余振宝，卢小平，陶晓晓，周雨石，皇永波

一种GA-BP神经网络模型的RSSI测距算法

余振宝，卢小平，陶晓晓，周雨石，皇永波

（河南理工大学 矿山空间信息技术国家测绘地理信息局重点实验室，河南 焦作 454000）

路径损耗模型；遗传算法；反向传播神经网络；测距精度；室内定位

0 引言

基于位置的服务（location based service, LBS）主要分为室外定位和室内定位2个部分。在室外环境中，全球卫星导航系统（global navigation satellite system, GNSS）可以提供准确的位置服务[1-2]。但是由于室内环境相对较为复杂多变，仅依靠全球卫星导航系统不能实现准确的室内定位，因此大量学者研究基于无线传感器网络（wireless sensor network ,WSN）的室内定位技术[3]。

WSN室内定位技术主要分为基于测距（range-based）和基于非测距（range-free）的定位算法[4]。基于测距的定位算法主要有：到达时间（time of arrival, TOA）[5]、到达时间差（time difference of arrival, TDOA）[6]、到达角度（arrange of arrival, AOA）[7]、基于接收信号轻度（received signal strength indication, RSSI）[8]等方法。基于非测距的定位算法主要有：质心算法、DV-Hop算法、APIT算法、指纹数据库定位算法[9-10]。基于非测距定位算法在精度上要比基于测距定位算法的精度高，因此基于RSSI的室内定位算法成为目前研究重点，但因信号强度在室内环境中传播易受环境影响，因此建立准确的无线信号路径损耗模型是研究的重点。文献[11]中对采集到的数据进行高斯滤波处理，然后利用处理后的信号强度估算距离值。文献[12]分析了灰度理论和径向基函数（radical basis function, RBF）神经网络，并对 2者进行结合构建无线信号路径损耗模型，通过实验证明该方法提高了测距精度。文献[13]针对反向传播（back propagation, BP）神经网络存在收敛速度较慢的问题，提出了莱文贝格-马夸特（Levenberg-Marquardt，LMBP）算法，通过MATLAB模拟仿真显示，该算法提高了收敛速度，同时提高了定位精度。……