摘 要: 對于傳統(tǒng)的對移動(dòng)臺的定位,,提出了一種基于粒子群(PSO)優(yōu)化神經(jīng)網(wǎng)絡(luò)的算法,。這一PSO-BP算法首先利用PSO對神經(jīng)網(wǎng)絡(luò)傳統(tǒng)的目標(biāo)函數(shù)及參數(shù)進(jìn)行優(yōu)化,再利用改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)對非視距誤差(NLOS)進(jìn)行修正,,最后利用算法LS進(jìn)行移動(dòng)臺的定位,。仿真結(jié)果表明,該基于PSO的神經(jīng)網(wǎng)絡(luò)定位算法尋優(yōu)效果穩(wěn)定,,預(yù)測誤差小,,具有可行性。
關(guān)鍵詞: 粒子群,;神經(jīng)網(wǎng)絡(luò),;NLOS誤差,;定位算法
現(xiàn)有的蜂窩網(wǎng)無線定位系統(tǒng)包含了基于移動(dòng)臺的無線定位,、基于移動(dòng)通信的無線定位等,。移動(dòng)通信網(wǎng)絡(luò)中信道環(huán)境復(fù)雜多變,,尤其是在市區(qū)受阻礙物引起的多徑干擾和非視距NLOS誤差極大地影響了定位精度,。利用BP神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)速率快,、結(jié)構(gòu)簡單等優(yōu)點(diǎn)來修正NLOS誤差,,但是傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)存在很大的缺點(diǎn),,容易陷入局部最小值,,需要優(yōu)化神經(jīng)網(wǎng)絡(luò)并用于提升無線定位精度,。
BP神經(jīng)網(wǎng)絡(luò)是一種前向型反饋神經(jīng)網(wǎng)絡(luò),在反向傳播的算法中通過改進(jìn)的PSO合理迭代確定,。參考文獻(xiàn)[1-2]利用基站的坐標(biāo)通過定義殘差函數(shù),,對定位結(jié)果進(jìn)行加權(quán)得到移動(dòng)臺的位置,參考文獻(xiàn)[3]提出了迭代次數(shù)更少,,收斂速度更快的改進(jìn)的粒子群優(yōu)化算法,,參考文獻(xiàn)[4]提出了一種利用BP神經(jīng)網(wǎng)絡(luò)模型對NLOS誤差的修正。本文結(jié)合粒子群優(yōu)化算法和BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn),,利用了網(wǎng)絡(luò)的學(xué)習(xí)特點(diǎn)和粒子群的跟蹤遍歷迭代尋找最優(yōu)解,,修正NLOS誤差之后,再通過測量值TDOA使用LS算法進(jìn)行位置估計(jì),。跟蹤仿真驗(yàn)明該定位算法有較高的精度,。
輸入向量為:
P=[TDOA21,TDOA31,,TDOA41,,TDOA51,
圖3為在不同的測量誤差下本文算法與其他常用算法的跟蹤比較結(jié)果,。隨著測量誤差的增加,,幾種算法的定位性能都有一定程度的降低,。從定位效果上看,本文算法有較好的穩(wěn)定性能,,明顯優(yōu)于BP算法和LS算法,。說明PSO-BP對于誤差的增大有較好的適應(yīng)性。
圖4為在不同小區(qū)服務(wù)半徑下本文算法與其他常用算法的跟蹤比較結(jié)果,,縱坐標(biāo)為各個(gè)算法跟蹤結(jié)果的均方誤差值。由于半徑的增加,,BS和MS之間的距離有所增大,,導(dǎo)致NLOS誤差增加,所以定位精度下降,。由圖看出,,本文PSO-BP算法在不降低BP網(wǎng)絡(luò)學(xué)習(xí)能力的情況下具有更好的穩(wěn)定性。
本文將粒子群算法應(yīng)用于BP神經(jīng)網(wǎng)絡(luò)的TDOA定位算法中,,該算法結(jié)合了粒子群收斂速度快及神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)特性等優(yōu)點(diǎn),,通過對NLOS誤差的修正最終利用LS算法進(jìn)行位置估計(jì)。仿真結(jié)果表明,,本文算法定位精度高,,性能穩(wěn)定,收斂速度快,,與其他算法相比有較高的辨識精度,,證明了該算法的有效性和可行性。
參考文獻(xiàn)
[1] Wang Hongyan,,Lan Yunfei,,Pei Bingnan,et al.A Location algorithm based on TDOA under NLOS environment[J]. Computer Simulation,,2007,,24(9):116-119.
[2] 張令文,談?wù)褫x.基于泰勒級數(shù)展開的TDOA定位新算法[J].通信學(xué)報(bào),,2007,,28(6):7-11.
[3] 侯志榮,呂振肅.基于MATLAB的粒子群優(yōu)化算法及其應(yīng)用[J].計(jì)算機(jī)仿真,,2003,,10(20):66-70.
[4] Mao Yongyi,Li Mingyuan,,Zhang Baojun.Cellular localization algorithm based on BP neural network[J].Computer Engineering and Applications,,2008,44(3):60-63.
[5] 田雨剝,,朱人杰,,薛權(quán)祥.粒子群優(yōu)化算法中慣性權(quán)重的研究進(jìn)展[J].計(jì)算機(jī)工程與應(yīng)用,,2008,44(23):39-41.
[6] 王麗,,王曉凱.一種非線性改變慣性權(quán)重的粒子群算法[J]. 計(jì)算機(jī)工程與應(yīng)用,,2007,43(4):47-48,,92.
[7] 王啟付,,王戰(zhàn)江,王書.一種動(dòng)態(tài)改變慣性權(quán)重的粒子群優(yōu)化算法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,,2010,,19(2):58-61.
[8] 沈?qū)W利,張紅巖,,張紀(jì)鎖.改進(jìn)粒子群算法對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,,2010,19(2):58-61.
[9] 崔海青,,劉希玉.基于粒子群算法的RBF網(wǎng)絡(luò)參數(shù)優(yōu)化算法[J].計(jì)算機(jī)技術(shù)與發(fā)展,,2009,12(12):117-119,,169.
[10] BOCCADORO M,,ANGELIS G D,VALIGI P.TDOA positioning in NLOS scenarios by particle filtering[J].2012,,18(5):579-589.
[11] 毛永毅,,李明遠(yuǎn),張寶軍.基于BP神經(jīng)網(wǎng)絡(luò)的蜂窩無線定位算法[J].系統(tǒng)工程與電子技術(shù),,2008,,30(9):1798-1880.