基于改进BP神经网络的室内无线定位方法

针对在室内无线定位中采用加权质心定位法时精度较低且难以克服信号不稳定的问题,提出改进的BP神经网络方法。以接收信号强度(RSSI)为输入、二维平面坐标为输出建立网络结构,网络的初始权值和阈值用思维进化算法优化,并用边长3 m的正方形区域内的196个样本数据训练。实验结果表明,在27个预测点上可达到定位精度0.1 m。相比于BP网络以及BP网络和遗传算法的结合算法,该定位方法训练收敛时间短,定位结果稳定。     

基于RSSI优化的模型参数实时估计定位算法

基于RSSI的测距是一种低成本的距离测量技术.为了有效地降低RSSI因环境影响而产生的测量误差,以及解决传统算法中因使用固定信号传播模型而造成较大测距误差的问题,提出一种RSSI经过优化处理的模型参数实时估计定位算法.该算法运用高斯模型对节点接收到的所有RSSI测量值进行处理,根据RSSI值确定待定位节点所在的最小区域,再通过该区域内选定信标节点间的相互合作估算出当时的环境参数,根据实际情况动态调整传播模型的参数,使测距更准确,从而减少定位误差.将该算法与其它算法进行仿真比较,结果表明了该算法可以有效地提高定位精度.     

基于核的RSSI定位

定位在无线传感网络的应用中有非常重要的作用,但是目前定位技术的准确度不够理想,RSSI是一种能实际使用确定传感网络中节点间距离的技术。在无线传感网络中引进了核,核是一个拥有三个或更多有着固定位置关系传感节点的物体。核能定位其他核或节点,同时核也能被传感网络定位。通过模拟发现使用核能有效提高定位的准确度。     

基于RSSI的高精度实时室内人员跟踪定位的改进

在能量有限的网络节点中,利用RSSI测距只需较少的通信开销和较低的实现复杂度.实际应用环境中,由于受不同的传播方向和传播介质的影响,在定位过程中产生的距离误差比较大.在此算法的基础上结合平滑算法,提出了增强型RSSI算法.增强型RSSI算法是将前一个 RSSI的值大小与当前的做一个平滑动作,主要降低移动目标的动能波动,从而对室内的人员进行更加精确的跟踪定位,通过与简单的RSSI进行比较,仿真验证了平滑算法的定位的精确性与有效性.     

基于虚拟信息库的粒子滤波指纹库定位算法

指纹库定位算法的关键在于根据不同参考节点的接受信号强度指示RSSI(Receive signal strength indication)建立有效指纹信息数据库。传统的方法是在定位区域内标定多个信息采样点,而大量样本数据的采集会导致算法离线训练阶段工作量增大。Zigbee传感器网络平台下,综合考虑了目标自身对信号的干扰以及节点数对函数逼近能力的影响,利用信号强度的非线性特性,提出了一种基于多项式分区插值的虚拟指纹库生成方法;同时使用粒子滤波对预估计的结果进行处理,以解决RSSI不规则分布问题。实验结果表明该方式可以快速、简捷地生成细粒度的定位信息数据库,提高了定位精度。     

基于PSO的测距模型参数估计三维定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一;针对粒子群优化(PSO)定位方法的定位精度依赖于测距模型参数与实际值的符合程度,在接收信号强度指示(RSSI)测距模型的基础上,提出一种测距模型参数估计的三维定位算法;该方法无需计算距离,将未知节点的位置和RSSI测距参数作为自变量,以信号强度误差为目标函数,采用粒子群优化算法估算未知节点坐标;仿真结果表明所提算法不依赖于测距模型参数的选取,并取得了理想的定位精度。     

动态无线传感器网络的改进蒙特卡罗定位算法

针对于无线传感器网络中移动节点的定位问题,在传统蒙特卡罗定位算法的基础上,提出了一种改进算法。该算法通过构建接收信号强度指示测距模型来限制样本区域以求提高采样效率。仿真结果表明,与MCL、MCB等其他蒙特卡罗定位算法相比,改进算法在不同的时间、不同的锚节点密度、不同的节点移动速度等情况下,都具有更好的定位精度。     

基于KNN算法的可变权值室内指纹定位算法

针对基于静态权值的室内指纹定位算法存在定位精度低、定位结果不稳定以及环境适应性差等问题,提出一种以欧氏距离为权值参考的可变权值室内指纹定位算法。该算法分为离线采样阶段和在线定位阶段。离线采样阶段对接收信号强度指示(RSSI)值进行高斯滤波去噪构建指纹库。在线定位阶段引入权值指数α、β,分别以RSSI、欧氏距离为权值参考计算最近邻点及其加权质心,得出待测节点的坐标。实验结果表明,相比KNN和RW算法,该算法定位精度高,其平均误差为0.965 m,且定位误差波动小。     

基于统计参数优化的质心定位算法探讨

针对传统接收信号强度指示(RSSI)算法对于复杂环境的适应能力弱的问题,对基于RSSI的质心定位算法进行统计参数改良优化,提高定位精度。在充分分析传统基于RSSI的质心定位算法的基础上,运用最小二乘法改进模型参数,用平均权重优化质心算法极大似然估计过程,对传统质心定位算法进行优化改进。实验结果表明,改进后的定位算法精度有较大提高,在增加参考节点情况下,定位精度增加更为明显,具有良好的定位效果。基于统计参数优化的质心定位算法有效提高了RSSI定位算法的定位精度。     

