在研究分析室内无线信号传播特性和传统的室内定位算法的基础上,提出了用BP神经网络来拟合室内无线信号传播模型,避免了对无线信号传播模型中参数A和n的不精确估计.在训练完成的BP神经网络的输入层输入接收信号强度值RSSI(Received Sign...在研究分析室内无线信号传播特性和传统的室内定位算法的基础上,提出了用BP神经网络来拟合室内无线信号传播模型,避免了对无线信号传播模型中参数A和n的不精确估计.在训练完成的BP神经网络的输入层输入接收信号强度值RSSI(Received Signal Strength Indicator),在输出层即可得到对应的距离值,再利用泰勒级数展开法确定盲节点的坐标位置.最终通过Matlab仿真和ZigBee平台实验验证了算法的可行性和有效性.展开更多
该文研究Dirichlet及随机Dirichlet级数在水平直线或半直线上的增长性,包含关于Taylor级数的相应结果,例如下列简单结果:设Taylor级数F_(z)=sum from n=0 to ∞有收敛半径∞或1,其中0=μ_0<μ_n↑,μ_n∈N,sum from(1/μ_n)<∞....该文研究Dirichlet及随机Dirichlet级数在水平直线或半直线上的增长性,包含关于Taylor级数的相应结果,例如下列简单结果:设Taylor级数F_(z)=sum from n=0 to ∞有收敛半径∞或1,其中0=μ_0<μ_n↑,μ_n∈N,sum from(1/μ_n)<∞.如果这级数有级ρ(在收敛半径是∞或1时,“级”的意义不同),那么在第一种情形。它在从原点出发的每条射线上有级p;在第二种情形,在单位圆盘的每条射线上有级ρ．展开更多
文摘在研究分析室内无线信号传播特性和传统的室内定位算法的基础上,提出了用BP神经网络来拟合室内无线信号传播模型,避免了对无线信号传播模型中参数A和n的不精确估计.在训练完成的BP神经网络的输入层输入接收信号强度值RSSI(Received Signal Strength Indicator),在输出层即可得到对应的距离值,再利用泰勒级数展开法确定盲节点的坐标位置.最终通过Matlab仿真和ZigBee平台实验验证了算法的可行性和有效性.
文摘该文研究Dirichlet及随机Dirichlet级数在水平直线或半直线上的增长性,包含关于Taylor级数的相应结果,例如下列简单结果:设Taylor级数F_(z)=sum from n=0 to ∞有收敛半径∞或1,其中0=μ_0<μ_n↑,μ_n∈N,sum from(1/μ_n)<∞.如果这级数有级ρ(在收敛半径是∞或1时,“级”的意义不同),那么在第一种情形。它在从原点出发的每条射线上有级p;在第二种情形,在单位圆盘的每条射线上有级ρ．
