典型文献
基于深度学习和质点弹性优化的传感器节点定位
文献摘要：
为了实现无线传感器网络中传感器节点的定位,提出一种基于神经网络的深度学习定位方案.方案分别采用2个体系结构相同的神经网络集成(Neural Network Integrations,NNIs)即X-NNI和Y-NNI来估计x和y坐标,每个NNI由K个分量神经网络构成,每个分量神经网络是一个3层前馈神经网络.每个未知节点在接收到经过训练的NNIs的信息之后,使用在信息阶段收集的跳数信息作为NNIs的输入来估计其位置;还提出一种利用相邻信标节点和未知节点的位置信息的增强型质点弹性优化位置估计算法来进一步提高系统的整体定位性能.仿真实验结果表明,提出的定位方案相比于其他无距离定位算法以及基于单神经网络的定位算法在平均定位误差方面有显著改善,而且具有良好的实用性和稳定性.
文献关键词：
无线传感器网络;节点定位;神经网络;信标节点;跳数信息;平均定位误差;稳定性
中图分类号：
作者姓名：
王瑾;王瑞荣;许清梅
作者机构：
太原工业学院 电子工程系,太原030008
文献出处：
引用格式：
[1]王瑾;王瑞荣;许清梅-.基于深度学习和质点弹性优化的传感器节点定位)[J].电子信息对抗技术,2022(03):40-44,56
A类：
Integrations,NNIs,跳数信息
B类：
质点,弹性优化,传感器节点,节点定位,无线传感器网络,习定,定位方案,体系结构,网络集成,Neural,Network,前馈神经网络,经过训练,信标节点,位置信息,增强型,位置估计,估计算法,定位性能,定位算法,平均定位误差
AB值：
0.254111
相似文献
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。
