微型机与应用
微型機與應用
미형궤여응용
MICROCOMPUTER & ITS APPLICATIONS
2014年
4期
50-52,55
,共4页
郑敏%毛永毅%唐凯林
鄭敏%毛永毅%唐凱林
정민%모영의%당개림
粒子群%神经网络%NLOS误差%定位算法
粒子群%神經網絡%NLOS誤差%定位算法
입자군%신경망락%NLOS오차%정위산법
PSO%neural network%NLOS%localization algorithm
对于传统的对移动台的定位,提出了一种基于粒子群( PSO )优化神经网络的算法。这一PSO-BP 算法首先利用 PSO 对神经网络传统的目标函数及参数进行优化,再利用改进后的 BP 神经网络对非视距误差( NLOS )进行修正,最后利用算法 LS 进行移动台的定位。仿真结果表明,该基于 PSO的神经网络定位算法寻优效果稳定,预测误差小,具有可行性。
對于傳統的對移動檯的定位,提齣瞭一種基于粒子群( PSO )優化神經網絡的算法。這一PSO-BP 算法首先利用 PSO 對神經網絡傳統的目標函數及參數進行優化,再利用改進後的 BP 神經網絡對非視距誤差( NLOS )進行脩正,最後利用算法 LS 進行移動檯的定位。倣真結果錶明,該基于 PSO的神經網絡定位算法尋優效果穩定,預測誤差小,具有可行性。
대우전통적대이동태적정위,제출료일충기우입자군( PSO )우화신경망락적산법。저일PSO-BP 산법수선이용 PSO 대신경망락전통적목표함수급삼수진행우화,재이용개진후적 BP 신경망락대비시거오차( NLOS )진행수정,최후이용산법 LS 진행이동태적정위。방진결과표명,해기우 PSO적신경망락정위산법심우효과은정,예측오차소,구유가행성。
A location algorithm based on PSO ( Particle Swarm Optimization ) using BP ( Back Propagation ) neural network for the traditional location of mobile station in this paper . The algorithm is using PSO to optimize the traditional objective function and pa-rameters of BP , and then correct the NLOS errors . At last , the positions of MS can be estimated by LS′s algorithm . The results in-dicate that the localization algorithm is better than others in the stability and the prediction error is smaller .