基于深度学习的水下传感器网络节点定位算法研究

发布时间：2024-03-07 02:19

　　水下传感器网络有着部署方便、实用性强的特点,是水下探测的重要手段。但如果不知道采集数据的传感器节点所对应的空间位置,监测站即使接收了传感器节点所采数据,也是没有实际意义的。因此,作为水下传感器网络领域的核心技术,水下节点定位技术受到了研究人员的广泛关注。但水下环境中多径效应、海洋噪声、声速多变性等使得水下节点的定位过程出现了许多非线性变化因素,深度学习是一种解决复杂非线性问题的有效方法,本文将深度学习算法分别应用到了基于测距的定位技术和无需测距的定位技术中,展开了以下研究:基于测距的水下节点定位算法较为常用,但是节点间的测距精度会受到水下声速多变性的影响,进而影响水下节点定位效果。针对上述问题,本文提出了一种基于GA-BP(Genetic Algorithm Back Propagation)神经网络的测距节点定位算法。该算法依托GA-BP神经网络,并利用全球海洋Argo网格数据集,建立了一种可获取不同时空不同海域精确水下声速的深度学习预测模型,该模型配合回波测距和空间四点定位算法实现了对未知节点的定位。在此基础上,又提出了基于多点平均预测声速的定位修正机制,以锚节点和待修正节点连线上...

【文章页数】：68 页

【部分图文】：

图2-1三边测量定位算法

三边测量算法[48](Trilateration)的工作方式是通过计算未知节点到达三个参考节点的距离,得到三个以参考节点为圆心,距离为半径的圆。进而通过解算这三个圆的交点得到未知节点在该平面上的位置坐标。与三角测量算法不同的是在二维平面中使用三边测量算法时,至少需要三个参考点而不....

图3-13层BP神经网络

激活函数是输入层的神经元节点和对应输出层的神经元节点之间的函数关系。激活函数的意义在于将非线性因素引入到神经网络中,增强深度学习模型的非线性拟合能力,使其可以学习更复杂的事物。本研究中BP神经网络使用的激活函数为双曲正切函数tanh。该函数以0为中心,可以将一个实数映射到(-1,....

图3-2GA-BP神经网络流程图

如图3-2所示,遗传算法对BP神经网络的改进思路是通过优化BP神经网络中的初始权值和阈值,使BP神经网络可以在更优的阈值范围内开始训练,以此防止其陷入局部最优解。在进行遗传算法的运算前,首先要将种群初始化,也就是对BP网络中的权值和阈值进行编码,以进行后续的交叉、变异等操作。本研....

图3-3单点交叉算子

交叉运算符用于重新组合两个个体,以获得更优秀的个体,是一个由父代产生子代的过程。遗传算法的二进制序列交叉算子主要有单点交叉算子、多点交叉算子和均匀交叉算子。本研究中使用的交叉算子为单点交叉算子,如图3-3所示。在个体的二进制数列上随机选择一点,将数列由此分割,并将分割后的右侧部分....

本文编号：3921238