基于人工蜂群优化BP神经网络的射频信号定位方法研究

在室内定位过程中会涉及多个设备终端,且由于设备终端之间的软硬件不同,使得在同一时刻同一位置下获取同一信号RSSI不同,最终导致定位不准确。首先利用BP神经网络算法对非线性的射频信号RSSI进行标定校正;然后为了避免算法陷入局部最优,利用人工蜂群算法选择BP神经网络最优初始权重值,提高网络的训练速度和精度;最后比较了未标定、BPNN、SVR与所提出算法的定位误差。实验结果表明,所提出的算法可以较好地减小RSSI差异,有效提高定位精度。     

基于BP人工神经网络的室内移动定位技术

基于无线传感器网络的室内定位技术因为室内复杂的环境,传感器通信存在着多径效应,无法使用信号强度衰减模型进行精确定位。文中提出基于ZigBee结合Fingerprinting以及遗传算法优化的BP神经网络的方法进行定位。实验结果证明该方法可以用于室内的精确定位,在定位范围为2 m×2 m的条件下,非训练点的定位平均误差为0.22 m。     

基于泰勒级数展开的蜂窝TDOA定位算法

基于用户位置的应用已经成为移动数据业务的重要组成部分,使得蜂窝系统用户定位技术成为蜂窝移动通信领域的研究热点。泰勒级数展开算法因为具有精度高和顽健性强等特点而在求解非线性定位方程组中得到了广泛的应用,但它对初始值有很强的依赖性。本文使用最小二乘方法估计用户位置的初始值并使用泰勒级数展开算法确定用户坐标。通过对算法的仿真分析,结果表明本算法具有近似于基于真实值的泰勒级数展开算法的性能。     

基于双BP神经网络的室内可见光定位算法

为提高室内可见光定位的精度,提出了一种基于双反向传播(BP)神经网络的单发光二极管(LED)灯室内定位算法.首先在定位区域内使用BP神经网络确定待测目标粗略的位置范围,然后以该位置范围为限制条件,再次使用BP神经网络实现更精确的定位.室内定位系统采用单个LED灯作为发射器,3个水平光电探测器作为接收器接收光功率,避免了...     

基于最小二乘和泰勒级数展开的蜂窝定位新算法

蜂窝网络用户定位是蜂窝移动通信领域研究的热点技术之一.泰勒级数展开算法在求解非线性定位方程组中得到了广泛的应用,但是它对初始值具有很强的依赖性.本文提出了一种确定泰勒级数展开初始值的最小二乘估计算法,并对算法进行了仿真分析.仿真结果表明,本算法具有近似于基于真实值的泰勒级数展开算法的性能.     

基于RSSI的室内定位算法

随着生活水平的不断提高,智能设备越来越普及,人们对室内定位的需求越来越高,室内定位技术是指在室内环境下,通过无线终端设备和无线传感器网络来确定用户位置信息的相关技术,文章对基本的RSSI的室内定位进行了分析。     

基于ZIGBEE技术的室内定位算法研究及应用

近年来,随着无线传感器网络技术的发展,人们对基于无线传感器网络的室内定位需求越来越多。本文对现有的几种室内定位技术进行了研究,分析了它们的原理及特点,并针对ZigBee网络着重介绍了RSSI在室内定位方面的应用。     

基于PCA和BP神经网络算法的车牌字符识别

文章采用了双重PCA算法链接BP神经网络的方法对车牌字符进行识别.先由主成分分析法对原始样本数据进行分类,然后由BP神经网络法对拒识样本进行识别.研究结果表明,与传统的单一识别方法相比,提高了识别正确率,减少了训练时间.     

基于Elman神经网络的室内定位算法

针对传统室内定位算法精度较低的问题,提出一种基于Elman神经网络的室内定位算法。使用Elman神经网络进行指纹库插值扩充,完备指纹库,两者结合减少定位误差,并对该算法模型进行了实验验证。实验结果表明：在0.8 m×0.8 m×0.8 m环境中,所提算法的平均定位误差为4.6 cm,满足室内定位对于精度的要求。     

一种基于泰勒级数展开的卫星FDOA地面干扰源定位算法

对未知干扰源准确定位一直是卫星管理控制中需要解决的关键难题之一,利用干扰信号到达卫星时所携带的多普勒频移信息进行定位是一种有效的解决方法。利用受干扰卫星和其相邻卫星间的信号到达多普勒频差(FDOA),在干扰源位于地球表面约束的条件下,建立干扰源的定位模型,提出一种基于泰勒级数展开的干扰源定位算法,并对算法的性能进行了详细分析。仿真结果表明,该算法收敛速度快,能接近克拉美罗下限,约束条件的引入可以有效增加定位精度,减少有效定位最小观测卫星的数目。     

