基于BP神经网络的蜂窝无线定位算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (3): 60-63.

基于BP神经网络的蜂窝无线定位算法

毛永毅^1,2,3,李明远⁴,张保军³

1.中国科学院国家授时中心，西安 710600
2.中国科学院研究生院，北京 100039
3.西安邮电学院电信系，西安 710061
4.西安交通大学，西安 710049

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-21 发布日期:2008-01-21
通讯作者: 毛永毅

Cellular localization algorithm based on BP neural network

MAO Yong-yi^1,2,3,LI Ming-yuan⁴,ZHANG Bao-jun³

1.National Time Service Center，Chinese Academy of Sciences，Xi’an 710600，China
2.Graduate School of the Chinese Academy of Sciences，Beijing 100039，China
3.Dept. of Electronic and Information，Xi’an University of Post and Telecommunications，Xi’an 710061，China
4.Xi’an Jiaotong University，Xi’an 710049，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-21 Published:2008-01-21
Contact: MAO Yong-yi

摘要/Abstract

摘要： 为了解决最小二乘法需要测量数据的先验信息来构造协方差矩阵的问题，提出了基于BP神经网络的蜂窝无线定位算法。该算法融合了移动基站提供的AOA、TOA和TDOA测量值来实现移动台的定位，利用神经网络较快的学习特性和逼近任意非线性映射的能力，使其适用于复杂的多径环境。同时充分利用了定位的冗余和互补信息有效地减小了非视距传播的影响。对基于BP神经网络的定位系统性能进行了仿真，结果表明，基于BP网络的蜂窝无线定位算法消除了定位模糊和基站非理想分布对定位精度的影响，在复杂的多径环境下能够有效地提高定位精度。

关键词: 最小二乘法, 蜂窝系统, 神经网络, 非视距传播

Abstract: In order to solve the problem how to construct covariance matrix that used prescient information of measurement data in least-square-method，a cellular localization algorithm based on the BP neural network is proposed.The measurement of AOA，TOA and TDOA provided by mobile base station is fused to locate mobile.The fast study and non-linear approach capacity of the neural network is made use of to apply in complicated multipath environment.At the same time，the location redundancy and complementary information is full used to mitigate the effect of Non-Line-Of-Sight（NLOS） propagation.The location performance of BP neural network is simulated.The simulation results indicate that the uncertainty of location and the effect of bad basement position is avoided while the cellular localization algorithm based on the BP neural network is used.It’s location accuracy is significantly improved under complicated multipath environment.

Key words: least-square-method, cellular system, neural network, Non-Line-Of-Sight（NLOS）

毛永毅^1,2,3,李明远⁴,张保军³. 基于BP神经网络的蜂窝无线定位算法[J]. 计算机工程与应用, 2008, 44(3): 60-63.

MAO Yong-yi^1,2,3,LI Ming-yuan⁴,ZHANG Bao-jun³. Cellular localization algorithm based on BP neural network[J]. Computer Engineering and Applications, 2008, 44(3): 60-63.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[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.