粒子群优化人工神经网络的RFID 室内定位算法
作者:陈珊珊,史志才,吴 飞,张玉金,陈计伟
文章提出了一种基于粒子群优化( PSO) 的人工神经网络( ANN) 方法。采用 PSO 优化 ANN 的权值与阈值,避免了传统 ANN 预测结果易陷入局部最优的缺点,并建立了标签信号强度值与位置坐标的关系。
RFID 室内定位算法分析
一般阅读器获取定位标签的信号强度随着传播距离的增加而减弱,其中信号强度值和传播距离模型为:
式中 RSSI( d) 为阅读器读取与其相距为 d( m) 的电子标签的信号强度,P0 为阅读器读取参考距离为 d0 ( m) 时电子标签的信号强度,γ 为信号的路径损耗系数,d 为阅读器与标签之间的距离,εδ 为高斯噪声。
室内定位算法的改进
RFID室内定位信息服务是建立高斯滤波后的RSSI向量与位置坐标之间的关系。
(1) 4 个阅读器分别重复读取 50 次每个参考标签的 RSSI 值,对重复读取的 50 个 RSSI 值进行高斯滤波
处理,并将处理后的 RSSI 值与每个参考标签的坐标作为训练数据。另外需要初始化粒子群算法的位置和速度,用训练数据作为粒子群算法的输入得到最优的 ANN 权值和阈值,最后将优化后的 A