论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　无线室内定位的实验采用学校大学生实验室来模拟真实的实验环境，实验区域面积为10mx8m,在实验室环境的四周固定的位置放置6个锚节点，实验室地面建立坐标轴放置的锚节点的位置如下（0,0)、（5,0)、（10,0)、（0,8)、（5,8)、(10,8)、（5,4),锚节点采用CC2431该设备能满足低功耗SgBee无线传感器网络的应用需要。定位引擎基于RSSI技术,根据接收信号强度与已知参考节点位置通过计算出参考节点位置，本实验中移动节点采用CC2430组成的简易装置，软件平台包括IAR编程集成开发工具、ZigBee协议栈(Z-Stack),数据分析仪。
　　实验前采样样本，主要是测量RSSI数值和d,通过采样30个样本，然后然后分为两组，第_组随机选取20个样本作为训练样本,剩余的10个为实验样本,输入训练样本根据改进的人工鱼群算法来训练神经网络连接权值和阈值得到人工神经网络的模型,然后将该模型通过编程应用移动节点计算距离公式中，然后将得到的距离值采用改进的距离加权质心算法分析定位最后获得距离值。
　　5.2实验结果分析
　　实验数据随机在实验室中选定15个固定点作为移动点的预定测试位置,然后通过收集数据得到定位数据得出改进的人工鱼群算法对比实验结果如图2所示。
　　图2中横坐标表示位置测量点编号，纵坐标表示位置测量点和实际位置的误差，通过对实验数据和处理计算出本文算法的平均误差在1.8m左右,相对于BP神经网络RSSI模型定位平均误差2.1m有一定降低，基本能够满足室内定位对误差的要求。
　　通过实验和参考文献得出基于指纹库定位技术[17]和基于惯性室内定位[18]定位方法的误差平均值，通过和本实验得出的数据进行对比，数据如表2所示。
　　表2室内定位算法误差对比
　　定位算法平均误差/m
　　指纹库算法2.2
　　惯性测量算法1.6
　　本文算法1.8
　　通过对图2和表2的分析,本文提出的室内定位算法定位精度相比指纹库和BP算法有一定的提高，但是相比惯性测量方法定位的精度较低，这是由于惯性测量需借助复杂的传感器和算法;但是本文定位算法和定位的装置简单，是_种低成本的定位算法。
　　通过实验和与目前定位算法的比较和实验数据,本文分别提出了基于改进人工鱼群算法选取神经网络参数方法来提高算法适用性;提出改进距离加权质心法提高定位的可靠性和精度;通过以上方法来提高定位算法的收敛速度和定位精度，可靠性和泛化能力。通过对实验数据的分析得出BP神经网络RSSI模型算法的误差在2.1m左右;而本文算法的误差主要集中在1.8m左右，对定位的精度有所提局，基本能够满足室内定位对误差的要求。
　　6结语
　　本文提出基于改进的人工鱼群算法优化BP神经网络和基于改进的距离加权质心方法,通过人工鱼群算法神经网络训练和优化连接权值提高对复杂室内环境的适应性,通过改进的距离加权质心方法选取多个锚节点来提高定位的精度。在实验室环境下建立ZigBee无线传感网络来模拟真实的环境，通过设计实验测得移动节点的位置,从实验结果可以得出本文提出的神经算法定位精度平均提高8%左右，且对环境的适应性和定位的可靠性有一定的提高，算法具有一定的适用性和有效性;但是还需要在定位精度和方法上进一步研究消除室内复杂环境带来的误差。
　　参考文献：
　　[1]HET,HUANGC,BLUMBM,etal.Range-freelocalizationschemesinlargescalesensornetworks[C]//Proceedingsofthe9thAnnualInternationalConferenceonMobileComputingandNetworking.NewYork:ACM,2003:81-95.
　　[2]RUDAFSHANIM,DATTAS.Localizationinwirelesssensornet-works[C]//Proceedingsofthe6thInternationalSymposiumonInformationProcessinginSensorNetworks.Washington,DC:IEEEComputerSociety,2007:51-60.
　　[3]YEDAVALLIK,KRISHNAMACHRIB,RAVALAS,etal.Ecolocation:asequencebasedtechniqueforRFlocalizationinwirelesssensornetworks[C]//IPSN2005:Proceedingsofthe4thInternational
　　SymposiumonInformationProcessinginSensorNetworks.Piscat-away:IEEE,2005:285-292.
　　[4]PRASITHSANGAREE,KRISHNAMURTHYP,CHAYSANTHISPK.OnindoorpositionlocationwithwirelessLANs[C]//Proceedingsofthe13thIEEEInternationalSymposiumonPersonal,IndoorandMobileRadioCommunications.Piscataway:IEEE,2002,2:720-724.
　　[5]BULUSUB,DEIDEMANNJ,ESTRIND.GPSlesslowcostoutdoorlocalizationforverysmalldevices[J].IEEEPersonalCommunica-tions,2000,7(5):28-34.
　　[6]LEVAW.New1149.7enhances1149.1testaccessport,maintainscompatibilityforboundaryscan[M].[S.l.]:ASSETInterTech,2009.
　　[7]石晓伟，张会清，邓贵华.基于BP神经网络的距离损耗模型室内定位算法研究[J].计算机测量与控制,2012,20(7):1944-1947.
　　[8]张会清，石晓伟,邓贵华，等.基于BP神经网络和泰勒级数的室内定位算法研究[J].电子学报,2012,40(9):1876-1879.
　　[9]倪巍，王宗欣.基于接收信号强度测量的室内定位算法[J].复旦学报,2004,43(1):72-76.
　　[10]朱明辉，张会清.基于RSSI的室内测距模型的研究[J].传感器与微系统,2010,29(8):19-22.
　　[11]李瑛,胡志刚._种基于BP神经网络的室内定位模型[J].计算技术与自动化,2007,26(2):77-80.
　　[12]HAYKINSS.Neuralnetworks:acomprehensivefoundation[M].2nded.UpperSaddleRiver:PrenticeHallPTR,1994:50.
　　[13]张国翊，胡铮.改进BP神经网络模型及其稳定性分析[J].中南大学学报：自然科学版，2011,42(1):115-124.
　　[14]李晓磊，邵之江，钱积新，等.一种基于动物自治体的寻优模式：鱼群算法[J].系统工程理论与实践,2002,22(11):32-38.
　　[15]李晓磊，钱积新.基于分解协调的人工鱼群优化算法研究[J].电路与系统学报，2003,8(1):1-6.
　　[16]WYLIEMP，HOLTZMANJ.Thenon-lineofsightprobleminmobilelocationestimation[C]//Proceedingsofthe1996IEEEInternationalConferenceonPersonalCommunications.Piscataway:
　　IEEE,1996.827-831.
　　[17]秦泗明.基于位置指纹的WiFi室内定位技术研究[D].成都：电子科技大学,2013.
　　[18]白嗣东.基于数据挖掘分类聚类理论的指纹法室内定位优化[D].北京：北京交通大学,2014.