基于动态T检验的修正最小二乘BFGS定位算法

针对传统基于接收信号强度指示RSSI(Received Signal Strength Indicator)的最小二乘定位算法精度有限的问题,从降低信号噪声影响出发,提出一种基于动态T检验的修正最小二乘-BFGS定位算法。在测距阶段,将T检验法动态应用于RSSI值筛选,以消除较大测量误差影响,提高测距精度;定位阶段,先基于平均测算距离对传统的最小二乘法进行修正,提升初步定位精度0.3~2米;在此基础上,以信号强度误差最小为目标优化函数,基于BFGS算法对修正最小二乘法计算的初值进行迭代求精,以进一步提高定位精度。仿真实验表明,该算法有效提升了定位精度,在100 m×100 m范围内可比传统最小二乘定位误差降低4~11米。     

基于改进的BP神经网络入侵检测方法研究

针对遗传算法局部搜索能力弱和收敛速度慢,在选择操作之后加上了禁忌搜索算法,并对交叉操作进行改进,最后用禁忌搜索作为变异操作,从而加快算法的收敛速度,并用此改进的遗传算法来优化BP神经网络的权值。实验证明,采用该方法优化BP神经网络权值,能克服BP神经网络收敛速度慢、局部极小问题。     

基于动态云—量子神经网络群的配电网实时故障定位方法

针对传统的配电网故障定位方法在配电网故障信号微弱时存在的故障数据交叉现象严重、实时性较差等问题,提出了一种基于动态云-量子神经网络群的配电网实时故障定位方法;构建了用于配电网故障定位的动态云-量子神经网络群结构模型,提出一种动态云-量子神经网络群改进算法,并给出了基于该算法的配电网实时故障定位步骤;在Matlab软件中采用该方法对某10kV配电网进行故障定位仿真研究,结果表明该方法能够实时、有效地实现故障信号微弱情况下的配电网故障定位,测试精度为97.39%,训练时间为0.001 6s。     

基于BP神经网络的模糊参数辨识

提出一种与TSK模糊模型相似的模糊模型—M-2模型,证明了M-2模型与一个4层前向神经网络是等价的,在此基础上提出基于BP神经网络的模糊模型参数辨别算法,即通过BP神经网络对样本数据的学习,直接从样本数据获取模型参数,建立M-2模糊模型,通过仿真实例验证了该算法的有效性。     

基于BP神经网络的非线性网络流量预测

传统的流量分析建立在线性模型的基础上,但是由于复杂的拓扑结构和网络行为,网络流量表现为一个非线性的系统。根据实际网络中测量的大量网络流量数据,建立一个时间相关的基于神经网络的流量模型,预测和分析网络流量状况。相对于传统线性模型该模型具有较高的预测精度、自适应性和鲁棒性。     

基于BP人工神经网络的车牌字符识别优化算法

车牌识别是电子警察系统重要的功能模块, 字符识别是车牌识别的关键步骤。目前,BP（Back Propagation）人工神经网络因其优越的性能而广泛应用到车牌识别中,但是BP神经网络在局部极值、假饱和、收敛速度缓慢等方面存在着不足。针对这些局限性,从网络的层数、节点数、动量项、学习因子方面进行分析和改进,构建了一个优化的BP人工神经网络,进行字符识别。仿真结果表明,该优化的识别算法识别准确率高,具有良好的识别性能。     

基于BP网络的人脸图像边缘检测算法

采用改进的BP算法,实现人脸图像的边缘检测.构造了学习样本,并在较短时间内训练得到权值矩阵,从而实现二值图像边缘检测.在此基础上,综合灰度图像各位面的边缘提取结果,实现对灰度图像的边缘检测.利用ORL人脸数据库图像的实验,证明了将得到的权值矩阵用于人脸图像的边缘检测,泛化性较好,抗噪能力强,能得到较为连续精细的边缘.     

基于人工神经网络的动态过程聚类研究

为了有效解决传统人工神经网络对于时变函数的聚类问题,以及提高在大样本下网络的学习和泛化能力,提出了基于离散余弦变换的传统人工神经网络动态过程聚类方法。通过离散余弦变换将样本函数降维映射到由对应余弦参数所张成的模式特征空间,满足了传统人工神经网络对输入样本的要求,使传统人工神经网络实现动态过程的聚类成为可能。给出了实现算法,分析了计算复杂度,并使用基本竞争型人工神经网络对特征样本向量进行聚类,实验结果表明该方法是正确、有效的。与过程人工神经网络相比,该方法具有运算简单、物理意义明确等优点。     

基于BP神经网络的产品造型设计评价

为了对产品的造型设计进行评价,在分析人工神经网络原理的基础上提出了应用BP神经网络评价产品造型设计的方法.根据BP神经网络具有自学习、自组织、自适应和非线性动态处理等优点,建立了产品造型设计BP神经网络评价模型,选择某一产品造型设计的13款方案作为样本,利用Matlab软件进行了BP网络的实例训练和验证.实验结果表明,BP神经网络模型可以较准确的对产品造型设计进行评价.     

基于BP神经网络的传感器交叉敏感性抑制

多传感器系统通常都存在交叉敏感性问题,传感器静态性不仅受某一个环境参量的影响,有时甚至受多个非目标参量的影响,致使测量精度低。提出一种基于BP神经网络的传感器的交叉敏感性抑制的方法,并应用到实际的检测系统中。通过对应用神经网络前后的数据进行比较分析,表明该方法大大降低了交叉干扰,提高了测量精度,达到了预期效果。     

基于BP神经网络和Bagging算法的入侵检测

提出基于Bagging算法集成BP神经网络的入侵检测方法。采用BP神经网络为分类器,以用户的网络连接行为为特征进行检测,为进一步提高BP神经网络的分类性能,采用Bagging算法对BP神经网络分类器进行加权投票。实验表明,提出的方法具有良好的检测性能。