کاهش تاثیر نویز و بهبود تخمین مکان در سه بعد توسط روش زاویه ورود برمبنای شبکه عصبی عمیق

در مقاله پیشرو یک رویکرد جدید به منظور تخمین مکان در شبکه های حسگر بی سیم برمنای روش زاویه ورود ارائه گردیده اسب. در این رویکرد جدید شبکه عصبی عمیق مقادیر اندازه گیری شده زاویه آزیموت و زاویه ارتفاع را که آلوده به نویز هستند به عنوان ورودی گرفته و در خروجی خود مکان گره هدف در سه بعد را تخمین خواهد زد با توجه به توانایی بالای شبکه عصبی در تخمین توابع پیچیده و انعطاف پذیری آن در مقابل نویز ورودی روش پیشنهادی در حین دستیابی به عملکرد بالا نیازی به اطلاعات و پیش پردازش پارامترهای شرایط محیط ندارد. به منظور آموزش شبکه عصبی عمیق با توجه به اینکه الگوریتم های متداول پس انتشار در مسائل پیچیده مانند تخمین مکان توسط روش زاویه ورود در سه بعد در دام بهینه های محلی گیر افتاده و سرعت همگرائی کمی دارند، از فیلتر کالمن آنسنتد استفاده شده است. که در آن از طریق انتقال آنسنتد بدون نیاز به بسط توابع حالت و مشاهدات شبکه عصبی ضرایب وزن شبکه عصبی با دقت. بالا نمونه برداری می شود. نتایج شبیه سازی با توجه به معیارهای ارزیابی خطا نشان دهنده این امر می باشد که روش پیشنهادی دارای دقت بالای در تخمین مکان است.

Keywords:

شبکه حسگر بیسیم , مکانیابی در سه بعد , شبکه عصبی عمیق , زاویه ورود , فیلتر کالمن آنسنتد