水下傳感器網(wǎng)絡(luò)有著部署方便、實用性強的特點,是水下探測的重要手段。但如果不知道采集數(shù)據(jù)的傳感器節(jié)點所對應(yīng)的空間位置,監(jiān)測站即使接收了傳感器節(jié)點所采數(shù)據(jù),也是沒有實際意義的。因此,作為水下傳感器網(wǎng)絡(luò)領(lǐng)域的核心技術(shù),水下節(jié)點定位技術(shù)受到了研究人員的廣泛關(guān)注。但水下環(huán)境中多徑效應(yīng)、海洋噪聲、聲速多變性等使得水下節(jié)點的定位過程出現(xiàn)了許多非線性變化因素,深度學習是一種解決復雜非線性問題的有效方法,本文將深度學習算法分別應(yīng)用到了基于測距的定位技術(shù)和無需測距的定位技術(shù)中,展開了以下研究:基于測距的水下節(jié)點定位算法較為常用,但是節(jié)點間的測距精度會受到水下聲速多變性的影響,進而影響水下節(jié)點定位效果。針對上述問題,本文提出了一種基于GA-BP(Genetic Algorithm Back Propagation)神經(jīng)網(wǎng)絡(luò)的測距節(jié)點定位算法。該算法依托GA-BP神經(jīng)網(wǎng)絡(luò),并利用全球海洋Argo網(wǎng)格數(shù)據(jù)集,建立了一種可獲取不同時空不同海域精確水下聲速的深度學習預(yù)測模型,該模型配合回波測距和空間四點定位算法實現(xiàn)了對未知節(jié)點的定位。在此基礎(chǔ)上,又提出了基于多點平均預(yù)測聲速的定位修正機制,以錨節(jié)點和待修正節(jié)點連線上...

【文章頁數(shù)】：68 頁

【部分圖文】：

圖2-1三邊測量定位算法

三邊測量算法[48](Trilateration)的工作方式是通過計算未知節(jié)點到達三個參考節(jié)點的距離,得到三個以參考節(jié)點為圓心,距離為半徑的圓。進而通過解算這三個圓的交點得到未知節(jié)點在該平面上的位置坐標。與三角測量算法不同的是在二維平面中使用三邊測量算法時,至少需要三個參考點而不....

圖3-13層BP神經(jīng)網(wǎng)絡(luò)

激活函數(shù)是輸入層的神經(jīng)元節(jié)點和對應(yīng)輸出層的神經(jīng)元節(jié)點之間的函數(shù)關(guān)系。激活函數(shù)的意義在于將非線性因素引入到神經(jīng)網(wǎng)絡(luò)中,增強深度學習模型的非線性擬合能力,使其可以學習更復雜的事物。本研究中BP神經(jīng)網(wǎng)絡(luò)使用的激活函數(shù)為雙曲正切函數(shù)tanh。該函數(shù)以0為中心,可以將一個實數(shù)映射到(-1,....

圖3-2GA-BP神經(jīng)網(wǎng)絡(luò)流程圖

如圖3-2所示,遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的改進思路是通過優(yōu)化BP神經(jīng)網(wǎng)絡(luò)中的初始權(quán)值和閾值,使BP神經(jīng)網(wǎng)絡(luò)可以在更優(yōu)的閾值范圍內(nèi)開始訓練,以此防止其陷入局部最優(yōu)解。在進行遺傳算法的運算前,首先要將種群初始化,也就是對BP網(wǎng)絡(luò)中的權(quán)值和閾值進行編碼,以進行后續(xù)的交叉、變異等操作。本研....

圖3-3單點交叉算子

交叉運算符用于重新組合兩個個體,以獲得更優(yōu)秀的個體,是一個由父代產(chǎn)生子代的過程。遺傳算法的二進制序列交叉算子主要有單點交叉算子、多點交叉算子和均勻交叉算子。本研究中使用的交叉算子為單點交叉算子,如圖3-3所示。在個體的二進制數(shù)列上隨機選擇一點,將數(shù)列由此分割,并將分割后的右側(cè)部分....

本文編號：3921238