In this thesis we try to construct a robust localization framework for wireless sensor networks and sample algorithms which uses our robust localization framework. In order to handle noise in distance measurements, our framework tries to utilize convex constraints and confidence intervals of a random variable. At the end of the localization process nodes will be assigned a set of feasible regions, with corresponding probabilities.

Bu tezde biz kablosuz algılayıcı ağlar için ölçüm hatalarına dayanıklı bir yerelleştirme iskeleti ve bu iskeleti kullanan iki algoritmayı örnek olarak sunuyoruz. Önerdiğimiz iskelet, algılayıcılar arasındaki mesafe ölçümlerinde ortaya çıkan hatalar tolere edebilmek amacıyla dışbükey koşullar ve rassal değişkenlerin güvenilirlik aralıklarını kullanmaya calışmaktadır. Yerelleştirme işleminin sonucunda ulaşılmak istenen, her düğüm için olası alanların ve bu alanlarla eşleşen olasılıkların bulunmuş olmasıdır.