本文選題：無(wú)線傳感器網(wǎng)絡(luò)　切入點(diǎn)：定位算法　出處：《電訊技術(shù)》2017年02期 　論文類型：期刊論文

【摘要】：在研究現(xiàn)有定位算法的基礎(chǔ)上,針對(duì)基于接收信號(hào)強(qiáng)度指示(RSSI)定位模型中的參數(shù)易受環(huán)境影響等問(wèn)題,提出了一種新型的粒子群優(yōu)化(PSO)算法與后向傳播(BP)神經(jīng)網(wǎng)絡(luò)相結(jié)合的算法。BP網(wǎng)絡(luò)算法權(quán)值的修正依賴于非線性梯度值,易形成局部極值,同時(shí)學(xué)習(xí)次數(shù)較多,需先通過(guò)粒子群算法進(jìn)行優(yōu)化。為了提高定位精度,首先采用速度常量法濾波處理,然后通過(guò)改進(jìn)的混合優(yōu)化算法對(duì)BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值進(jìn)行優(yōu)化,并分析算法的性能。試驗(yàn)中隱層節(jié)點(diǎn)個(gè)數(shù)采用試錯(cuò)法,從12到19變化,以確定合適數(shù)目。實(shí)驗(yàn)結(jié)果表明,與一般加權(quán)算法和傳統(tǒng)BP算法相比,改進(jìn)的混合優(yōu)化算法可大幅改善測(cè)距誤差對(duì)定位誤差的影響,同時(shí)可使25 m內(nèi)最小定位誤差小于0.27 m。
[Abstract]:On the basis of studying the existing localization algorithms, aiming at the problem that the parameters in the RSSI location model based on the received signal strength indicator are vulnerable to the environmental influence and so on, A new Particle Swarm Optimization (PSO) algorithm combined with backward Propagation (BPN) neural network is proposed. The weight correction of BP network algorithm depends on the nonlinear gradient value, which is easy to form the local extremum and has more learning times. In order to improve the positioning accuracy, the speed constant method is first used to filter, and then the initial weight and threshold of BP neural network are optimized by the improved hybrid optimization algorithm. The performance of the algorithm is analyzed. In the experiment, the number of hidden layer nodes varies from 12 to 19 to determine the appropriate number. The experimental results show that, compared with the general weighted algorithm and the traditional BP algorithm, the number of hidden layer nodes in the experiment is better than that of the traditional BP algorithm. The improved hybrid optimization algorithm can greatly improve the influence of the ranging error on the positioning error and make the minimum positioning error less than 0.27 m within 25 m.
【作者單位】： 貴州大學(xué)現(xiàn)代制造技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室;中國(guó)海洋大學(xué)工程學(xué)院;國(guó)網(wǎng)山東省電力公司濰坊供電公司;
【基金】：貴州省科技支撐計(jì)劃(黔科合GZ字[2015]3034) 國(guó)家自然科學(xué)基金資助項(xiàng)目(51475097) 國(guó)家科技支撐計(jì)劃(2014BAH05F01) 貴州省科技基金項(xiàng)目(黔科合J字[2015]2043) 貴州省基礎(chǔ)研究重大專項(xiàng)(黔科合JZ字[2014]2001)
【分類號(hào)】：TN929.5;TP212.9

【相似文獻(xiàn)】

相關(guān)期刊論文 前7條

1 蘇子健,鐘毅芳;系統(tǒng)近似建模技術(shù)的研究與比較[J];系統(tǒng)工程與電子技術(shù);2005年05期

2 譚立云;劉海生;譚龍;;基于極限學(xué)習(xí)機(jī)的上證指數(shù)預(yù)測(cè)與分析[J];華北科技學(xué)院學(xué)報(bào);2014年04期

3 王洋;于君;馬志剛;;基于TMS320F2812的目標(biāo)檢測(cè)方法研究[J];電子測(cè)試;2008年11期

4 黃招娣;;基于改進(jìn)粒子群算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化證券投資組合方法[J];井岡山大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2014年03期

5 胡斌;;基于波動(dòng)-均衡的員工工作行為定性模擬[J];系統(tǒng)仿真學(xué)報(bào);2006年01期

6 陳振林;趙芳;;基于殘差補(bǔ)償GM的校準(zhǔn)間隔動(dòng)態(tài)優(yōu)化算法[J];電子測(cè)量技術(shù);2014年08期

7 ;[J];;年期

相關(guān)會(huì)議論文 前2條

1 王光蘆;徐明;;飛機(jī)飛行振動(dòng)預(yù)計(jì)技術(shù)[A];第二屆民用飛機(jī)制造技術(shù)及裝備高層論壇資料匯編（論文集）[C];2010年

2 余建星;田佳;譚振東;;深水平臺(tái)施工過(guò)程自然風(fēng)險(xiǎn)定量評(píng)估方法研究[A];中國(guó)造船工程學(xué)會(huì)2007年優(yōu)秀學(xué)術(shù)論文集[C];2008年

，

本文編號(hào)：1589183