基于粒子群和人工神经网络来优化RFID 室内定位算法

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