensor networks. IEEE Transactions on Vehicular Technology, VOL. 54, NO. 3 (May,
2005)
36.Stoleru, R., He, T., & Stankovic, J. A.: Walking GPS: A practical solution for localization in
manually deployed wireless sensor networks. In Proceedings of the 29th Annual IEEE
International Conference on Local Computers Networks (LCN '04) (2004)
37.Whitehouse, K., & Culler, D.: Calibration as parameter estimation in sensor networks.
(págs. 59-67). New York, USA: In proceedings of the 1st ACM international workshop on
wireless sensor networks and applications (WSNA '02). ACM Press (2002)
38.Whitehouse, K., Karlof, C., Woo, A., Jiang, F., & Culler, D.: The effects of ranging noise on
multihop localization: an empirical study. In The 4th International Conference on
Information Processing in Sensor Networks (IPSN '05) (2005)