闫　驰

(兰州交通大学 电子与信息工程学院,甘肃 兰州　730070)



基于PSO-BP神经网络的无线传感器网络定位算法

闫驰

(兰州交通大学 电子与信息工程学院,甘肃 兰州730070)

摘要针对无线传感器网络定位的基本功能问题。提出一种将PSO算法和BP神经网络相结合对RSSI在测距阶段测得的距离数据进行优化的算法。该算法将PSO算法作为BP神经网络的学习算法,缩短了BP神经网络的训练时间,并加快算法的收敛速度。通过仿真,定位精度较其他算法得到了明显提高,最高可达27.3%。

关键词无线传感器网络;BP神经网络;粒子群算法;RSSI;定位算法

定位技术是无线传感器网络[1](Wireless Sensor Networks,WSN)的基本功能之一。而基于测距的接收信号强度指示(Received Signal Strength Indication,RSSI)定位方法因其无需额外硬件、实现简单、成本低等特点,常被用于WSN的定位。但RSSI定位精度受环境影响大,故在测距阶段容易产生较大测距误差。由于人工神经网络在函数逼近等方面的优良表现。近年来,不少研究人员将其引入到WSN的定位中来,优化在测距阶段测得的数据,从而在定位精度上得到了大幅的提升。但神经网络固有的缺陷,如学习时间长、收敛速度慢等,也使得节点定位精度的提高受到严重的挑战。

因此,本文提出一种基于PSO-BP神经网络的WSN定位算法。将粒子群算法(Particle Swarm Optimization,PSO)作为BP网络的学习算法,通过粒子群算法在搜索寻优方面的优势,通过训练,缩短了BP神经网络的学习时间及收敛速度,使BP网络得到最优的初始化权值及阈值。通过Matlab软件的仿真,证明该算法对定位精度有了一定的改善。……