WSNs中基于通用回归神经网络的目标跟踪算法

发布时间：2024-02-13 20:39

　　基于接收信号强度指示(RSSI)的移动目标定位和跟踪常采用三边或角度测量定位技术。尽管该技术简单,易实施,但由于RSSI值与距离间的非线性关系,它们容易导致较大的定位误差。通用回归神经网络(GRNN)能够快速训练稀疏数据集。提出基于GRNN的移动目标跟踪(GMTT)算法,该算法依据GRNN处理RSSI与目标位置间的非线性关系,利用卡尔曼滤波(KF)修正目标位置。仿真实验结果表明,相比于RSSI+KF,GMTT算法可以有效地降低目标定位的根均方误差。

【文章页数】：5 页

【部分图文】：

Fig.3Speedvariationinxdirection图3目标在x轴的速度变化05101520253035

点。基站通过与电脑相连，进而运行定位算法。令T表示总的运行时间，并将其划分为多个时隙。令dt表示时隙。用kX表示移动目标在第k个时刻的状态，且,,,kkkkkXxyxy，其中,kkxy表示目标在x轴、y轴的位置；,kkxy表示在在x轴、y轴的速度。因此，可建立式(14)和式(15....

图2GRNN结构的基本框架

式(4)中n表示对观察值的抽样个数。图2中，n=4。此外，式(4)中表示平滑因子。作为神经网络算法的重要参数，其控制了算法的收敛速度。依据文献[8]分析可知，适当地选取值，可提高GRNN的精确度[8]。receivingterminaljR,jkjkxytransmittingt....

图4目标在y轴的速度变化

现KF的操作。在预测阶段，利用第k1步的估计值估计当前k步的值。而在更新阶段，利用当前的测量值更新预测阶段的值，进而提高估计精确度。预测：111kkkkxxuAB(9)1TkkkkPPQAA(10)更新：TTkkkkkkkKPPRHHH(11)1kkkkkkxxKzxH(12)k....

图6RSSI随平滑因子σ的影响

。同时，1,iitttstartingtrainingGRNNmodeltheseRSSIvaluesaredispatchedtobasestationonlinepositionestimationusingKFframeworkthebasestationrunGRNNal....

本文编号：3897172