典型文献
基于BP神经网络的RSSI测距优化算法
文献摘要：
基于接收信号强度指示(received signal strength indication,RSSI)测距的研究和应用领域很广泛,一直是物联网研究的热点.为降低传统基于反向传播(back propagation,BP)神经网络的RSSI测距误差,文中提出一种基于K-means聚类算法对样本数据进行预处理的BP神经网络测距算法,来解决由于RSSI值衰减程度不同引起的不同距离区间RSSI值和真实距离之间映射关系不均匀的问题.将K-means聚类算法应用于BP神经网络模型中,对样本数据进行距离区间划分,然后将已经分类好的数据分别输入BP神经网络建立网络模型并进行实验仿真.结果显示:传统基于BP神经网络的RSSI测距算法的均方根误差为1.425 7 m;而经过K-means算法改进后的BP神经网络测距算法的均方根误差为1.288 7 m,降低了测距误差,并优化了目标RSSI值与真实距离的映射关系.
文献关键词：
路径损耗模型;接收信号强度指示(RSSI)测距;K-means聚类算法;反向传播(BP)神经网络;测距误差;均方根误差
中图分类号：
作者姓名：
姚军;甄梓越;马宇静
作者机构：
西安科技大学通信与信息工程学院,西安710054
文献出处：
引用格式：
[1]姚军;甄梓越;马宇静-.基于BP神经网络的RSSI测距优化算法)[J].电波科学学报,2022(04):663-669
A类：
B类：
RSSI,接收信号强度指示,received,signal,strength,indication,研究和应用,反向传播,back,propagation,测距误差,means,聚类算法,测距算法,不同距离,离区,映射关系,算法应用,行距离,区间划分,别输,实验仿真,算法改进,路径损耗模型
AB值：
0.250546
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
