10.16652/j.issn.1004-373x.2020.22.012
RBF神经网络优化后的无线网络室内定位
目前室内定位技术已经相当成熟,但是依旧存在四个方面的问题:一是支持向量机的定位性能不高;二是室内环境相对复杂;三是神经网络的参数不够明确;四是无线信号具有较强的时变性.针对上述问题,提出通过和声搜索算法对RBF神经网络进行优化的无线网络室内定位系统.通过模糊聚类对有效训练区进行选择,以提高其精确性.同时,以和声搜索算法为依据进行RBF神经网络的参数计算,实现更加精准的室内定位.经过实验仿真表明,该系统切实可行.
无线网络、室内定位、RBF神经网络、和声搜索、聚类分析、仿真实验
43
TN915-34
国家自然科学基金11774045
2020-11-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
49-52,56