基于BP神经网络的定位跟踪算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (20): 238-240.

基于BP神经网络的定位跟踪算法

毛永毅1，周康磊2

1.西安邮电学院电信系，西安 710061
2.西安邮电学院通信工程系，西安 710061

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-11 发布日期:2011-07-11

Location and tracking algorithm based on BP neural network

MAO Yongyi1，ZHOU Kanglei2

1.Department of Electronic and Information，Xi’an University of Post and Telecommunications，Xi’an 710061，China
2.Department of Communication Engineering，Xi’an University of Post and Telecommunications，Xi’an 710061，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-11 Published:2011-07-11

摘要/Abstract

摘要： 提出了一种在NLOS环境下对移动台的定位与跟踪算法。利用BP神经网络对TDOA测量值中NLOS误差进行修正，再利用Chan算法进行移动台位置估计，配合相关检测距离门对移动台进行跟踪。仿真结果表明，该跟踪算法能够有效地实现移动台的静态定位与动态跟踪，性能优于基于Chan算法、LS算法、Taylor算法的静态定位与动态跟踪。

关键词: 无线定位, 跟踪算法, 非视距传播, 神经网络

Abstract: A location and tracking algorithm with NLOS（Non-Line Of Sight） errors for MS（Mobile Station） is proposed in this paper.The algorithm is able to correct the NLOS errors using BP（Back Propagation） neural network on TDOA（Time Diffence Of Arrive） measurements.The positions of MS can be estimated by Chan’s algorithm.Cooperating correlation detection gate，the MS is tracked by the algorithm.The simulation results show that the algorithm performance is better than others not only in the static state but also in the dynamic state.

Key words: wireless location, tracking algorithm, Non-Line Of Sight（NLOS）, neural network

毛永毅1，周康磊2. 基于BP神经网络的定位跟踪算法[J]. 计算机工程与应用, 2011, 47(20): 238-240.

MAO Yongyi1，ZHOU Kanglei2. Location and tracking algorithm based on BP neural network[J]. Computer Engineering and Applications, 2011, 47(20): 238-240.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[4]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[5]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[6]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[7]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[8]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[9]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[10]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[11]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[12]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[13]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[14]	翟正利，李鹏辉，冯舒. 图对抗攻击研究综述[J]. 计算机工程与应用, 2021, 57(7): 14-21.
[15]	祝钧桃，姚光乐，张葛祥，李军，杨强，王胜，叶绍泽. 深度神经网络的小样本学习综述[J]. 计算机工程与应用, 2021, 57(7): 22-33.