煤矿井下信号存在的非视距传播(Non-line of sight,NLOS),严重影响井下定位精度,提出一种基于遗传神经网络和Taylor算法相结合的煤矿井下定位算法。该算法通过训练遗传神经网络来拟合待测点坐标值,定位基站和参考基站之间的到达时间差(t...煤矿井下信号存在的非视距传播(Non-line of sight,NLOS),严重影响井下定位精度,提出一种基于遗传神经网络和Taylor算法相结合的煤矿井下定位算法。该算法通过训练遗传神经网络来拟合待测点坐标值,定位基站和参考基站之间的到达时间差(time difference of arrive,TDOA)测量值之间的映射关系,将遗传神经网络得到的定位结果代入Taylor算法,得到最终的定位结果。仿真分析表明,该算法相较于传统的室内定位算法,在非视距环境下具有更好的定位效果。展开更多
文摘煤矿井下信号存在的非视距传播(Non-line of sight,NLOS),严重影响井下定位精度,提出一种基于遗传神经网络和Taylor算法相结合的煤矿井下定位算法。该算法通过训练遗传神经网络来拟合待测点坐标值,定位基站和参考基站之间的到达时间差(time difference of arrive,TDOA)测量值之间的映射关系,将遗传神经网络得到的定位结果代入Taylor算法,得到最终的定位结果。仿真分析表明,该算法相较于传统的室内定位算法,在非视距环境下具有更好的定位效果。
