基于GRNN神经网络的ZigBee室内定位算法研究
基于固定参数的无线信号传播损耗模型的定位算法,不能很好解决由于多径传播效应和环境复杂性所带来的测距误差问题.提出使用GRNN神经网络来拟合室内RSSI值与距离值之间的映射关系,得到RSSI值与距离值的映射模型,再将定位实验中实测的RSSI值作为训练好的GRNN神经网络的输入层,在输出层得到与RSSI值相对应的距离值,最后使用加权质心算法来进行待测节点的定位.该算法不仅简单而且性能良好,并且不需要额外的硬件.经过Matlab和ZigBee实验仿真验证,与路径损耗模型和基于BP神经网络的定位算法相比,所提出的算法可以提供较好的定位结果.
室内定位、广义回归神经网络、信号接收强度、加权质心、无线传感器网络
34
TP393(计算技术、计算机技术)
江西省自然科学基金项目20142BAB217019;华东交通大学校立科研课题12XX06
2017-10-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
137-142