针对传统DV-Hop无线传感器网络定位算法误差较大的缺点,将接收信号强度指示RSSI(received signal strength indicator)加入定位系统对原算法进行改进。通过RSSI测距技术计算信标节点邻居节点的距离;根据接收信号强度指示(RSSI)的比值修...针对传统DV-Hop无线传感器网络定位算法误差较大的缺点,将接收信号强度指示RSSI(received signal strength indicator)加入定位系统对原算法进行改进。通过RSSI测距技术计算信标节点邻居节点的距离;根据接收信号强度指示(RSSI)的比值修正节点间跳数;采用极大似然估计法对待定位节点坐标初步估计后再用加权质心算法进一步精确定位。仿真结果表明,该改进方法与传统DVHop算法相比定位精度有较大的提升。展开更多
现有的基于特高频（UHF）信号的局部放电时延定位方法研究重点多集中于提高时差的计算精度,而对系统定位误差的校正鲜有涉及。为此,论文直接从系统定位误差入手,提出了一种基于多神经网络的定位误差修正算法。在极径r∈[2 m, 6 m]、r∈[...现有的基于特高频（UHF）信号的局部放电时延定位方法研究重点多集中于提高时差的计算精度,而对系统定位误差的校正鲜有涉及。为此,论文直接从系统定位误差入手,提出了一种基于多神经网络的定位误差修正算法。在极径r∈[2 m, 6 m]、r∈[6 m, 12 m]及r∈[12 m, 18 m]这3个区间分段内建立了相应的误差补偿网络,利用有限个标定点的时延误差来训练径向基（RBF）神经网络,以模拟系统定位误差的分布特性,并对实际定位结果进行修正。仿真及实验结果表明,通过误差补偿网络的修正,提高了定位精确度、降低了定位结果的离散程度,最终可将定位距离误差控制在0.5 m以内,方向角误差控制在6°以内。研究结果验证了所提算法的误差修正能力。展开更多
文摘针对传统DV-Hop无线传感器网络定位算法误差较大的缺点,将接收信号强度指示RSSI(received signal strength indicator)加入定位系统对原算法进行改进。通过RSSI测距技术计算信标节点邻居节点的距离;根据接收信号强度指示(RSSI)的比值修正节点间跳数;采用极大似然估计法对待定位节点坐标初步估计后再用加权质心算法进一步精确定位。仿真结果表明,该改进方法与传统DVHop算法相比定位精度有较大的提升。
文摘现有的基于特高频（UHF）信号的局部放电时延定位方法研究重点多集中于提高时差的计算精度,而对系统定位误差的校正鲜有涉及。为此,论文直接从系统定位误差入手,提出了一种基于多神经网络的定位误差修正算法。在极径r∈[2 m, 6 m]、r∈[6 m, 12 m]及r∈[12 m, 18 m]这3个区间分段内建立了相应的误差补偿网络,利用有限个标定点的时延误差来训练径向基（RBF）神经网络,以模拟系统定位误差的分布特性,并对实际定位结果进行修正。仿真及实验结果表明,通过误差补偿网络的修正,提高了定位精确度、降低了定位结果的离散程度,最终可将定位距离误差控制在0.5 m以内,方向角误差控制在6°以内。研究结果验证了所提算法的误差修正能力。