基于Taylor级数展开的改进定位算法研究

针对由RFID设备组成的室内定位系统的定位方法,分析了常规方法存在的弊端,并在采用基于Taylor级数展开的定位算法的基础上,提出了相应的改进算法,测试了算法在低噪声均匀分布和高噪声非均匀分布2种环境下的定位效果,并比较了加权和非加权算法的定位精度。结果表明,在小范围定位空间中,当噪声较大且误差分布不均匀时,改进算法的定位误差可80%控制在0.6 m以内。     

基于BP神经网络的社团分类研究

社团分类对研究复杂网络及其特性具有重要意义,为此提出将神经网络的分类特性应用于社团分类中,以BP神经网络为模型,以Zachary研究的俱乐部成员关系网络为测试数据,利用社团节点与神经网络节点之间关系的相似性模拟社团分类结果,根据成员关系图建立邻接矩阵,利用邻接矩阵关系进行实验设计建立BP神经网络,通过已知样本学习和检验样本检验,实现成员关系网络的分类模拟,数值实验结果表明文章运用的仿真方法是可行有效的.     

基于误差反向传播的入侵检测系统的研究

构建了一种基于误差反向传播神经网络的入侵检测系统总体架构,分析了该系统的各组成模块和功能要求.重点阐述了基于误差反向传播的入侵检测分析模块的设计方案,研究入侵分析过程中的几个关键问题并给出了解决方法.最后给出了基于误差反向传播网络的检测算法流程.     

融合神经网络和指纹的可见光定位算法研究

针对人们对室内定位需求的不断提高,以及现有室内定位算法定位精度不高等问题,提出了一种融合神经网络和可见光指纹的室内高精度定位算法。该算法利用反向传播神经网络(BPNN)确定待测目标的粗略位置,并以其预测坐标和最大误差作为约束条件,进行指纹匹配以确定待测目标精确位置。仿真结果表明,该算法平均定位误差为1.5cm,具有一定的应用价值。     

一种改进的ZigBee老年人定位系统设计

ZigBee是一种基于IEEE 802.15.4标准的低功耗局域网协议,具有高性能、低成本、低功耗等特点,并可以实现带有路由的组网功能。定位系统以CC2431单片机为核心,使用RSSI定位算法实现了定位功能。介绍了一种ZigBee无线定位系统,并阐述了系统的硬件组成、软件实现和定位方法。最后根据实际应用的需要对系统进行了改进,添加了老年人求助和警告功能。     

Pseudo Random Number Generator Based on Back Propagation Neural Network

Random numbers play an increasingly important role in secure wire and wireless communication. Thus the design quality of random number generator（RNG） is significant in information security. A novel pseudo RNG is proposed for improving the security of network communication. The back propagation neural network（BPNN） is nonlinear, which can be used to improve the traditional RNG. The novel pseudo RNG is based on BPNN techniques. The result of test suites standardized by the U.S shows that theRNGcan satisfy the security of communication.     

基于传播损耗模型的最大似然估计室内定位算法

基于对数正态分布的室内传播损耗模型,本文利用最大似然估计算法,通过迭代估计得到用户与各个接收机之间的距离和相应的传播损耗模型中的遮蔽因子,并由此估计得到室内用户的位置。仿真结果表明,本算法收敛速度快,并有较高估计精度。     

基于RSSR融合RNGO-Elman神经网络的室内可见光定位

针对动态环境下基于接收信号强度的传统可见光定位方法定位精度低、稳定性差等问题,提出一种基于接收信号强度比的改进北方苍鹰算法(NGO)优化Elman神经网络(RNGO-Elman)的室内可见光定位系统。提出选择一个辅助参考点,将待测参考点与辅助参考点的接收信号强度比值和接收机的真实位置作为训练集数据,建立不受动态环境影响的指纹数据库。针对NGO算法收敛速度慢、容易陷入局部最优等问题,利用折射反向学习策略初始化种群,增加种群多样性,引入非线性权重因子来加快收敛速度,避免陷入局部最优。使用优化后的NGO算法来优化Elman神经网络的初始权值和阈值,构建RNGO-Elman动态定位预测模型。仿真结果表明,在4m×4m×3m的实验空间下,优化后的RNGO-Elman定位模型平均定位误差为1.34cm,定位精度相较于Elman定位算法、NGO-Elman定位算法分别提高了82%,21%。在LED发射功率波动时,基于RSSR的RNGO-Elman定位误差为1.29cm,1.38cm。所提可见光定位方法具有定位精度高、定位性能稳定等优点。     

基于白光LED的室内高精度定位算法的实现

搭建了室内可见光定位系统,实验上探索了接收信号强度比定位算法的可行性.通过控制多个LED光源在不同时隙的亮暗,分别传输直流与正弦信号,使用照度计及光电探测器测试接收信号强度,对接收机位置进行了估计.其中使用直流信号时,在与光源所在平面相距59 cm的接收平面内,得到最大误差为2.05 cm、平均误差为8.64 mm的定位精度;使用正弦信号时,在与光源平面相距30 cm的接收平面内,得到最大误差为1.09 cm、平均误差为5.6mm的定位精度,并且使用交流信号时实验结果不受环境杂散光的干扰.