RBF神经网络优化后的无线网络室内定位

发布时间：2023-01-06 19:05

　　目前室内定位技术已经相当成熟,但是依旧存在四个方面的问题:一是支持向量机的定位性能不高;二是室内环境相对复杂;三是神经网络的参数不够明确;四是无线信号具有较强的时变性。针对上述问题,提出通过和声搜索算法对RBF神经网络进行优化的无线网络室内定位系统。通过模糊聚类对有效训练区进行选择,以提高其精确性。同时,以和声搜索算法为依据进行RBF神经网络的参数计算,实现更加精准的室内定位。经过实验仿真表明,该系统切实可行。 

【文章页数】：5 页

【文章目录】：
1 和声搜索算法简述
    1.1 和声搜索算法的原理
    1.2 基础和声搜索算法
2 涉及到的相关理论简述
    2.1 压缩感知算法
    2.2 模糊聚类算法
    2.3 径向基神经网络
    2.4 和声搜索算法优化后的RBF神经网络
3 优化后室内定位模型的建立
4 实验结果以及分析
    4.1 实验环境简述
    4.2 结果以及分析
5 结语


【参考文献】：
期刊论文
[1]一种融入差分变异的变规模和声搜索算法[J]. 赵新超,刘朝华.  集美大学学报(自然科学版). 2017(04)
[2]约束处理技术及应用[J]. 雍龙泉,拓守恒,史加荣.  计算机科学与探索. 2018(06)
[3]基于核函数特征提取的室内定位算法研究[J]. 李华亮,钱志鸿,田洪亮.  通信学报. 2017(01)



本文编号：3728195