神经网络融合引力场的超宽带定位模型

摘要

为研究非视距(NLOS)误差对超宽带(UWB)室内定位系统定位精度的影响,以BP神经网络优化超宽带定位模型为基础,针对BP神经网络用于超宽带定位收敛速度慢、易陷入局部极值等问题,利用引力场算法改进BP神经网络的初始权值和阈值。模型利用BP神经网络训练的预测值和期望值之间的绝对误差衡量灰尘质量,确定中心灰尘;利用移动因子,周围灰尘快速向中心灰尘靠拢,加快BP神经网络的收敛速度;通过自转因子作用,避免灰尘过度集中于中心灰尘,改善BP神经网络易陷入局部最优的问题。以IEEE802.15.4a标准下CM4超宽带信道模型模拟室内NLOS环境,结果表明:定位模型的均方根误差为7.95 cm,较基于粒子群优化BP网络定位模型减少了53%,较传统BP神经网络超宽带定位模型减少了64.41%;同时,90%定位误差控制在12.75 cm以内,较粒子群优化BP网络定位精度提升50.92%,较传统BP神经网络超宽带定位精度提升64.55%。定位模型定位误差小、收敛速度快、鲁棒性好,对实现实际室内复杂环境下高精度定位具有一定的参考价值。