基于MEA-GRNN的RFID室内定位

针对采用遗传算法(Genetic Algorithm,GA)优化广义回归神经网络(Generalized Regression Neural Network,GRNN)的射频识别（Radio Frequency Identification,RFID）室内定位模型存在的早熟、收敛速度慢、不能保证解是全局最优等问题,提出采用思维进化算法(Mind Evolutionary Algorithm,MEA)来寻找广义神经网络的最优光滑因子,从而确定最优定位模型。首先用GRNN建立节点定位模型,阅读器与标签的接收信号强度值作为GRNN的输入,节点坐标作为输出,根据适应度函数值,通过MEA寻找GRNN的最优平滑参数。实验结果表明,通过MEA优化的GRNN模型的定位精度比GA优化的GRNN定位模型的精度高、泛化能力强,并且比后者的效率高,能够避免GA陷入局部最优的问题。     

基于GA-GRNN的RFID室内定位算法

针对基于测距模型的定位算法易受环境干扰、测距误差大的问题,提出一种基于遗传算法-广义回归神经网络(GA-GRNN)优化的指纹定位算法。利用GRNN建立节点定位模型,通过GA确定最优平滑参数,将阅读器与标签间的信号强度值作为神经网络的输入,进而得到输出节点的坐标。仿真结果表明,与GRNN算法、BP神经网络算法、FOA-GRNN算法相比,该算法的定位精度较高,泛化能力较强。