【摘要】：室內(nèi)環(huán)境復雜多變,無線信號具有強烈的時變性,支持向量機存在定位效率低,神經(jīng)網(wǎng)絡參數(shù)難以確定等難題。為了改善無線網(wǎng)絡室內(nèi)的定位效果,提出了和聲搜索算法優(yōu)化神經(jīng)網(wǎng)絡的無線網(wǎng)絡室內(nèi)定位模型。首先收集無線網(wǎng)絡定位的訓練樣本,采用壓縮感知算法減少訓練樣本的規(guī)模,然后采用聚類算法對樣本進行聚類分析,選擇最有效的訓練樣本,最后采用和聲搜索算法優(yōu)化神經(jīng)網(wǎng)絡實現(xiàn)無線網(wǎng)絡定位,并通過具體仿真對比實驗測試了該算法的可行性。測試結(jié)果表明,該算法的定位效果可以滿足無線網(wǎng)絡的定位實際要求。
【圖文】：

練時間長，其中ＲBF神經(jīng)網(wǎng)絡的應用最為廣泛，在實際應用中ＲBF參數(shù)直接影響定位性能，因此減少測試樣本規(guī)模，確定神經(jīng)網(wǎng)絡參數(shù)是室內(nèi)定位研究面臨的一個難問題［11－13］。為了改善無線網(wǎng)絡室內(nèi)的定位效果，針對當前樣本選擇問題和ＲBF神經(jīng)參數(shù)優(yōu)化問題，提出和聲搜索算法(harmonysearchalgorithm，HS)［14］優(yōu)化ＲBF神經(jīng)網(wǎng)絡的無線網(wǎng)絡室內(nèi)定位模型(HS-ＲBF)，定位效果可以滿足無線網(wǎng)絡的定位實際要求。1相關理論1．1壓縮感知算法壓縮感知算法就是認為原始信號可以用少量的稀疏信號表示，其工作原理如圖1所示。圖1壓縮感知算法的工作原理在壓縮感知算法的工作過程中，信號稀疏性是基本條件，若不滿足該條件，就需求通過變換將信號變成為稀疏的，設原始信號為:x∈ＲN，通過一定變換得到變換后的向量為s(s=ΨTx)，如該向量僅有K個非零系數(shù)，那么就表示該向量通過變換后可以稀疏表示，K表示稀疏度，ψ表示稀疏變換矩陣，x記為x=∑Ni=1siΨi。設x'i共有N維，y表示觀測信號，共有M維，設計一個大小為M×N的測量矩陣Φ，滿足如下條件y=Φx(1)Φ與信號模型無關，同時需要滿足信號重構(gòu)條件:M≥Klog2(N/K)，Θ=ΦΨ。信號重構(gòu)是從y中恢復出信號x，由于y=Φx=ΦΨs=Θs，因此首先要對s進行求解，然后進行信號x恢復，當前主要采用通過l0范數(shù)求解實現(xiàn)，具體如下^s=argmin‖s‖l0s．t．Θs=y(2)由于l0最小化問題求解具有不穩(wěn)定性，為此采用l1范數(shù)代替l0范數(shù)，即^s=argmin‖s‖l1s．t．Θs=y(3)將求解l1范數(shù)轉(zhuǎn)化成線性規(guī)劃問題，然后采用匹配追蹤算法進行求解。1．2模糊聚類算法設數(shù)據(jù)集合為X={x1，x2，…，，xn}，其中xi=

j|xj－vk|2=∑Ck=1∑nj=1umkjd2kj(9)式中m為模糊指數(shù)。當0＜∑nj=1ukj＜n和∑Ck=1ukj=1條件下，模糊聚類算法對J(U，V)的最優(yōu)解進行求解，μkj和vk的計算公式為ukj=1∑Ck=1(d2kj/d2ij)1/(m－1)(10)vk=∑nj=1umkjxj∑nj=1umkj(11)最終聚類結(jié)果為M={m1，m2，…，mc}，mi

本文編號：2534649